基于混沌神经网络的配电网无功优化

危雪

(三峡大学电气与新能源学院，湖北 宜昌 443002)

1 引言

随着电力系统向智能电网发展，电网的经济运行和电压质量日益重要。改善系统的电压质量，降低运行成本的一个重要手段就是电力系统无功优化。配电网无功优化问题是一个多变量、多约束条件的混合非线性规划问题，其操作变量既有连续变量(如节点电压)，又有离散变量(如变压器分接头位置和电容器的配置容量)，所以其优化过程比较复杂［1］。

常用的无功优化方法中，Sachdeva采用了非线性规划法来求解电力系统无功优化的非线性数学模型［2］。但现有算法不同程度地存在计算量大和内存需求量大、收敛性差、稳定性不好、对不等式的处理存在一定困难等问题，因此该方法的应用受到了一定限制。遗传算法是一种模拟生物进化的过程的方法，便于计算机实现全局优化［3］。本文采用人工神经网络算法对配电网中无功进行优化，可以指导中低压配电网有载调压变压器和并联电容器的优化控制问题，使之更适应智能电网的要求［4］。

本文利用混沌人工神经网络模拟网络中的“痛点”，即一旦出现无功配置不合理的线路，立即反映给神经元，令神经元出现“不适”的感觉，输出“痛感”，根据“痛点”找到无功配置不合理的线路，重新分配无功，从而直到实现了配电网的无功优化配置。混沌神经网络是结合感知器神经网络、自组织神经网络和Hopfield神经网络重组而成的人工神经网络，可以比任何单一的神经网络提高算法的全局寻优能力。

2 基于混沌神经网络的配电网无功优化

用混沌神经网络实现配电网无功的优化，从整体来看，其步骤大体可以分为:

(1)输入配电网的初始数据:如系统信息(节点数、支路数、变压器数)、节点信息(节点负荷、电压上下限、无功补偿装置等)、支路信息(支路两端节点编号、线路长度和型号)、变压器信息(高低压节点编号、额定电压、铭牌参数等);

(2)计算配电网初始潮流，得到基础潮流数据;如果初始潮流出现不收敛的情况，则需调整配电网初始数据;

(3)建立混沌神经网络，以感知器为网络第一层，其输入为配电网初始潮流计算结果中的电压值，输出为0和1。［4］其中0代表其节点电压不合格，为“痛点”，即越限，说明所在线路无功分配不合理，需要补偿或者抑制无功;1代表正常电压，无需补偿或抑制无功处理。

(4)以Hopfield神经网络为网络第二层，以第一层网络输出结果为Hopfield神经网络的输入，对控制变量进行调节［4］。若节点电压偏高为“痛点”，则减少无功补偿装置组数或增大变压器变比，反之亦然;重新计算潮流，重复(3)、(4)步骤。最终输出的为合理的电压结果。

(5)以自组织神经网络为网络第三层［4］。将第二层稳定输出的结果作为自组织神经网络的输入，同时将系统的有功网损和电压偏移作为另外两个输入，进行分类，找到使系统的有功网损最小以及节点电压偏移总和最小的类别，根据实际需要进行选择。

3 算例和结果分析

针对上述的配电网无功优化算法，本文编制了相应的计算程序，并以IEEE中23kV的30节点实际配电系统为例进行验证。

图1 30节点配电系统示意图

初始计算潮流的结果如表1所示。

混沌神经网络第一层输出结果如表2所示。

其中0代表其节点电压不合格，即越限，有12处“痛点”，其所在线路无功分配不合理，需要补偿或者抑制无功;1代表正常电压，无需补偿或抑制无功处理。

表1 无控制下的初始计算所得各节点的电压值

表2 混沌神经网络第一层输出结果

混沌神经网络第二层输出结果如表3所示。

表3 混沌神经网络第二层输出结果

可见，输出结果均为1。说明第二层最终输出的为合理的潮流结果。

混沌神经网络第三层输出结果如表4所示。

表4 混沌神经网络第三层输出结果

由第二层输出的中间结果可以得出对此配电网络的11种最好的无功优化方式，第三层则将其中系统的有功网损和电压偏移相对最小的几种方式分为一类，有功网损和电压偏移相对最大的几种方式分为一类，剩余介于这两类的方式分为一类输出。表4中的1类就是有功网损和电压偏移相对最大的，2类就是相对最小的，3类是介于1类与2类之间的。据此，在实际应用中，就能够根据实际情况需要，选择相应的控制策略，用最佳的方式进行无功优化。

4 结论

本文在总结前人取得的成果和经验的基础上，提出了用混沌神经网络算法实现配电网无功优化的计算;结果表明在实际应用中，能够根据实际情况需要，选择相应的控制方式进行无功优化。为了进一步提高混沌神经网络优化配置的效率，未来可以结合对角递归神经网络和局部递归神经网络重组混沌人工神经网络，对其进行改进，以期提高算法的计算效率和全局寻优能力。

［1］宋军英，刘涤尘，陈允平.电力系统模糊无功优化的建模及算法［J］.电网技术，2002，25(3):22 －25.

［2］舒崇军，杨婵.电力配网系统的无功补偿及其优化的研究［J］.电气开关，2010，(6):47 －55.

［3］刑文训，卸金星.现代优化算法方法［M］.北京:清华大学出版社，1999.

［4］闻新.MATLAB神经网络的仿真与应用［M］.北京:科学出版社，2003.