电力系统安全运行中的无功功率管理与电压稳定性优化

⃝⃝可在www.sciencedirect.com在线ScienceDirectICT Express 4（2018）81www.elsevier.com/locate/icte电力系统可持续运行Elia Erwani Hassand， Tatik Khawa Abdul Rahmanb，Nazrulazhar Bahamane，ZuhainaZakariac，穆罕默德·哈尼夫·吉夫里·阿a马来西亚马六甲技术大学电气工程学院b马来西亚雪兰莪州Wisma Subang Jaya亚洲电子大学科技学院c马来西亚雪兰莪州莎阿南马拉技术大学电气工程学院dCERIA-EPS，马来西亚马六甲技术大学电气工程学院，马来西亚马六甲eC-ACT-INSFORNET，信息和通信技术学院，Universiti Teknikal Malaysia Melaka（UTeM），马来西亚马六甲接收日期：2018年2月14日;接受日期：2018年在线提供2018年摘要有效的无功功率管理对于电力系统的安全运行具有重要意义。已知缺乏安全运行裕度和无功功率支持会导致系统在不稳定的电压条件下运行。因此，电压稳定性改善必须进行适当的规划，以便在系统发生更严重的停电事件之前确定可能的失为此，应用开发的一种新的优化技术，即自适应翻滚细菌觅食（ATBO）是获得最可能的最优无功规划（RPP）的解决方案。RPP问题的目标不仅是最小化系统中的总功率损耗，但也扩展到电压稳定方面，现在被称为安全约束RPP（SCRPP）。为了在保证安全运行条件和环境影响最小的前提下实现效益最大化，提出了一种基于ATBFO和多目标ATBFO（MOATBFO）的SCRPP单目标和多目标问题求解方法。针对标准IEEE 57节点系统，将所提出的方法与两种常见的优化方法（原始细菌觅食优化（BFO）算法和Meta启发式进化规划（Meta-EP））进行了比较，分析了所提出方法的性能。结果表明，多目标ATBFO优化能够使SCRPP的各目标函数得到较好的综合改善c2018韩国通信与信息科学研究所（KICS）。Elsevier B.V.的出版服务。这是一个开放获取CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：RPP; SCRPP; ATBFO; MOATBFO1. 介绍许多国家声称，由于电压崩溃事件，损失了数百万美元。如果有足够的无功功率支持，电网可能发生电压失稳不为人所知的是，[1]。与电压稳定控制相对应的主要对策分为预防措施和纠正措施。纠正方法包括*通讯作者。电子邮件地址：erwani@utem.edu.my（E. E. Hassan），titik.aeu.edu.my（T.K.A. Rahman），zuhainaz@salam.uitm.edu.my（Z.Zakaria），nifhanif@ymail.com（M.H. Jifri）。同行评审由韩国通信和信息科学研究所（KICS）负责https://doi.org/10.1016/j.icte.2018.04.007有载Transformer调压、电容器投切、有功和无功功率重新调度和甩负荷。而预防性控制措施则包括无功规划或集中式电压无功控制方法。通过并联无功支持可以获得较大的电压稳定裕度，从而提高系统的安全性。文献[2]中介绍了各种电压稳定分析该参考将这些方法分为两个重要类别，即静态方法和动态方法。事实证明，负荷裕度评估对于测量电压崩溃的接近程度非常重要[3]。大多数文献认为，最大承载能力和VSM取决于2405-9595/c2018韩国通信和信息科学研究所（KICS）。出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。82E.E. Hassan等/ ICT Express 4（2018）81Fig. 1. 计算MLP。关于潮流的可解性[4]。文献[5]讨论了一种确定电力系统最大负荷能力的直接内点法。该算法比传统的单纯形法速度快得多，适用于求解大型线性规划问题[6]。随后，开发了连续潮流（CPF），并用于通过计算求解路径来识别负荷裕度[7]。在动态分析过程中，电力系统由一组代数微分方程表示，并进行时域仿真[8]。通常，这种技术需要大量的计算方案。因此，为了加快计算速度，大量引入了静态和动态方法相结合的准稳态（QSS）方法[9]。通常，与动态条件相比，负荷裕度的研究和计算更集中于静态电压分析，因为它需要更少的计算时间和可靠的解决方案[10]。