基于内点法最优潮流计算

合集下载

基于功率—电流混合潮流约束的内点法最优潮流

基于功率—电流混合潮流约束的内点法最优潮流

基于功率—电流混合潮流约束的内点法最优潮流江全元,黄志光(浙江大学电气工程学院,浙江省杭州市310027)摘要:提出了一种基于直角坐标下功率—电流混合型潮流约束的最优潮流模型。

该模型对系统中的非零注入功率节点采用功率失配型潮流约束,而对零注入功率节点采用电流失配型潮流约束。

这种混合模型结合了功率和电流型潮流方程的优点:对于零注入功率节点,该模型具有电流型潮流方程一阶导数为常数、二阶导数为0的特点,从而使雅可比矩阵和海森矩阵更容易计算;对于非零注入功率节点,该模型也比电流型潮流方程更好处理。

该模型特别适合非线性预测—校正内点法的最优潮流,多个大规模算例测试证明该模型收敛性更好,计算效率更高,尤其适合求解含较多零注入功率节点的大规模电力系统最优潮流问题。

关键词:最优潮流;内点法;电流失配;功率失配;混合模型中图分类号:TM744收稿日期:2008211219;修回日期:2009203202。

教育部科学技术研究重点项目(107063);浙江省自然科学基金资助项目(R1080089)。

0 引言自从20世纪60年代Carpentier 提出最优潮流(O PF )问题以来,该问题受到越来越多的关注[127]。

Dommel 和Tinney 建立了OPF 问题的非线性规划模型。

实际应用中,OPF 有不同的表述形式,学者们也提出了不同的算法求解该问题。

近年来,内点法及其改进算法由于其突出的计算性能在OPF 问题中得到了广泛的应用[8214]。

O PF 问题中,网络潮流约束可表示为直角坐标或极坐标形式。

文献[15]比较了直角坐标和极坐标2种形式的OPF 模型,指出二者有相似的收敛特性和计算效率。

但在O PF 的内点算法中,直角坐标系的表达更简洁[16]。

在潮流计算时,系统潮流方程通常表示为功率失配形式,而电流失配型潮流方程突出了电力网络本身是线性、而节点注入是非线性的特点[17],一般来说更加适合求解负荷潮流问题[18]。

基于内点法考虑小扰动稳定约束的最优潮流算法研究的开题报告

基于内点法考虑小扰动稳定约束的最优潮流算法研究的开题报告

基于内点法考虑小扰动稳定约束的最优潮流算法研究的开题报告一、选题背景及研究意义随着电力系统规模的不断增大,电力市场化程度的日益提高,电力系统中出现了越来越多的非线性和约束条件,例如输电线路限制、变压器容量限制、电压限制等。

这些约束条件对电力系统的运行和稳定性具有重要意义。

最优潮流是电力系统优化的基础,计算最优潮流能够提高系统的经济性和可靠性。

然而,传统最优潮流算法基于线性规划方法,忽略了实际系统中的非线性和约束条件。

因此,为了解决这些问题,发展基于内点法的最优潮流算法,考虑小扰动稳定约束,具有极其重要的理论和实际意义。

二、研究内容及方案本次研究的主要内容为:1. 基于内点法的最优潮流算法设计,包括建模和求解过程。

2. 考虑小扰动稳定约束,评估系统稳定性,提高系统运行可靠性。

3. 对比和分析内点法和传统线性规划方法的性能和运算时间,表明内点法算法的优势。

4. 算法的验证和验证,例如采用IEEE 14节点和30节点测试系统进行实验仿真。

研究方案包括:1. 系统学习内点法,了解最优潮流算法基本理论和非线性规划算法。

2. 构建基于内点法的最优潮流模型,考虑电力系统常见的约束条件。

3. 设计评估稳定性的小扰动模型,利用模型测试算法。

4. 应用优化工具软件(如matlab),对比内点法算法和传统线性规划算法的计算效率及实验仿真验证。

三、研究意义和预期目标本次论文的研究意义是,提出基于内点法的最优潮流算法,考虑电力系统中复杂的非线性和约束条件,并评估系统稳定性,实现系统的优化和可靠性的提高。

这种算法运行简单,具有准确性和高效性优势。

理论结果为电力系统运行管理提供了支持。

预期目标包括:1. 构建基于内点法的最优潮流模型,考虑电力系统常见的约束条件。

2. 设计评估稳定性的小扰动模型,利用模型测试算法。

3. 采用优化工具软件(如matlab),测试算法,对比内点法算法和传统线性规划算法的计算效率及实验仿真验证。

4. 验证算法准确性和实用性,保证算法的在实际工作中的可行性和经济性。

基于最优中心参数的多中心校正内点最优潮流算法_杨林峰

基于最优中心参数的多中心校正内点最优潮流算法_杨林峰

(4)
式中 H ( X ) 2 f ( x ) 2 h( x ) y 2 g ( x )( z w ) 。
MCCIPM 通过以下 2 个步骤来形成迭代方向: 1)原始对偶步[19]。
解式(4)得到原始对偶迭代方向Xpd, 并按下式 确定步长。
1 MCCIPM 框架
文献[1]所提 OPF 模型可表示为
YANG Linfeng, JIAN Jinbao, HAN Daolan, QUAN Ran
(Guangxi University, Nanning 530004, Guangxi Zhuang Autonomous Region, China) ABSTRACT: Aim to improve the efficiency of solving optimal power flow (OPF) problem, a new quickly interior point method (IPM) was presented based on the techniques of optimal centering parameter (OCP) and improved multiple centrality corrections (IMCC). Named as OCP-IMCCIPM, the proposed method integrates equilibrium distance-quality function (ED-QF) to establish a mathematical model for evaluating centering parameter. And the approximate expression of this model, which can be solved with fewer computations than the original one, was proposed using the linearization technique. After solving the approximate model with the line search technique, the OCPs could be obtained for the proposed method to owning more dominant steps and less number of iterations than other IPMs. With using IMCC, iteration step length, especially for no dominant step, could be pulling long to accelerate the convergence of iteration. The simulation results for systems that range in size from 14 to 1047 buses show that the proposed algorithm provides longer iteration step length, better speed and results than many other existing IPMs. KEY WORDS: power system; optimal power flow (OPF); centering parameter; multiple centrality corrections; interior point method (IPM) 摘要:为加快最优潮流(optimal power flow,OPF)问题的求 解,基于最优中心参数(optimal centering parameter,OCP) 及改进多中心校正(improved multiple centrality corrections, IMCC)技术,提出一种求解最优潮流(optimal power flow, OPF) 问题的新型快速内点算法 (OCP-IMCC interior point me t h o d , O C P- I MC CI P M) 。 结 合 均 衡 距 离 – 评 价函数 (equilibrium distance-quality function,ED-QF),给出最优中

电力系统最优潮流分析

电力系统最优潮流分析

电力系统最优潮流分析电力系统是现代社会中最重要的系统工程之一,为社会生产和人民生活提供了绝大部分能量。

电能的生产需要耗费大量的燃料,而目前电能在输送、分配和消费过程中存在着大量的损耗。

因此如何采取适当措施节约能源,提高整个电力系统的运行效率,优化系统的运行方式,是国内外许多学者一直关注与研究的热点。

电力系统的最优化运行是指在确保电力系统安全运行、满足用户用电需求的前提下,如何通过调度系统中各发电机组或发电厂的运行,从而使系统发电所需的总费用或所消耗的总燃料达到最小的运筹决策问题。

数学上可将此问题描述为非线性规划或混合非线性规划问题。

最优潮流问题是指在满足必须的系统运行和安全约束条件下,通过调整系统中可利用控制手段实现预定目标最优的系统稳定运行状态。

同经典的经济调度法相比,最优潮流具有全面规划、统筹考虑等优点,它可将安全运行和最优经济运行等问题进行综合考虑,通过统一的数学模型来描述,从而将电力系统对经济性、安全性以及电能质量等方面的要求统一起来。

最优潮流问题的提出把电力系统的最优运行理论提高到一个新的高度,受到了国内外学者高度重视。

最优潮流已在电力系统中的安全运行、电网规划、经济调度、阻塞管理、可靠性分析以及能量管理系统等方面得到了广泛应用,成为了电力系统网络运行分析和优化中不可或缺的工具。

