????????歡迎來到本博客????????

??博主優(yōu)勢：??????博客內容盡量做到思維縝密，邏輯清晰，為了方便讀者。

??座右銘：行百里者，半于九十。

??????本文目錄如下：??????

目錄

??1 概述

??2 運行結果

?

??3?參考文獻

??4 Matlab代碼、數據、文章講解

---

??1 概述

多 目標無功優(yōu)化可在 目標 函數 中兼顧經濟性和 電壓穩(wěn)定性，引起了研究人員的廣泛關注。與單 目標無功優(yōu)化 問題 的本質區(qū)別在于，多 目標無功優(yōu)化的解不是唯一的，即不存在使經濟性和 電壓

穩(wěn)定性同時達到最優(yōu)的解，而是存在一個非劣解的集合，稱為帕累托(Pareto)最優(yōu)集，集合中的元素就所有 目標而言是不可 比較的。當前多 目標無功優(yōu)化問題的求解方法大致可分為以下 2類 ：

1)先驗法 。通過事先設置反映各 目標偏好程度 的參數將多 目標無功優(yōu)化模 型轉化成單 目標優(yōu)

化 問題進行求解，常用 的方法有線性加權法[11-12]和模糊集理論[13-14]。這類方法雖然便于計算，但存在明顯的缺點：權重 向量或隸屬度函數難 以確定；每次計算只能得到一個控制方案，若要得到一組近似的 Pareto最優(yōu)解 ，則需進行多次計算；對 Pareto前沿的形狀敏感 ，若問題 的 Pareto前沿是非凸集，則很難搜索到完整的 Pareto最優(yōu)集。

2)后驗法。該方法 的特 點是無需事先給出 目標函數之 間的優(yōu)先關系 ，運行人員只需從 Pareto最

優(yōu)集 中選擇出滿足要求 的控制方案。因此快速地獲取具有 良好分布且范圍寬廣 的 Pareto前沿成為關鍵 。文獻 [15．16]分 別應用 強度 Pareto 進化 算法 (strengthParetoevolutionaryalgorithm，SPEA)及 其改進版本 SPEA2來求得 Pareto最優(yōu)集；文獻提出采用 NSGA—II來獲取 Pareto前沿 ；另外 以 PSO為框架的多 目標優(yōu)化技術也被用來求解多 目標無功優(yōu)化問題。然而上述算法常存在易陷入局部最優(yōu) 、非劣解分布不均勻、控制參數難以選擇等缺 陷。

多目標差分優(yōu)化算法見第4部分。

??2 運行結果

圖1為改進的IEEE33節(jié)點配電系統(tǒng),在保持線路參數不變的前提下，增加﹖組并聯補償電容器和2個分布式電源。

?假定每個分布式電源能發(fā)出1MW的有功功率，且這②個分布式電源無功出力在-100~500 kvar區(qū)間內而且可調節(jié);并聯補償電容器的補償容量定為150 kvarx4和150 kvar×7。
?