最近，人工智能（AI）技术的应用已经被采用，目的是在负载裕度估计期间获得更快的搜索结果[4，11]。为了满足日益增长的负荷需求，人们对提高负荷裕度进行了大量的研究。许多已发表的论文提出了模糊集理论来确定最佳操作点[12]。作者在文献[13]中引入遗传算法（GA）来搜索多目标经济调度（ED）问题中的有功和无功调度，并利用模糊集理论决策方法来确定代表参与目标的字符串的适应度。另一方面，文献[14]中的研究者推荐使用EA来寻找Pareto最优解。本文证明了在一次运行中可以找到多个Pareto最优解最后采用改进的模拟退火（SA）优化技术解决了RPP优化问题本文引入了新的优化方法ATBFO和MOATBFO，分别解决了单个和多目标的SCRPP问题。为了验证最佳性能的方法，因此选择了另外两种优化方法Meta-EP和原始BFO作为比较方法。从MOATBFO中发现了整体多目标解的改进，因此被宣布为SCRPP解的优秀优化。2. 方法2.1. 目标函数为了求解SCRPP，使用了两个重要的目标函数，例如负荷裕度增强和有功功率损耗。图2a. 单目标SCRPP的ATBFO流程图。E.E. Hassan等/ ICT Express 4（2018）8183∑i=1 α ==in i中国==2.1.1. 负载裕度最大化在最大负载能力极限评估期间，负载增加，直到发生电压崩溃，此时系统开始失去平衡。最大负载裕度或最大负载能力点（MLP）由从总负载重复增加0.05%或5%的负载确定在该方法中，最小电压Vmin被设置为0.85 V作为电压极限的截止点，当达到该值时，假设系统在应力情况下运行。如图1所示的流程图是目标函数MLP的计算。2.1.2. 有功损耗最小化总损失最小化的目标函数由方程给出。（一）.minfQ=∑PkLoss，（v，v）=∑gk（V2+V2k∈ NG-2Vi Vj cosij）V imin ≤Vi≤Vimaxi∈ NBI jk∈NG k=（i，j）（一）Q吉敏 ≤ Q Gi≤ Q Gi最大i∈ { NPV，ns}式中，Qi、Qj分别为发、受端母线的无功功率，QGi为母线i的发电无功功率，Vi、Vj分别为发、受端母线的电压幅值。PkLoss是网络上的总有功功率损耗，NB是负载总线，NPV是电压控制总线，ns是参考（松弛）总线。2.2. 加权和法本研究将两者作为单目标函数实施，并使用加权和方法将它们组合为多目标函数，如等式（二）、KF T=（αi×fmi）（2）i=1其中∑kfmax（fi）−fimax（fi）−min（fi）k是数αi是第i个目标函数的加权因子，fni是第i个目标函数的归一化值。2.3. 适应性翻滚细菌觅食该算法的动机是通过觅食活动的图2b. 多目标SCRPP的ATBFO流程图。自适应翻滚细菌觅食大肠杆菌（Escherichia coli，E. coli）细菌。帕西诺E.大肠杆菌觅食存在于我们的肠道中被称为趋化性，群集，繁殖和消除和分散[15，16]。而另一种流行的数值优化方法元启发式进化规划（Meta-EP）通过变异强度策略获得全局最优解。因此，使用E。改进了BFO的搜索空间，通过将应用于Meta-EP中的突变技术适配到在基本BFO中实现的翻转表达式中从而由新方程ATBFO算法中的（3）到（5）重要步骤描述优化（ATBFO）算法的单目标和多目标SCRPP如图。2a和2b。θ i（j+1，k，l）=θ i（j，k，l）+C（i）<$（i）.（3）因此， （i）<$（i），其中<$（i）为（i）对于每个细菌，RNT（i）=每个细菌的随机向量的转置。然后，通过使用由Eq.（三）、n′i（j）=n（j）expτ′N（ 0，1）+τ Ni（ 0，1）（4）P′i（j）=Pi（j）+N′i（j）N j（0，1）（5）84E.E. Hassan等/ ICT Express 4（2018）812N2N表1当所有负荷母线增加时，A′点SOSCRPP 1和MOSCRPP的比较使用（RPD + TTCS +CP）技术的SOSCRPP和MOSCRPP表2MOTBFO与其他MOSCRPP优化技术的比较使用RPP技术-（RPD + TTCS + CP）。