降低网损的配电网络技术研究-试说明电力系统降低网损的技术措施.doc

降低网损的配电网络技术研究:试说明电力系统降低网损的技术措施摘要:降低网损有效方式之一就是对配电网进行网络优化重建,本文中正是针对于网络优化重建展开分析,并相应给出提高网损计算速度的方法,经过严谨的证明证实这样一种计算方法对于网络优化的科学有效性。中图分类号:TM714文献标识码:A文章编号:1007-9416(2012)04-0000-001、配电网优化研究方法现状分析对配电网进行优化重构的意义就在于:一是通过平衡负载和消除过载的形式来提高电能质量,二是通过网损的降低来提高配电网的整体经济效益。据此我们可以认为,对于降低网损的配电网优化方法的研究是有理论意义和实践需求的。到目前为止,人们已经提出的配电网的优化重构方案集中在以下四个方面:一是数学优化理论算法,二是最优流模式算法,三是开关交换法,四是人工智能法。下面我们就对这四种已经较为成熟的方法进行简要的阐述和评析。数学优化理论算法实际上就是利用现代数学原理和方法来对配电网进行优化重构,一般来说,这样一种优化方法能够得到不依赖于配电网初始结构的全局最优解,但是这样一种优化方法在实际的应用过程中较为复杂且比较困难,同时计算的时间比较长。最优流模式算法是一种启发式方法,主要是通过将开关组合问题转化为优化潮流的计算从而将问题进行了很大程度上的优化,但是其不足之处就在于在初始时闭合所有开关使得网络中同时存在着多个相互之间互相影响的环,打开的顺序对最终的结果影响比较大,因此每一个开关的确定都可能需要进行多次配电网潮流计算,这在复杂程度和计算量上同样是不容小觑的。而支路交换法同样是一种启发式算法,且在实际的环境中得到了较为广泛的应用。其优势在于,能够快速的确定降低配网线损的配网结构,且能够通过启发式规则来降低开关组合数;其不足在于,这样一种方法并不能保证全局最优,且每一次都只能考虑一对开关的操作。遗传算法是建立在自然选择和自然遗传学机理基础之上的迭代自适应概率性搜索算法,其特点就在于遗传算法所操作的是参数的编码而不是参数本身,且能够快速的实现全局收敛,再者能够处理多种病态和离散的优化问题,但与此同时,遗传算法也存在着计算速度慢和和不同初始基因串导致不同优化结果等不足之处。2、配电网潮流计算牛顿算法是基于微积分学的之上的,其关键之处就在于初始值的选择,如果初始值选择的不合适,就有可能需要多次的迭代才能够收敛甚至是不收敛。针对于这样一种情况,有人就提出了将前推回代法和牛顿法相结合,将前推回代一次后得到的节点电压值作为牛顿法的初始值,而实际的配电网中还可能存在带环网运行的情况,而这就不是结合法所能有效处理的,因此又有人更进一步的改进,结合前推法对初始值不敏感而牛顿法收敛速度快的特点,将前推法中迭代几次后得到的电压值作为牛顿法的初始值。优化方法经过这样几步优化以后形成现行的混合潮流方法,基本上就已经能够处理配电网的潮流计算,包括其存在环网的状况下。3、,因此按照传统的编码方法来计算的话其遗传算法空间内的个体将非常之庞大,但实际的表现型并不多,这也就意味着,将不可行解有效的去除掉同样是提高遗传算法效率的重要途径之一。因此下文中将展开进一步的探讨。