一、最优潮流问题研究的意义最优潮流可将电力系统可靠性与电能质量量化成相应的经济指标,并最终达到优化资源配置、降低成本、提高服务质量的目的。

因此最优潮流研究具有传统潮流计算无法比拟的意义,主要体现在以下两个方面。

一方面,通过最优潮流计算可指导系统调度员的操作,保证系统在经济、安全、可靠的状态下运行。

具体表现为:第一,当所求问题以目标函数、控制变量和约束条件的形式固定下来后,就一定可以求出唯一最优解,并且该结果不受人为因素的影响。

第二,最优潮流的寻优过程可以自动识别界约束,在解逐渐趋于最优的过程中可得到网络传输瓶颈信息,从而可以指导电网扩容与规划。

电力系统最优潮流计算

电力系统最优潮流计算
T
u s.t. g (u, x ) 0
式中: 为由拉格朗日乘子所构成的向量。
电力系统最优潮流计算
25
L(u, x) f (u, x) T g (u, x)
这样便把原来的有约束最优化问题变成了 一个无约束最优化问题。 采用经典的函数求极值的方法,即将L分 别对变量x、u及求导并令其等于零,从而 得到求极值的一组必要条件为
电力系统最优潮流计算
9
建立在严格的数学基础上的最优潮流模型 首先是由法国的Carpentier于60年代初期 提出的。 40多年来,广大学者对最优潮流问题进行 了大量的研究,这方面的参考文献十分浩 瀚。这些研究工作分为两类:
提出了因为所采用的目标函数以及所包含的约 束条件的不同,因而构成的应用范围不同的最 优潮流模型。 从改善收敛性能、提高计算速度等等目的出发, 提出的最优潮流计算的各种模型和求解算法。
f ( x, u, p) 0
电力系统最优潮流计算
2
一次潮流计算所决定的运行状态可能由于 某些状态变量或者作为u,x 函数的其它变量 在数值上超出了它们所容许的运行限值(即 不满足不等式约束条件),因而在技术上并 不是可行的。 工程实际上常用的方法是调整某些控制变 量的给定值,重新进行前述的基本潮流计 算,这样反复进行,直到所有的约束条件 都能够得到满足为止。这样便得到了一个 技术上可行的潮流解。
电力系统最优潮流计算
10
二、最优潮流的数学模型 最优潮流问题的一般数学模型 (一)最优潮流的变量 在最优潮流的算法中,常将所涉及的变量 分成状态变量(x)及控制变量(u)两类。控 制变量通常由调度人员可以调整、控制的 变量组成;控制变量确定以后,状态变量 也就可以通过潮流计算而确定下来。

基于内点法的最优潮流计算

基于内点法的最优潮流计算

基于内点法的最优潮流计算GE GROUP system office room 【GEIHUA16H-GEIHUA GEIHUA8Q8-摘要内点法是一种能在可行域内部寻优的方法,即从初始内点出发,沿着中心路径方向在可行域内部直接走向最优解的方法。

其中路径跟踪法是目前最具有发展潜力的一类内点算法,该方法鲁棒性强,对初值的选择不敏感,在目前电力系统优化问题中得到了广泛的应用。

本文采用路径跟踪法进行最优求解,首先介绍了路径跟踪法的基本模型,并且结合具体算例,用编写的Matlab程序进行仿真分析,验证了该方法在最优潮流计算中的优越性能。

关键词:最优潮流、内点法、路径跟踪法、仿真目次0、引言........................................................1、路径跟踪法的基本数学模型....................................2、路径跟踪法的最优潮流求解思路................................3、具体算例及程序实现流程......................................3.1、算例描述..............................................3.2、程序具体实现流程......................................4、运行结果及分析..............................................4.1 运行结果..............................................4.2结果分析 ..............................................5、结论........................................................6、编程中遇到的问题............................................ 参考文献....................................................... 附录...........................................................0、引言电力系统最优潮流,简称OPF(Optimal Power Flow)。

基于ADMAT 自动微分工具箱的内点法最优潮流计算—第27届高校电力系统及其自动化专业年会

基于ADMAT 自动微分工具箱的内点法最优潮流计算—第27届高校电力系统及其自动化专业年会

基于ADMAT自动微分工具箱的内点法最优潮流计算鲍海波1,韦化1,2,莫东1(1.广西大学电力系统最优化研究所,2.广西电力系统最优化与节能技术重点实验室,广西壮族自治区南宁市530004)摘要:为了提高最优潮流程序的通用性和灵活性,避免计算内点法最优潮流时繁琐的导数公式推导,利用ADMAT自动微分工具箱完成了一种更为灵活的内点法最优潮流计算。

无需手动编程构造雅克比矩阵和海森矩阵,减少了编程出错可能性,且便于修改、增减最优潮流模型的目标函数和约束条件。

程序实现过程中,结合ADMAT工具箱的求解特点,研究了约束条件和目标函数的雅克比矩阵和海森矩阵的稀疏模式,对程序进一步优化。

多个系统的测试结果表明,自动微分技术应用于电力系统最优潮流计算的可行性和优越性,所设计的程序具有较高的计算效率。

关键词:自动微分;最优潮流;内点法;ADMAT0 引言经过四十多年的发展,最优潮流(optimal power flow ,OPF)技术在电力系统运行、规划、调度等领域得到了广泛的应用[1-2]。

现今,先后用于最优潮流计算方法有:牛顿法、内点法、遗传算法、差分进化算法等一系列方法[3-9],其中内点法具有多项式时间复杂性、计算效率高、鲁棒性好等优点,已经成功应用于最优潮流计算的工程实际。

内点法最优潮流计算过程中,需要手动推导目标函数和约束条件的1阶和2阶导数,以获得它们的雅克比(Jacobian)矩阵和海森(Hessian)矩阵。

这种手动编程方式具有很多弊端。

一方面,推导导数计算公式繁琐、容易出错,且代码不易于调试;另一方面,OPF在不同领域应用需要变化模型,增减或者修改部分约束、改变目标函数时,代码改动很大,限制了OPF程序代码的灵活性和可扩展性。

自动微分(automation differentiation,AD)技术的出现,成功解决了这个问题。

AD技术是机械的运用链式求导法则对计算机程序形式的函数求导的一种技术[10]。

基于内点法最优潮流计算 PPT

基于内点法最优潮流计算 PPT

8300
8200
8100
8000
7900
7800
7ห้องสมุดไป่ตู้00
7600
0
2
4
6
8 10 12 14 16
迭代次数
5节点目标函数变化曲线
102
0
10
10-2
10-4
-6
10
10-8
-10
10
0
2
4
6
8
10
12
14
16
迭代次数
5节点最大不平衡量变化曲线
目标函数
最大不平衡量
1092
1091.5
1091
1090.5
r
r
L f( x ) y T h ( x ) z T [ g ( x ) l g ] w T [ g ( x ) u g ] ulo lr ) u gl( o u r )g(
j 1
j 1
用牛顿法求解KKT方程,得到最优解。
L 0 , L 0 , L 0 , L 0 , L 0 , L 0 x y z w l u
1:1.05 2 0.08+0.30j 4 0.015j
1.05:1
3 0.03j
5
2+1j
j0.25
0.04+0.25j 0.25j
j0.25 3.7+1.3j
0.1+0.35j
1
1.6+0.8j
1+0.35j
2
7
0.0625j 8 0.0085+0.072j
0.0119+0.1008j 6 0.0586j
3
0.153j 0.032+0.161j

基于零空间的现代内点最优潮流新算法

基于零空间的现代内点最优潮流新算法

基于零空间的现代内点最优潮流新算法全然;简金宝;韦化【摘要】在约束条件苛刻时,现代内点法求解电力系统最优潮流OPF问题有时不收敛,为克服此不足,本文提出一种求解OPF问题的零空间内点算法.首先分析了现代内点法不收敛的原因;然后通过改进的原始对偶变量的修正方法和终止准则来保证迭代点的最优性和不等式约束的互补性;最后将所提方法用于求解5个IEEE标准算例.数值结果表明,所提算法与现代内点法求解OPF问题的结果一致,在约束条件苛刻时,本文算法具有更好的收敛性.【期刊名称】《电力系统及其自动化学报》【年(卷),期】2014(026)005【总页数】7页(P12-17,32)【关键词】电力系统;零空间技术;最优潮流;内点法【作者】全然;简金宝;韦化【作者单位】河南工业大学理学院,郑州 450001;玉林师范学院数学与信息科学学院,玉林 537000;广西大学电气工程学院,南宁 530004【正文语种】中文【中图分类】TM744电力系统最优潮流是研究在满足系统运行和安全约束的前提下如何达到系统的最优运行状态的问题。