优化技术点B（优化后）点A′（优化后）V最小值损失MLPV最小值Vmax损失MLP（P.U）（兆瓦）（%）（P.U）（P.U）（兆瓦）（%）MOATBFO0.844135.1272200.9071.08670.399165P载荷-无应力MOBFO0.84981.8871750.8541.04772.532165MOMeta-EP0.845122.5242100.8961.05371.393165MOATBFO0.851132.6561900.9171.09366.418140P负荷应力MOBFO0.85257.1721250.8511.06269.586140MOMeta-EP0.844126.2191850.9061.06067.605140MOATBFO0.84634.2312500.9251.06729.184160无应力Q值MOBFO0.84532.4522100.8421.05230.597160MOMeta-EP0.84233.5522300.9121.05529.983160MOATBFO0.84833.5272100.9211.07729.020140Q负荷应力MOBFO0.85132.2201750.8751.05830.795140MOMeta-EP0.84934.3672000.9041.05530.481140MOATBFO0.84284.5511750.9111.09747.966135无应力QPMOBFO0.84470.3191600.8831.06449.084135MOMeta-EP0.84269.6721600.8881.06648.479135MOATBFO0.83982.7021500.9111.06846.196115Q-P负荷应力MOBFO1.06767.2291350.8691.04347.987115MOMeta-EP0.84182.6661450.9121.06646.428115其中，τ=1，τ′=1，P′i（j），Pi（j），′i（j）和（j）是相应向量第i个分量，Ni（0， 1）是平均为0的正态分布一维随机数，1. N j（0， 1）表示对于每个j值，随机数都是新的。3. 结果和讨论3.1. 单目标和多目标SCRPP当所有负载总线增加时，在IEEE 57总线系统下测试模拟，其涵盖负载增量的所有可能性，如下所示：i. 无功负荷增量或Q增量ii. 实际负荷增量或P增量，iii. 无功和实负荷增量或Q和P负荷同时增加。对于所有负载总线，在所有相应点处增加，即， 点A、点A '和点B如图所示。 3在无应力和应力期间表1图三. 前SCRPP和后SCRPP MLP。比较了SOSCRPP和MO的结果，条件所有负载母线的SCRPP递增。虽然SOSCRPP目标函数SOSCRPP1MOSCRPPSOSCRPP1MOSCRPP最小最小损失损失电压（P.U）电压（P.U）（兆瓦）（兆瓦）P载荷-无应力0.9310.90770.651370.3994P负荷应力0.9350.91766.432066.4184荷载增量类型Q荷载-无应力0.9320.92529.376929.1839Q负荷应力0.9240.92129.984929.0200无应力QP0.9250.91148.214847.9662Q-P负荷应力0.9390.91146.476946.1958E.E. Hassan等/ ICT Express 4（2018）8185表3MOATBFO与其他基于聚合性能的MOSCRPP优化技术的比较聚合函数优化技术A′点点B总聚集体V最小值损失MLPMOATBFO1.01.01.03.0P载荷-无应力MOBFO3.03.03.09.0MOMeta-EP2.02.02.06.0MOATBFO1.01.01.03.0P负荷应力MOBFO3.03.03.09.0MOMeta-EP2.02.02.06.0MOATBFO1.01.01.03.0无应力Q值MOBFO3.03.03.09.0MOMeta-EP2.02.02.06.0MOATBFO1.01.01.03.0Q负荷应力MOBFO3.03.03.09.0MOMeta-EP2.02.02.06.0MOATBFO1.01.01.03.0无应力QPMOBFO3.03.03.09.0MOMeta-EP2.02.02.06.0MOATBFO2.01.01.04.0Q-P负荷应力MOBFO3.03.03.09.0MOMeta-EP1.02.02.05.0表4比较了ATBFO和其它优化方法对MO- SCRPP的性能影响.优化技术MOATBFOMOBFOMOMetaEPP载荷-无应力3.09.06.0P负荷应力3.09.06.0无应力Q值3.09.06.0Q负荷应力3.09.06.0无应力QP3.09.06.0Q-P负荷应力4.09.05.0总计37.0104.075.0与MOSCRPP相比，最小电压改善更好，因此在确定最佳性能时必须考虑总损耗最小化。基于最低的总损耗，通过MOATBFO优化RPD+TTCS+CP的解决方案显示出最佳性能，因此被认为是最佳的整体，因为与SOSCRPP给出的最小电压相比，最小电压的差异很小。