?部分代碼：

% data=[1?? ?2?? ?0.0922?? ?0.047?? ?100?? ?60?? ?0
% 2?? ?3?? ?0.493?? ?0.2511?? ?(90-1000)?? ?40?? ?0
% 3?? ?4?? ?0.366?? ?0.1864?? ?120?? ?80?? ?0
% 4?? ?5?? ?0.3811?? ?0.1941?? ?60?? ?30?? ?0
% 5?? ?6?? ?0.819?? ?0.707?? ?60?? ?20?? ?0
% 6?? ?7?? ?0.1872?? ?0.6188?? ?200?? ?(100-0*150)?? ?0
% 7?? ?8?? ?0.7114?? ?0.2351?? ?200?? ?100?? ?0
% 8?? ?9?? ?1.03?? ?0.74?? ?60?? ?20?? ?0
% 9?? ?10?? ?1.044?? ?0.74?? ?60?? ?20?? ?0
% 10?? ?11?? ?0.1966?? ?0.065?? ?45?? ?30?? ?0
% 11?? ?12?? ?0.3744?? ?0.1238?? ?60?? ?35?? ?0
% 12?? ?13?? ?1.468?? ?1.155?? ?60?? ?35?? ?0
% 13?? ?14?? ?0.5416?? ?0.7129?? ?120?? ?80?? ?0
% 14?? ?15?? ?0.591?? ?0.526?? ?60?? ?10?? ?0
% 15?? ?16?? ?0.7463?? ?0.545?? ?60?? ?20?? ?0
% 16?? ?17?? ?1.289?? ?1.721?? ?60?? ?20?? ?0
% 17?? ?18?? ?0.372?? ?0.574?? ?90?? ?40?? ?0
% 2?? ?19?? ?0.164?? ?0.1565?? ?90?? ?40?? ?0
% 19?? ?20?? ?1.5042?? ?1.3554?? ?90?? ?40?? ?0
% 20?? ?21?? ?0.4095?? ?0.4784?? ?90?? ?40?? ?0
% 21?? ?22?? ?0.7089?? ?0.9373?? ?90?? ?40?? ?0
% 3?? ?23?? ?0.4512?? ?0.3083?? ?90?? ?50?? ?0
% 23?? ?24?? ?0.898?? ?0.7091?? ?420?? ?200?? ?0
% 24?? ?25?? ?0.896?? ?0.7011?? ?420?? ?200?? ?0
% 6?? ?26?? ?0.203?? ?0.1034?? ?60?? ?25?? ?0
% 26?? ?27?? ?0.2842?? ?0.1447?? ?60?? ?25?? ?0
% 27?? ?28?? ?1.059?? ?0.9337?? ?60?? ?20?? ?0
% 28?? ?29?? ?0.8042?? ?0.7006?? ?120?? ?70?? ?0
% 29?? ?30?? ?0.5075?? ?0.2585?? ?200?? ?600?? ?0
% 30?? ?31?? ?0.9744?? ?0.963?? ?150?? ?70?? ?0
% 31?? ?32?? ?0.3105?? ?0.3619?? ?210?? ?(100-0*150)?? ?0
% 32?? ?33?? ?0.341?? ?0.5362?? ?60?? ?40?? ?0
% 8?? ?21?? ?2?? ?2?? ?0?? ?0?? ?0
% 9?? ?15?? ?2?? ?2?? ?0?? ?0?? ?0
% 12?? ?22?? ?2?? ?2?? ?0?? ?0?? ?0
% 18?? ?33?? ?0.5?? ?0.5?? ?0?? ?0?? ?0
% 25?? ?29?? ?0.5?? ?0.5?? ?0?? ?0?? ?0
% ];

Y=1./Z;
Y00=zeros(1,33);
Sload=zeros(1,33);%各個母線負荷
for j=1:32
? ? Sload(data(j,2))=data(j,5)+data(j,6)*i;
end
Sload=Sload/1000;
PQDGnun=0;
PVnun=0;
PQVDGnun=0;
PQVDGposition=[31];
PQVrePower=[0.5];
PQVmaxmin=[0.5;0];
PVposition=[22];%PV節(jié)點的位置
PVrePower=[0.5];
PVmaxmin=[0.5;0];%PV節(jié)點無功上下限
PVreacPower=[0.25]; %PV節(jié)點無功補償的初始無功功率
PQDGposition=[7];
PQDGpower=[0.5+0.5i];
U=zeros(1,33)+10;%設置節(jié)點的電壓初值
U(1)=12.66;
if PQVDGnun>0
? ?for j=1:PQVDGnun
? ? ? ? PQVreacPower(j)=-U(PQVDGposition(j))*U(PQVDGposition(j))/38+(-U(PQVDGposition(j))*U(PQVDGposition(j))+sqrt(U(PQVDGposition(j))^4-4*real(PQVrePower(j))*real(PQVrePower(j))*1.95*1.95))/(2*1.95);
? ?end
else
? ? PQVreacPower=0.5;%0.5沒有任何意義，在后面也沒有用到這個數字
end
?

??3?參考文獻

部分理論來源于網絡，如有侵權請聯系刪除。

[1]邱威,張建華,劉念.自適應多目標差分進化算法在計及電壓穩(wěn)定性的無功優(yōu)化中的應用[J].電網技術,2011,35(08):81-87.DOI:10.13335/j.1000-3673.pst.2011.08.021.文章來源地址http://www.zghlxwxcb.cn/news/detail-415676.html

??4 Matlab代碼、數據、文章講解

到了這里，關于【無功優(yōu)化】基于多目標差分進化算法的含DG配電網無功優(yōu)化模型【IEEE33節(jié)點】（Matlab代碼實現）的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網！