随着电力系统规模的不断扩大和电力市场改革的不断深入,最优潮流OPF(optimal power flow)得到了广泛的关注和研究。

Carpentier于1962年首先提出了严格数学基础上的最优潮流模型[1],其实质是一个带一般约束的高维非线性最优化问题。

求解最优化问题的许多方法都曾被用于求解OPF问题,如线性规划法、二次规划法、非线性规划法、牛顿法以及现代内点法等。

由于能有效求解大规模优化问题,现代内点法被广泛地应用于求解电力系统的各种优化问题,成为求解电力系统优化问题的主流算法,而且不断地被深入研究[2~10],尤其是原始-对偶内点法[2~7]得到了广泛的应用和改进,取得了很好的效果。

但仍存在一些问题需要研究,如算法的收敛性和计算速度等。

文献[2]结合电力系统的特点,通过重新排列原始对偶变量的顺序使得修正方程组的系数矩阵出现与节点导纳矩阵有相似结构的4×4子块矩阵,显著地减少了注入元的个数,增加了稀疏性,取得了很好的计算效果;内点算法在文献[3~5]得到了进一步应用,取得了满意的计算效果,成为一种成熟的内点算法。

内点法最优潮流MATLAB算法

内点法最优潮流MATLAB算法

内点法最优潮流MATLAB算法clear;%clc;%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%初始化%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%数据加载n=input('请输入要计算的节点系统(5):')load Node5.txt;%节点数据load Branch5.txt;%支路数据load Generator5.txt;%发电机数据Node=Node5;Branch=Branch5;Generator=Generator5;%节点数据处理N=Node(:,1);%节点号Type=Node(:,2);%节点类型Uamp=Node(:,3);%节点电压幅值Dlta=Node(:,4);%节点电压相角Pd=Node(:,5);%节点负荷有功Qd=Node(:,6);%节点负荷无功Pg=Node(:,7);%节点出力有功Qg=Node(:,8);%节点出力无功Umax=Node(:,9);%节点电压幅值上限 Umin=Node(:,10);%节点电压幅值下限Bc=Node(:,11);%节点补偿电容电纳值 %支路数据处理Nbr=Branch(:,1);%支路号Nl=Branch(:,2);%支路首节点Nr=Branch(:,3);%支路末节点R=Branch(:,4);%支路电阻X=Branch(:,5);%支路电抗Z=R+1i*X;%支路阻抗=支路电阻+支路电抗 Bn=Branch(:,6);%支路对地电纳K=Branch(:,7);%支路变压器变比,0表示无变压器 Ptmax=Branch(:,8);%线路传输功率上限%发电机数据处理Ng=Generator(:,1);%发电机序号Nbus=Generator(:,2);%所在母线号Pumax=Generator(:,3);%发电机有功出力上界 Qumax=Generator(:,4);%发电机无功出力上界 Pumin=Generator(:,5);%发电机有功出力下界Qumin=Generator(:,6);%发电机无功出力下界a2=Generator(:,7);%燃料耗费曲线二次系数a1=Generator(:,8);%燃料耗费曲线一次系数a0=Generator(:,9);%燃料耗费曲线常数项%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%n=length(N);%节点个数ng=length(Ng);%发电机台数nbr=length(Nbr);%支路个数x=zeros(2*(ng+n),1);%控制变量+状态变量x(1:ng)=Pg(Nbus);x(ng+1:2*ng)=Qg(Nbus);x((2*ng+2):2:2*(ng+n))=Uamp; x((2*ng+1):2:2*(ng+n)-1)=Dlta; l=0.8*ones(2*ng+n+nbr,1);%松弛变量u=1.1*ones(2*ng+n+nbr,1);%松弛变量w=-1.5*ones(2*ng+n+nbr,1);%拉格朗日乘子z=ones(2*ng+n+nbr,1);%拉格朗日乘子y=zeros(2*n,1);%拉格朗日乘子y(1:2:2*n-1)=1e-3;y(2:2:2*n)=-1e-3;%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%计算不等式约束的上下限%%%%%%%%%%%%%%%%%%%%%%%%%gmingmin=zeros(2*ng+n+nbr,1);gmin(1:ng)=Pumin;gmin(ng+1:2*ng)=Qumin;gmin(2*ng+1:2*ng+n)=Umin;gmin(2*ng+n+1:2*ng+n+nbr)=-Ptmax; %gmaxgmax=zeros(2*ng+n+nbr,1);gmax(1:ng)=Pumax;gmax(ng+1:2*ng)=Qumax;gmax(2*ng+1:2*ng+n)=Umax;gmax(2*ng+n+1:2*ng+n+nbr)=Ptmax;%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%形成导纳矩阵%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%Y=zeros(n,n);%%%%%%%%%%%%%%%%%%%%计算非对角元素%%%%%%%%%%%%%%%%%%%%% for ii=1:nbr if K(ii)==0%非变压器支路Y(Nl(ii),Nr(ii))=-1/Z(ii);Y(Nr(ii),Nl(ii))=Y(Nl(ii),Nr(ii));else%变压器支路Y(Nl(ii),Nr(ii))=-1/Z(ii)/K(ii);Y(Nr(ii),Nl(ii))= Y(Nl(ii),Nr(ii));endend%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%计算对角元素%%%%%%%%%%%%%%%%%%%%%%for ii=1:n%将支路导纳加入到对角元素中for jj=1:nbrif K(jj)==0&&(Nl(jj)==ii||Nr(jj)==ii)%非变压器支路Y(ii,ii)=Y(ii,ii)+1/Z(jj);else if K(jj)~=0&&(Nl(jj)==ii||Nr(jj)==ii)%变压器支路Y(ii,ii)=Y(ii,ii)+1/Z(jj)/K(jj);endendendendfor ii=1:nbr%将对地电纳加入到对角元素中if K(ii)==0%非变压器支路Y(Nl(ii),Nl(ii))=Y(Nl(ii),Nl(ii))+1i*Bn(ii);Y(Nr(ii),Nr(ii))=Y(Nr(ii),Nr(ii))+1i*Bn(ii);else%变压器支路Y(Nr(ii),Nr(ii))=Y(Nr(ii),Nr(ii))+(K(ii)-1)/K(ii)/Z(ii);Y(Nl(ii),Nl(ii))=Y(Nl(ii),Nl(ii))+(1-K(ii))/K(ii)/K(ii)/Z(ii);endendfor ii=1:nY(ii,ii)=Y(ii,ii)+i*Bc(ii);endG=real(Y);%电导B=imag(Y);%电纳%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%k=0;%迭代次数Kmax=150;%最大迭代次数iteration=1e-4;%误差精度delta=0.08;Gap=(l'*z-u'*w)*ones(Kmax,1);%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%主程序%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% while k<50%计算互补间隙GapGap(k+1)=l'*z-u'*w;if Gap>iterationmiu=delta*Gap(k+1)/(2*(2*ng+n+nbr)); %%%%%%%%%%%%%%%%%%%%%%%%%%%%形成系数矩阵%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%相角差计算%%%%%%%%%%%%%%%%%%%%%%theta=zeros(n,n);for ii=1:nfor jj=1:ntheta(ii,jj)=Dlta(ii)-Dlta(jj);endend %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%1、等式约束雅克比矩阵%%%%%%%%%%%%%%%%pxh=zeros(2*(ng+n),2*n); %%%%%%%%%%%%%%%%%%%%%%%ah/aP%%%%%%%%%%%%%%%%%%%%%%%for ii=1:ngpxh(Ng(ii),2*Nbus(ii)-1)=1;end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%ah/aQ%%%%%%%%%%%%%%%%%%%%%%%for ii=1:ngpxh(Ng(ii)+ng,2*Nbus(ii))=1;end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%ah/ax%%%%%%%%%%%%%%%%%%%%%%%HH=zeros(n,n);JJ=zeros(n,n);NN=zeros(n,n);LL=zeros(n,n);for ii=1:nfor jj=1:nif ii~=jj%i!