表2列出了在解决MOSCRPP问题时从 MOATBFO、MOBFO和MOMeta-EP优化技术获得的结果。此外，在表3中，对每种优化技术的性能进行了排名，并且值1被赋予最佳结果，而值3被赋予最差结果最小的总聚合表示总体性能最好。表3中的结果表明，MOATBFO总是产生最佳的总体性能。该结论总结于表4中。因此，杰出的优化计算工具被新的MOATBFO记录，其次是MOMeta- EP，最后是原始的MOBFO算法。结果表明，MOATBFO技术是求解多目标SCRPP问题或MO-SCRPP的最佳方法。致谢感谢马来西亚高等教育部（MOHE）和马来西亚马六甲技 术 大 学 （ UTeM ） 通 过 赠 款 RAGS/1/2015/TK 0/FKE/03/B 0094提供财政支持。对这种支持表示感谢。利益冲突作者声明，本文中不存在利益冲突引用[1] M.R. M Ridzuan，E.E. Hassan，A.R.陈晓，电力系统能量调度的一种新算法，电力系统工程学报，2000。系统科学17（41）（2016）19.1-19.5.[2] N. Aminudin，电力系统最大负荷能力增强多智能体免疫进化规划优化技术（Msc。电机工程学院论文硕士），Universiti TeknologiMara，2008年。[3] S.格林岛多布森，佛罗里达州李国忠，电压崩溃时负载裕度之变化，国立成功大学电力工程研究所硕士论文，（1997）。[4] F.I.H.哈希姆岛Musirin，T.K.A. Rahman，Voltage stability marginenhancement using evolutionary programming（EP），in：4th StudentConference on Research and Development ， 2006. SCOReD 2006 ，2006，pp. 235-240[5] 久保川河Inoue，H. 李志荣，电压稳定约束下的最优潮流计算，电力系统技术国际会议，2000。诉讼PowerCon 2000，2000，pp. 625-63086E.E. Hassan等/ ICT Express 4（2018）81[6] N.Karmarkar ， Anewpolynomial-timealgorithmforlinearprogramming，Combinatorica 4（1984）373-395.[7] A.卡齐米湾张文，等，无功补偿器与可控串补系统的最大负荷极限研究，电力系统学报，2004，第26卷，第619-626页。[8] N. Aminudin，基于多智能体免疫进化规划优化技术的电力系统最大负荷能力增强（电气工程系硕士论文硕士），马拉技术大学，2008年。[9] Y.韦湖，澳-地俞帅，基于改进混合进化规划技术的无功优化调度新方法，电力系统工程学报，19（2004）913-918。[10] J. Guillermo Calderón-Guizar ， G. Adrían Inda-Ruiz ， G. EduardoTovar，提高墨西哥电力系统西北控制区电压崩溃的稳态负荷裕度，国际电气杂志。电力能源系统25（2003）643-649。[11] E.E.哈桑，T.K.A.拉赫曼Z。Zakaria，N.巴哈马，改进的BFOA，以确保可持续的经济调度，应用。Mater. 786（2015）83-87。[12] 诉Vahidinasab，S.Jadid，能源市场中的联合经济和排放调度：多目标数学规划方法，能源35（2010）1497-1504。[13] Y.S. Brar，J.S.Dhillon，D.P.李文，基于遗传模糊算法的电力系统负荷分配问题研究，电力系统学报，2008年，第28期，第73-81页。[14] I. Jacob Raglend，S.韦拉瓦利湾赛拉哈湾Sudheera，D. P. Kothari，解决具有线路流量约束的组合经济排放调度问题的人工智能技术的比较，Int. J. Electr. Power EnergySyst. 32（2010）592-598。[15] K.M. Passino，用于分布式优化和控制的细菌觅食的仿生学，控制系统杂志，卷。22，IEEE，2002，pp. 52比67[16] Y.-- P. Chen，Y.，中国地质大学学报（自然科学版）Li，G.王玉- F.郑角徐杰- H.扇，X。- T.崔，一种用于特征选择的新型细菌觅食优化算法，专家系统与应用，第83卷，2017年，pp. 1-17号。