=j时的情况%非对角元素HH(ii,jj)=-Uamp(ii)*Uamp(jj)*(G(ii,jj)*sin(theta(ii,jj))-B(ii,jj)*cos(theta(ii,jj)));JJ(ii,jj)=Uamp(ii)*Uamp(jj)*(G(ii,jj)*cos(theta(ii,jj))+B(ii,jj)*sin (theta(ii,jj)));NN(ii,jj)=-Uamp(ii)*(G(ii,jj)*cos(theta(ii,jj))+B(ii,jj)*sin(theta(ii,jj)));LL(ii,jj)=-Uamp(ii)*(G(ii,jj)*sin(theta(ii,jj))-B(ii,jj)*cos(theta(ii,jj)));%对角元素HH(ii,ii)=HH(ii,ii)+Uamp(ii)*Uamp(jj)*(G(ii,jj)*sin(theta(ii,jj))-B(ii,jj)*cos(theta(ii,jj)));JJ(ii,ii)=JJ(ii,ii)-Uamp(ii)*Uamp(jj)*(G(ii,jj)*cos(theta(ii,jj))+B(ii,jj)*sin(theta(ii,jj)) );NN(ii,ii)=NN(ii,ii)-Uamp(jj)*(G(ii,jj)*cos(theta(ii,jj))+B(ii,jj)*sin(theta(ii,jj)));LL(ii,ii)=LL(ii,ii)-Uamp(jj)*(G(ii,jj)*sin(theta(ii,jj))-B(ii,jj)*cos(theta(ii,jj)));endendNN(ii,ii)=NN(ii,ii)-2*Uamp(ii)*G(ii,ii);LL(ii,ii)=LL(ii,ii)+2*Uamp(ii)*B(ii,ii);endpxh(1+2*ng:2:2*(n+ng)-1,1:2:2*n-1)=HH';pxh(1+2*ng:2:2*(n+ng)-1,2:2:2*n)=JJ';pxh(2+2*ng:2:2*(n+ng),1:2:2*n-1)=NN';pxh(2+2*ng:2:2*(n+ng),2:2:2*n)=LL';%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%2、不等式约束的雅克比矩阵%%%%%%%%%%%%%%%%%%%% %g1:电源有功出力上下限约束ag1aP=eye(ng,ng);ag1aQ=zeros(ng,ng);ag1ax=zeros(2*n,ng);%g2:电源无功出力上下限约束ag2aP=zeros(ng,ng);ag2aQ=eye(ng,ng);ag2ax=zeros(2*n,ng);%g3:节点电压幅值上下限约束ag3aP=zeros(ng,n);ag3aQ=zeros(ng,n);ag3ax=zeros(2*n,n);for ii=1:nag3ax(2*ii,ii)=1;end%g4:线路潮流上下限约束ag4aP=zeros(ng,nbr);ag4aQ=zeros(ng,nbr);ag4ax=zeros(2*n,nbr);for ii=1:nfor jj=1:nbrif Nl(jj)==iiag4ax(2*ii-1,jj)=-Uamp(Nl(jj))*Uamp(Nr(jj))*(G(Nl(jj),Nr(jj))*sin(theta(Nl(jj),N r(jj)))-B(Nl(jj),Nr(jj))*cos(theta(Nl(jj),Nr(jj))));ag4ax(2*ii,jj)=Uamp(Nr(jj))*(G(Nl(jj),Nr(jj))*cos(theta(Nl(jj),Nr(jj )))+B(Nl(jj),Nr(jj))*sin(theta(Nl(jj),Nr(jj))))-2*Uamp(Nl(jj))*G(Nl(jj),Nr(jj));endif Nr(jj)==iiag4ax(2*ii-1,jj)=Uamp(Nl(jj))*Uamp(Nr(jj))*(G(Nl(jj),Nr(jj))*sin(theta(Nl(jj),Nr (jj)))-B(Nl(jj),Nr(jj))*cos(theta(Nl(jj),Nr(jj))));ag4ax(2*ii,jj)=Uamp(Nl(jj))*(G(Nl(jj),Nr(jj))*cos(theta(Nl(jj),Nr(jj )))+B(Nl(jj),Nr(jj))*sin(theta(Nl(jj),Nr(jj))));endendendpxg=[ag1aP ag2aP ag3aP ag4aP;ag1aQ ag2aQ ag3aQ ag4aQ;ag1ax ag2ax ag3ax ag4ax];%此即为不等式约束的雅克比矩阵%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%3、对角矩阵%%%%%%%%%%%%%%%%%%%%%%%% L_1Z=zeros(2*ng+n+nbr,2*ng+n+nbr);U_1W=zeros(2*ng+n+nbr,2*ng+n+nbr);for ii=1:2*ng+n+nbrL_1Z(ii,ii)=z(ii)/l(ii);U_1W(ii,ii)=w(ii)/u(ii);end%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%海森伯矩阵%%%%%%%%%%%%%%%%%%%%%%%%%% %将海森伯矩阵分为4块:H1,H2,H3,H4%%%%%%%%%%%%%%%%%%%%%H1%%%%%%%%%%%%%%%%%%%%%%A2=diag(a2);H1=zeros(2*(ng+n),2*(ng+n));H1(1:ng,1:ng)=2*A2;%%%%%%%%%%%%%%%%%%%%H2%%%%%%%%%%%%%%%%%%%%%%H2=zeros(2*(ng+n),2*(ng+n));A=zeros(2*n,2*n);Apb=zeros(2*n,2*n,n);Aqb=zeros(2*n,2*n,n);for ii=1:nfor jj=1:n %元素位置为:1 2if ii~=jj % 3 4%对角线上与ii对应的元素%ApApb(2*ii-1,2*ii-1,ii)=Apb(2*ii-1,2*ii-1,ii)+Uamp(ii)*Uamp(jj)*(G(ii,jj)*cos(theta(ii,jj))+B(ii,jj)*sin(theta(i i,jj)));%对角线处1号元素Apb(2*ii-1,2*ii,ii)=Apb(2*ii-1,2*ii,ii)+Uamp(jj)*(G(ii,jj)*sin(theta(ii,jj))-B(ii,jj)*cos(theta(ii,jj)));%对角线处2号元素%%3号元素与之相等%AqAqb(2*ii-1,2*ii-1,ii)=Aqb(2*ii-1,2*ii-1,ii)+Uamp(ii)*Uamp(jj)*(G(ii,jj)*sin(theta(ii,jj))-B(ii,jj)*cos(theta(ii,jj)));%对角线处1号元素Aqb(2*ii-1,2*ii,ii)=Aqb(2*ii-1,2*ii,ii)-Uamp(jj)*(G(ii,jj)*cos(theta(ii,jj))+B(ii,jj)*sin(theta(ii,jj)));%对角线处2号元素%%3号元素与之相等%对角线上与jj对应的元素%ApApb(2*jj-1,2*jj-1,ii)=Uamp(ii)*Uamp(jj)*(G(ii,jj)*cos(theta(ii,jj))+B(ii,jj)*sin(theta(i i,jj)));%对角线处1号元素Apb(2*jj-1,2*jj,ii)=-Uamp(ii)*(G(ii,jj)*sin(theta(ii,jj))-B(ii,jj)*cos(theta(ii,jj))); %对角线处2号元素Apb(2*jj,2*jj-1,ii)=Apb(2*jj-1,2*jj,ii);%3号元素与2号元素相等%AqAqb(2*jj-1,2*jj-1,ii)=Uamp(ii)*Uamp(jj)*(G(ii,jj)*sin(theta(ii,jj))-B(ii,jj)*cos(theta(ii,jj)));%对角线处1号元素Aqb(2*jj-1,2*jj,ii)=Uamp(ii)*(G(ii,jj)*cos(theta(ii,jj))+B(ii,jj)*sin(theta(ii,jj ))); %对角线处2号元素Aqb(2*jj,2*jj-1,ii)=Aqb(2*jj-1,2*jj,ii);%3号元素与2号元素相等%4号元素为0%非对角线行元素%ApApb(2*ii-1,2*jj-1,ii)=-Uamp(ii)*Uamp(jj)*(G(ii,jj)*cos(theta(ii,jj))+B(ii,jj)*sin(theta(ii,jj)) );%非对角线行处1号元素Apb(2*ii-1,2*jj,ii)=Uamp(ii)*(G(ii,jj)*sin(theta(ii,jj))-B(ii,jj)*cos(theta(ii,jj)));%非对角线行处2号元素Apb(2*ii,2*jj-1,ii)=-Uamp(jj)*(G(ii,jj)*sin(theta(ii,jj))-B(ii,jj)*cos(theta(ii,jj)));%非对角线行处3号元素Apb(2*ii,2*jj,ii)=-(G(ii,jj)*cos(theta(ii,jj))+B(ii,jj)*sin(theta(ii,jj)));%非对角线行处4号元素%AqAqb(2*ii-1,2*jj-1,ii)=-Uamp(ii)*Uamp(jj)*(G(ii,jj)*sin(theta(ii,jj))-B(ii,jj)*cos(theta(ii,jj)));%非对角线行处1号元素Aqb(2*ii-1,2*jj,ii)=-Uamp(ii)*(G(ii,jj)*cos(theta(ii,jj))+B(ii,jj)*sin(theta(ii,jj)));%非对角线行处2号元素Aqb(2*ii,2*jj-1,ii)=Uamp(jj)*(G(ii,jj)*cos(theta(ii,jj))+B(ii,jj)*sin(theta(ii,jj)));%非对角线行处3号元素Aqb(2*ii,2*jj,ii)=-(G(ii,jj)*sin(theta(ii,jj))-B(ii,jj)*cos(theta(ii,jj)));%非对角线行处4号元素%非对角线列元素%ApApb(2*jj-1,2*ii-1,ii)=Apb(2*ii-1,2*jj-1,ii);%非对角线列处1号元素Apb(2*jj-1,2*ii,ii)=Apb(2*ii,2*jj-1,ii);%非对角线列处2号元素Apb(2*jj,2*ii-1,ii)=Apb(2*ii-1,2*jj,ii);%非对角线列处3号元素Apb(2*jj,2*ii,ii)=Apb(2*ii,2*jj,ii);%%非对角线列处4号元素%AqAqb(2*jj-1,2*ii-1,ii)=Aqb(2*ii-1,2*jj-1,ii);%非对角线列处1号元素Aqb(2*jj-1,2*ii,ii)=Aqb(2*ii,2*jj-1,ii);%非对角线列处2号元素Aqb(2*jj,2*ii-1,ii)=Aqb(2*ii-1,2*jj,ii);%非对角线列处3号元素Aqb(2*jj,2*ii,ii)=Aqb(2*ii,2*jj,ii);%%非对角线列处4号元素endend%对角线上与ii对应的元素%ApApb(2*ii,2*ii-1,ii)=Apb(2*ii-1,2*ii,ii);%对角线处3号元素与2号元素相等Apb(2*ii,2*ii,ii)=-2*G(ii,ii);%对角线处4号元素%AqAqb(2*ii,2*ii-1,ii)=Aqb(2*ii-1,2*ii,ii);%对角线处3号元素与2号元素相等Aqb(2*ii,2*ii,ii)=2*B(ii,ii);%对角线处4号元素endfor ii=1:nA=A+Apb(:,:,ii)*y(2*ii-1)+Aqb(:,:,ii)*y(2*ii);endH2(2*ng+1:2*(ng+n),2*ng+1:2*(ng+n))=A;%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%H3%%%%%%%%%%%%%%%%%%%%%%H3=zeros(2*(ng+n),2*(ng+n));A3=zeros(2*n,2*n);Apc=zeros(2*n,2*n,nbr);for ii=1:nbr%对角线上iiApc(2*Nl(ii)-1,2*Nl(ii)-1,ii)=-Uamp(Nl(ii))*Uamp(Nr(ii))*(G(Nl(ii),Nr(ii))*cos(theta(Nl(ii),Nr(ii)))+B( Nl(ii),Nr(ii))*sin(theta(Nl(ii),Nr(ii))));Apc(2*Nl(ii)-1,2*Nl(ii),ii)=-Uamp(Nr(ii))*(G(Nl(ii),Nr(ii))*sin(theta(Nl(ii),Nr(ii)))-B(Nl(ii),Nr(ii))*cos(theta(Nl(ii),Nr(ii))));Apc(2*Nl(ii),2*Nl(ii)-1,ii)=Apc(2*Nl(ii)-1,2*Nl(ii),ii);Apc(2*Nl(ii),2*Nl(ii),ii)=-2*G(Nl(ii),Nr(ii));%对角线上jjApc(2*Nr(ii)-1,2*Nr(ii)-1,ii)=-Uamp(Nl(ii))*Uamp(Nr(ii))*(G(Nl(ii),Nr(ii))*cos(theta(Nl(ii),Nr(ii)))+B( Nl(ii),Nr(ii))*sin(theta(Nl(ii),Nr(ii))));Apc(2*Nr(ii)-1,2*Nr(ii),ii)=Uamp(Nl(ii))*(G(Nl(ii),Nr(ii))*sin(theta(Nl(ii),Nr(ii)))-B(Nl(ii),Nr(ii))*cos(theta(Nl(ii),Nr(ii))));Apc(2*Nr(ii),2*Nr(ii)-1,ii)=Apc(2*Nr(ii)-1,2*Nr(ii),ii);Apc(2*Nr(ii),2*Nr(ii),ii)=0;%非对角线ijApc(2*Nl(ii)-1,2*Nr(ii)-1,ii)=Uamp(Nl(ii))*Uamp(Nr(ii))*(G(Nl(ii),Nr(ii))*cos(theta(Nl(ii),Nr(ii )))+B(Nl(ii),Nr(ii))*sin(theta(Nl(ii),Nr(ii))));Apc(2*Nl(ii)-1,2*Nr(ii),ii)=-Uamp(Nl(ii))*(G(Nl(ii),Nr(ii))*sin(theta(Nl(ii),Nr(ii)))-B(Nl(ii),Nr(ii))*cos(theta(Nl(ii),Nr(ii))));Apc(2*Nl(ii),2*Nr(ii)-1,ii)=Uamp(Nr(ii))*(G(Nl(ii),Nr(ii))*sin(theta(Nl(ii),Nr(ii)))-B(Nl(ii),Nr(ii))*cos(theta(Nl(ii),Nr(ii))));Apc(2*Nl(ii),2*Nr(ii),ii)=G(Nl(ii),Nr(ii))*cos(theta(Nl(ii),Nr(ii))) +B(Nl(ii),Nr(ii))*sin(theta(Nl(ii),Nr(ii)));%非对角线jiApc(2*Nr(ii)-1,2*Nl(ii)-1,ii)=Apc(2*Nl(ii)-1,2*Nr(ii)-1,ii);Apc(2*Nr(ii)-1,2*Nl(ii),ii)=Apc(2*Nl(ii),2*Nr(ii)-1,ii);Apc(2*Nr(ii),2*Nl(ii)-1,ii)=Apc(2*Nl(ii)-1,2*Nr(ii),ii);Apc(2*Nr(ii),2*Nl(ii),ii)=Apc(2*Nl(ii),2*Nr(ii),ii);%求和c=z+w;A3=A3+Apc(:,:,ii)*c(2*ng+n+ii);endH3(2*ng+1:2*(ng+n),2*ng+1:2*(ng+n))=A3;%%%%%%%%%%%%%%%%%%%%%%%H4%%%%%%%%%%%%%%%%%%%%%%%%%H4=pxg*(L_1Z-U_1W)*pxg';%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%H=-H1+H2+H3-H4;%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%形成常数项%%%%%%%%%%%%%%%%%%%%%%%%% %Lyh=zeros(2*n,1);for ii=1:nh(2*ii-1)=Pg(ii)-Pd(ii);h(2*ii)=Qg(ii)-Qd(ii);for jj=1:nh(2*ii-1)=h(2*ii-1)-Uamp(ii)*Uamp(jj)*(G(ii,jj)*cos(theta(ii,jj))+B(ii,jj)*sin(t heta(ii,jj)));h(2*ii)=h(2*ii)-Uamp(ii)*Uamp(jj)*(G(ii,jj)*sin(theta(ii,jj))-B(ii,jj)*cos(theta(ii,jj)));endendLy=h;%Lz%g(x)gx=zeros(2*ng+n+nbr,1);gx(1:ng)=x(1:ng);gx(ng+1:2*ng)=x(ng+1:2*ng);gx(2*ng+1:2*ng+n)=x(2*ng+2:2:2*(ng+n));for ii=1:nbrgx(2*ng+n+ii)=Uamp(Nl(ii))*Uamp(Nr(ii))*(G(Nl(ii),Nr(ii))*cos(theta( Nl(ii),Nr(ii)))+B(Nl(ii),Nr(ii))*sin(theta(Nl(ii),Nr(ii))))-Uamp(Nl(ii))*Uamp(Nl(ii))*G(Nl(ii),Nr(ii));endLz=gx-l-gmin;%LwLw=gx+u-gmax;%Lle=ones(2*ng+n+nbr,1);LZ=zeros(2*ng+n+nbr,2*ng+n+nbr);for ii=1:2*ng+n+nbr;LZ(ii,ii)=l(ii)*z(ii);endLl=LZ*e-miu*e;%LuUW=zeros(2*ng+n+nbr,2*ng+n+nbr);for ii=1:2*ng+n+nbrUW(ii,ii)=u(ii)*w(ii);endLu=UW*e+miu*e;%Lx'Lx1=zeros(2*(ng+n),1);Lx1(1:ng)=2*a2.*x(1:ng)+a1;Lx2=pxh*y;Lx3=pxg*c;Lx41=zeros(2*(ng+n),1);Lx42=zeros(2*(ng+n),1);for ii=1:2*ng+n+nbrLx41(ii)=(Ll(ii)+z(ii)*Lz(ii))/l(ii);Lx42(ii)=(Lu(ii)-w(ii)*Lw(ii))/u(ii);endLx4=pxg*(Lx41+Lx42);Lx=Lx1-Lx2-Lx3;Lxx=Lx+Lx4; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%求出修正量%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %dx,dyHxy=[H pxh;pxh' zeros(2*n,2*n)];LxLy=[Lxx;-Ly];I=eye(2*(ng+n)+2*n);dxdy=I/Hxy*LxLy;dx=dxdy(1:2*(ng+n));dy=dxdy(2*(ng+n)+1:2*(ng+n)+2*n);%dldl=pxg'*dx+Lz;%dudu=-pxg'*dx-Lw;%dzdz=zeros(2*ng+n+nbr,1);for ii=1:2*ng+n+nbrdz(ii)=(-Ll(ii)-z(ii)*dl(ii))/l(ii);end%dwdw=zeros(2*ng+n+nbr,1);for ii=1:2*ng+n+nbrdw(ii)=(-Lu(ii)-w(ii)*du(ii))/u(ii);end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%计算alfap和alfad%%%%%%%%%%%%%%%%%%%%%%%% alfap=1;alfad=1;for ii=1:2*ng+n+nbrif dl(ii)<0&&-l(ii)/dl(ii)<alfapalfap=-l(ii)/dl(ii);endif du(ii)<0&&-u(ii)/du(ii)<alfapalfap=-u(ii)/du(ii);endif dz(ii)<0&&-z(ii)/dz(ii)<alfadalfad=-z(ii)/dz(ii);endif dw(ii)>0&&-w(ii)/dw(ii)<alfadalfad=-w(ii)/dw(ii);endendalfap=0.9995*alfap;alfad=0.9995*alfad;x=x+alfap*dx;l=l+alfap*dl;u=u+alfap*du;y=y+alfad*dy;z=z+alfad*dz;w=w+alfad*dw;%迭代功率、电压幅值和相角for ii=1:ngPg(Nbus(ii))=x(ii);Qg(Nbus(ii))=x(ng+ii);endfor ii=1:nUamp(ii)=x(2*(ng+ii));Dlta(ii)=x(2*(ng+ii)-1);end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% k=k+1;elsebreak;endendfcost=0;for ii=1:ngfcost=fcost+a2(ii)*Pg(Nbus(ii))*Pg(Nbus(ii))+a1(ii)*Pg(Nbus(ii))+a0( ii);endfcostkplot(0:k,Gap(1:k+1),':*');PgQgUampfor ii=1:nif Type(ii)==3Dlta=Dlta-Dlta(ii)*ones(n,1);endendDlta。

基于内点法的电力系统最优潮流算法研究毕业论文

基于内点法的电力系统最优潮流算法研究毕业论文

基于内点法的电力系统最优潮流算法研究毕业论文目录摘要....................................... 错误!未定义书签。

ABSTRACT ....................................... 错误!未定义书签。

目录.. (1)1绪论 (3)1.1引言 (3)1.2电力系统最优潮流计算的发展历史及现状 (3)1.3本文所做工作 (4)2、电力系统最优潮流算法介绍 (6)2.1最优潮流计算的基本数学模型 (6)2.1.1目标函数 (6)2.1.2等式约束条件 (7)2.1.3不等式约束条件 (7)2.2电力系统最优潮流的算法简介 (8)2.2.1 线性规划法 (8)2.2.2 二次规划法 (8)2.2.3 牛顿法 (9)2.2.4内点法 (9)2.2.5电力系统最优潮流计算的新兴算法 (10)3、原对偶内点法 (11)3.1原对偶内点法的数学原理 (11)3.2目标函数的收敛条件 (14)3.3 初值的选取 (15)3.4 利用原对偶内点法进行潮流计算的方法 (15)4.基于原对偶内点法的电力系统最优潮流计算 (17)4.1电力系统最优潮流计算中的各项数学模型 (17)4.1.1最优潮流计算的目标函数 (17)4.1.2最优潮流计算的等式约束条件 (17)4.1.3最优潮流计算的不等式约束条件 (18)4.2各项数学模型的具体表达 (18)4.2.1目标函数的各偏导数及相应矩阵 (18)4.2.2等式约束的各偏导数及相应矩阵 (19)4.2.3不等式约束的各偏导数及相应矩阵 (23)4.2.4对模型中各节点的不等式约束条件的处理 (26)4.3算例分析 (27)4.3.1 MATLAB简介 (27)4.3.2具体的计算流程 (27)4.3.3 IEEE-14标准测试系统运算结果 (28)5总结与展望 (31)5.1本文总结 (31)5.2今后展望 (31)参考文献 (32)附录IEEE-14标准测试系统数据 (34)致谢....................................... 错误!未定义书签。

基于连续潮流法及内点法的交直流负荷裕度算法

基于连续潮流法及内点法的交直流负荷裕度算法

基于连续潮流法及内点法的交直流负荷裕度算法连续潮流法及内点法是电力系统中比较常用的算法之一。

下面介绍基于连续潮流法及内点法的交直流负荷裕度算法的原理和步骤。

原理:
交直流负荷裕度算法是利用连续潮流计算计算出各个节点的交直流功率比,从而确定节点的交直流负荷比,再用内点法找到最不稳定的节点进行分析,判断系统当前的交直流负荷裕度。

步骤:
1.进行系统潮流计算,得到各个节点的交直流功率比(交流功率/直流功率)和节点的电压大小和相角。

2.根据得到的交直流功率比,计算出各个节点的交直流负荷比(交流负荷/直流负荷)。

3.对系统进行内点法分析,找到最不稳定的节点,确定该节点的相角,将该节点的直流负荷进行微小增加(10-2-10^-3左右),再次进行系统潮流计算,计算出各节点的电压幅值和相角的变化量。

4.比较得到的变化量和允许的最大变化量,判断当前系统的交直流负荷裕度是否足够。

5.如果裕度充足,则结束计算;反之,继续增加该节点的直流负荷,直至裕度满足要求或出现不稳定情况。

总结:
基于连续潮流法及内点法的交直流负荷裕度算法是一种较为实用的算法,在电力系统中得到广泛应用,能够有效地分析系统的总体状况和节点间的相互关系。

最优潮流现代内点算法

最优潮流现代内点算法
j 1
n
j 1 n
i 1,..., n
P Gi PGi P Gi
Q
Ri
i SG
QRi Q Ri
2
i SR i SB
i j
i ST
2 Vi (ei2 f i2 ) V i
P ij Pij P ij
T i Ti T i
二、最优潮流计算方法现状
• 形成拉格朗日函数:
~u L f ( x) y T h( x) z T [ g ( x) l g ] wT [ g ( x) u g ] ~ zl w
三、现代内点Biblioteka 法• 导出KKT一阶最优性条件:
L x0 x f ( x) x h( x) y x g ( x)( z w) 0
五、仿真结果

算法性能
Ô Å ¶ ¼ ¼ ä Ï ¶ 1.E+3 1.E+2 1.E+1 1.E+0 1.E-1 1.E-2 1.E-3 1.E-4 1.E-5 1.E-6 1 6 11 16 21 ü ´ µ ú ´ Î Ê ý
Â Õ ú ó ¡ Ê Ï è
六、结论
a.
采用节点电压直角坐标模型,使其Hessian矩阵元素为常数, 不需每次迭代形成,方便编程的同时,加快计算速度; 新颖的数据结构定义了一个 4 4 的块矩阵,使待分解的系数 矩阵某部分具有与节点导纳矩阵相同的稀疏结构,方便使用稀 疏编程技巧,减少算法的计算时间; 新颖的数据结构减少注入元的产生,大大节约计算机内存,提 高算法的计算速度; 现代内点算法的超线性收敛性保证了算法的速度,其多项式时 间特性使算法具有良好的鲁棒性,更适合于大型电力系统的应 用。

基于Filter集合的内点最优潮流新算法

基于Filter集合的内点最优潮流新算法
最优潮 流 问题 的 实际情 况对 可行 方 向进 行 自适 应校 正 , 即在 不 可行情 况 下通 过 求 解仅 含 “ 约 束” 硬 的优 化 问题 进行 可行 方 向调 整 , 而可使 系统在 无 可行 解 时收 敛 至一 个对 系统“ 约束 ” 对五 个 IE E E标 准 算例和 两个 实 际 系统 的分 析 和 试 算 均表 明 , 提 出的 算 法具 有 很 好 所
代点 的修 正 。和传 统 内点 法 相 比, 该算 法在 迭 代 过
程中 即可判断 出不 可 行 问题 , 且 在 优 化问 题 约 束 而
收 稿 日期 : 0 60 —9 2 0 .92
基 金 项 目 :国家 自然 科 学 基 金 资 助 项 目 (0 27 1 555 1) 55 52 , 0 94 1
列 重 要 成 果 一 但 需 要 指 出 的 是 , 于 系 统 规 模 ~。 由
2 F P 简 介 IM
考察 一类带 有等式 和不等式 约束 的非 线性 优化
问 题 mi( ( ) n 厂 )
st . .g( ) = 0 () 1
的不 断扩大 和 电力系统 运行 时 对 电压等约 束条 件 的 严格 限制等原 因 , 现有 的非 线 性 最 优 潮 流技 术 在 电 力 系统 中在线 应 用仍 有 两 个 问 题需 要 解 决 : 一 是 其
维普资讯
第2 6卷 第 2期
20 0 7年 4月
电 工 电 能 新 技 术
Ad a c d T c n lg fE e t c lE gn e n n eg v n e e h oo y o lcr a n i e r g a d En ry i i
1 引 言
随 着 电 力 系 统 规 模 的 不 断 扩 大 和 电力 市 场 改 革

内点法在具有新颖数据结构的最优潮流问题中的应用

内点法在具有新颖数据结构的最优潮流问题中的应用

内点法在具有新颖数据结构的最优潮流问题中的应用人名?摘要:基于原问题的扰动KKT条件,本文提出了一种新的内点非线性规划算法(OPF),以求解最优潮流问题。

通过中心路径方向概念,我们将该算法扩展用于普通潮流(PF)和近似最优潮流问题。

对于后者,CPU时间,可大幅度减少。

为了有效处理函数不等式约束,推导了简约修正方程,该方程的结构取决于等式约束的结构。

通过重新排列修正方程,提出了一种新颖的数据结构。

与牛顿法OPF的传统数据结构相比,提出方案的填充元大约减少了一半,CPU时间减少约15%。

该算法包括四个目标函数和两种不同的数据结构。

在14到1047节点系统上,广泛的数字仿真表明:由于提出方法的鲁棒性和快速的执行时间,非常有前景应用于大规模系统。

关键词:最优潮流,内点非线性规划,扰动KKT条件,中心方向,近似最优潮流一、引言以下自己对着翻译最优潮流(潮流) 由卡尔庞捷[1] 在早期的20 世纪60 年代中定义的因为它一直吸引着许多研究者作为一种潜在的强大的工具为电力系统运营商和规划。

过去三年,各种的优化方法,如线性和非线性的二次编程(LP、QP 和NP),分解和牛顿法[2-6],已应用于此吸引人的话题。

但是,虽然电力系统正变得越来越大、越来越复杂,潮流问题不过正变得越来越困难。

到目前为止,许多开放问题尚待解决。

求解LP 问题的多项式时间内点法(IPM) 引起了研究人员的关注。

此外解决了在电力系统中的各种优化问题的IPM [7-10]。

它是向IPM QP 和NP问题的必然趋势。

非线性申请[11-16] 报告了有价值的结果。

虽然IPM 非凸NP问题的理论研究已被发展,与大型应用程序关联的许多问题未被认识清楚不过。

从理论上讲,IPM 算法可以快速聚合到一个可行,但不是最佳的解决方案,沿中心方向[18] (请参见11 B 部分)。

虽然这个方向不能确定最佳的解决方案,其快速收敛是很有吸引力。

无法识别的问题是居中的方向可以提供任何有价值的应用程序,PF 和0PF-此外,优秀的IPM 算法必须具备适合潮流的数据结构,因为它强烈影响算法的性能。

基于内点法的最优潮流计算

基于内点法的最优潮流计算

点法是一种能在可liMSfl寻优的方法,即从初始点岀发,沿着中心胳径方向在可行域部直接走向最优解的方法。

其中路径跟踪法是目前最具有发展潜力的一类点算法,该方法鲁棒性强,对初值的选择不敏感,在目前电力系貌优化间题中得到了广泛的应用。

本文采用路径眼踪法进行最优求解,首先介绍了路径跟踪法的基本模型,并冃结合具It算例,用编写的Matlab程序进行仿真分析,StilT 该方法在最优潮流it算中的优越性能。

关最优潮流、自法、路径跟踪法、仿真目次0、引言11、路径跟踪法的基本数学模型22、路径跟踪法的最优潮流求解思路43、具体算例员程序实观流程73.1、算例描述73.2、程序具体实现流程94、运行结果及分析134. 1运行结果134. 2 结果ftflf 185、结论196、编程中遇到的间题20参考文献21附录210、引言电力系统最优潮流,简称OPF ( Optimal Power Flow )o OPF间题是一个夏杂的非线性规则间题,要求满足待定的电力系筑运行和安全约東条件下,通il调整系貌中可利用腔制手段实现预定目标最优的系貌隐定运行状态。

针湘不同的应用,OPF模塑课以选择不同的控制变量、状态变量集合,不同的目标函数,以员不同的约東条件,其数学模里可描述为确定一组最优控制变量u,以使目标函数取板小值,并冃满足如下等式和不等式。

(min u f(x t u)r-v S. t. \(x, u) = 0I 9(u u)生0 ( 0-1 )其中为优化的目标函数,可以表示系筑运行成本最小、或者系统运行网损最小°S・t・l(x,ii) = °为等贰约東,表示满足系统息定运行的助率平ftlo 为不等式约東,表示电源有功岀力的上下界约束、节点电压上下线约東、线路传输助率上下线约東等等。

电力系貌最优潮流算法大致可以分为两类:经典算法和智能算法。

其中经典算法主要是指以简化怫度法、牛顿法、自法和解耦法为代表的基干线性规则和非线性规解耦原则的算法,是研究最多的最优潮流算法,这类算法的特点是以一阶或二阶悌度作为寻找最优解的主要信息。

基于自动微分技术的内点法最优潮流算法

基于自动微分技术的内点法最优潮流算法

内点最优潮流算法自动微分的有效执行技术摘要:本文提出了一种改进的内点矩形最优潮流(OPF)算法的自动微分(AD)技术执行过程。

有别于现有的AD技术执行过程,该执行过程增加了一个识别由AD技术生成的所有定常一阶和二阶导数的子程序,并在迭代前生成一个定常导数列表。

在内点OPF算法的每次迭代工程中,只通过AD工具更新变化的导数。

ADC这一优秀的软件作为AD的一个基本工具,完成上述执行工程。

AD技术结合用户自定义模型界面,增强了计算性能和灵活性。

大规模的电力系统算例研究表明,该算法在保持代码可维护性、灵活性的同时,计算速度接近手动编程。

这篇文章证明,AD技术具有应用于电力系统在线运行环境的潜力,可取代传统手动编程求导,大大减轻软件开发人员的负担。

关键字:ADC,自动微分,内点法,操作符重载,最优潮流1.引言近年来,内点法(IPM)凭借其出色的计算性能和鲁棒性,已经被广泛应用于求解大规模电力系统最优潮流(OPF)问题。

在内点法OPF 中,计算目标函数与约束条件的梯度,雅可比(J acobian) 矩阵和海森( Hessian) 矩阵是很重要的部分。

为了获得上述矩阵,开发者不得不手动推导一阶和二阶导数计算公式并手动编程。

这种手动编程方式具有以下缺点: ①推导导数计算公式过于繁琐且易于出错; ②将上述公式手动编程并调试工作量大且容易出错; ③当加入新设备或复杂装置(如柔性交流输电系统( FACTS) 和高压直流( HVDC) 装置)时,增减或修改约束条件、改变目标函数时会很繁琐。

自动微分(AD) 技术的使用克服了手动编程的缺点,与其他微分方法(如数值差分、符号微分) 相比,AD 避免了截断误差,对中央处理器(CPU) 时间和内存空间的占用都远小于上述方法。

文献5中在电力系统动态仿真中采用AD计算jacobian矩阵。

文献6-8采用AD算法计算电力系统潮流。

文献9在计算电力系连续潮流jacobian矩阵和灵敏度时采用AD。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

6.2527e-005
2.5699e-005 9.0420e-006
-5.5052e-005
-2.5224e-005 -9.0136e-006
1.0610e-002
4.2253e-003 1.7994e-003
-4.4151e-003
-1.6630e-003 -7.3069e-004
-7.4589e-003
14
16
1
2
3
4
5
6 迭代次数
7
8
9
10
11
0
2
4
6 迭代次数
8
10
12
5节点最大不平衡量变化曲线
9节点最大不平衡量变化曲线
30节点最大不平衡量变化曲线 16
收敛特性分析
10
2
10
2
10
2
10
0
10
0
10
0
10
Gap
-2
Gap
10
-2
Gap
10
-2
10
-4
10
-410ຫໍສະໝຸດ -410-6
10
-6
10
-6
10
A MVA
-550.58 MW
177.08 MW
-156.35 MW
215.69 MW
5
slack
551 MW 178 Mvar
200 MW 100 Mvar
173.50 MW
A A
2.04 MW
370 MW 130 Mvar
216 MW 262 Mvar
12.83 MW
Amps
意义:
电力系统的经济运行一直是研究者们的热门课题。 随着人们对电能质量和安全性问题的重视,迫切需 要将三方面的要求统一起来考虑。最优潮流作为满 足这一目标的重要手段,近年来获得了飞速发展。
3
研究现状
现阶段已有的最优潮流计算方法:

1、非线性规划法 2、二次规划法 3、线性规划法 4、内点法 5、人工智能方法
0.032+0.161j
j0.25
j0.25 0.1+0.35j
1
3.7+1.3j
1.25+0.5j 0.088j 0.01+0.085j
1.6+0.8j
5节点系统结构图
9节点系统结构图
9
5节点算例求解过程
1、模型
10
5节点算例求解过程
11
5节点算例求解过程
2、形成系数矩阵
12
5节点算例求解过程
迭代次数 ap ad
7 0.9443 0.9023
8 0.8742 0.9995
9 0.9995 0.9995
10 0.9522 0.9995
11 0.9995 0.9995
12 0.9995 0.9995
30节点系统迭代步长
18
收敛特性分析
下表为计算过程中5节点系统的迭代步长:
迭代次 数 ap ad 1 0.5222 0.0812 2 0.0016 0.2361 3 0.4027 0.3856 4 0.3444 0.5250 5 0.0016 0.0321 6 0.9365 0.8494 7 0.3377 0.8546 8 0.6978 0.8718
-1.8264e-001
-7.6535e-002 -1.0597e-002 -2.4603e-004 1.3371e-004
1.9823e-001
7.7332e-002 7.0828e-003 2.6483e-005 -2.0941e-004
-2.0804e-002
-5.7025e-002 -6.3607e-002 4.5453e-003 1.3308e-002
敏感。
初始点为非内点时,算法也能够收敛至最优解,说明算法对初始点 不敏感。
17
收敛特性分析
迭代次数 ap ad 1 0.6769 0.2346 2 0.5130 0.5556 3 0.9995 0.8762 4 0.9995 0.9013 5 0.9995 0.9995 6 0.9995 0.9995
率的主要原因。
19
仿真结果分析
运用powerworld仿真的5节点算例结果如下图所示:
1.07 pu 0.48 rad
1.10 pu 0.40 rad
4
2
1.08 pu -0.06 rad 20.73 MW
A Amps
3
1.10 pu 0.00 rad -215.69 MW
A MVA
550.58 MW
-1.9440e-002
-2.2982e-003 -2.5433e-002 2.9415e-003 9.9354e-003
5.0985e-002
5.3726e-002 -1.0158e-002 -1.6743e-002 -2.8896e-002
9
10 11
-1.1510e-006
-1.1594e-007 -1.6078e-008
数法三者的结合。用对数壁垒函数处理不等式约束,用拉
格朗日函数处理等式约束,用牛顿法求解修正方程。
• (1)初始点的选取:跟踪中心轨迹内点法对初始点无要 求。
• (2)迭代收敛判据:对偶间隙小于某一给定值(最大潮 流偏差小于某一给定值)。
7
初始化
计算互补间隙Gap 是 Gap< 否 计算扰动因子miu
-8
0
2
4
6
8 迭代次数
10
12
14
16
10
-8
0
2
4
6 迭代次数
8
10
12
10
-8
0
2
4
6 迭代次数
8
10
12
5节点系统对偶间隙变化曲线
9节点系统对偶间隙变化曲线
30节点系统对偶间隙变化曲线
三个系统的迭代次数分别为16、11、12次,迭代次数较少,计算时 间短,收敛特性好。 系统规模扩大时,迭代次数不会显著增加,说明算法对系统规模不
10
11
0
0
7.9961e-004
3.3857e-004
2.7084e-005
1.2620e-005
1.1828e-005
2.1361e-007
5.7876e-005
2.5045e-005
-1.6704e-004
-7.0119e-005
节点电压相角、幅值随迭代次数的变化情况
15
收敛特性分析
1092
3
1.3159e-001 6.5108e-002 2.6502e-002 2.7729e-002 5.0155e-003 -1.1826e-002 -3.8225e-004 3.5708e-004 1.5330e-004
V3
3.6472e-001 -1.8479e-001 -1.2536e-001 2.3627e-003 8.9416e-003 2.4470e-002 6.5326e-004 -1.5838e-003 -3.9523e-004
4 3.9
8400 8300 8200
1091
目标函数
1091.5
3.8 3.7
目标函数
8000 7900 7800 7700 7600 0 2 4 6 8 迭代次数 10 12 14 16
目标函数
8100
3.6 3.5 3.4 3.3 3.2 3.1
1090.5
1090
1089.5
1089
1
2
3
4
基于内点法最优潮流计算
1
主要内容
课题研究的意义和现状 最优潮流的原对偶内点算法 最优潮流的预测校正内点算法
1、 2、 3、 4、
结论
2
一、课题研究的意义和现状
概念:
最优潮流问题(OPF)就是在系统结构参数及负荷 给定的情况下,通过优选控制变量,确定能满足所 有的指定约束条件,并使系统的某个性能指标达到 最优时的潮流分布。
-3.0948e-003 -1.2910e-003
各有功、无功电源出力随迭代次数的变化情况
14
算例迭代过程分析
迭代次数
1
1 2 3 4 5 6 7 8 9 0 0 0 0 0 0 0 0 0
V1
2.9392e-001 -1.6219e-001 -1.0084e-001 -4.0923e-003 -4.5985e-003 1.6990e-002 3.4407e-003 3.8783e-003 2.0056e-003
5 6 迭代次数
7
8
9
10
3
2
4
6 迭代次数
8
10
12
5节点目标函数变化曲线
10
2
0
9节点目标函数变化曲线
10
0
30节点目标函数变化曲线
10
0
10
最大不平衡量
最大不平衡量
10
-2
10
-4
最大不平衡量
10
-2
10
-2
10
-4
10
-6
10
-4
10
-8
10
10
-6
-6
10
-10
0
2
4
6
8 迭代次数
10
12
迭代次 数 ap ad
9
10
11
12
13
14
15
16
0.0011 0.9995
0.0048 0.0091
相关文档
最新文档