非线性规划在电力系统中的应用(新)

合集下载
  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)。
非线性规划在电力系统中的应用(新)
概要
非线性规划问题介绍 非线性规划问题分类 在电力系统中应用——最优潮流 经典算法分析对比 结语
非线性规划
定义 如果目标函数或约束条件中至少有一 个是非线性函数时的最优化问题就叫做非线性
规划问题.
一般形局式部:最优和m 全局fin X 最优解:
局部最优解:一部分可行域上的极值点
全局s.t.最 h g优ijX X 解 :0 0整个ij可 1 1行,2,,域2 ..上lm .,.,的.;.极, 值点
其中 Xx 1 ,x2, ,xnT E n, f , gi,hj 是定义在En 上的
实值函数。
有约束问题 m in f ( x) x
无约束问题 min f (x) x R n
二次规划
定义 二次规划(QP)是指目标函数为决策变量
x的二次函数,而约束是线性函数的非线性规划

minf(x)1xTHxcTx
一般模型为:
2
s.t

A A
1x 2x
=
b1 b2
二次规划问题是最早被研究的一类非线性规划,也是最简单 的一类非线性规划约束优化问题。
非线性规划的求解方法
非线性规划
一维优化方法
黄金分割法 切线法 插值法 斐波那契法
无约束优化方法
约束最优化方法
解析法
梯度法
牛顿法 共轭梯度法 变尺度法
直接法
坐标轮换法 模式搜索法 旋转方向法 单纯形加速法
拉格朗日乘子法 制约函数法 可行方向法 近似型算法
1.无约束条件的非线性规划问题
对于函数关系比较简单的非线性规划问题,可按极值存在 的必要条件和充分条件,按微分法求解,对函数关系比 较复杂的问题,常作搜索法。
直接法:爬山法、一维搜索法(0.618法)、座标轮换法 解析法:梯度法、牛顿法、拟牛顿法、共轭梯度法
2.等式约束条件的非线性规划问题
Min(FX)
h i(X ) 0 , i 1 ,2 , ,m
约束方程数目m <变量数n,形成优化问题。 约束方程m =变量数n,有解的话也为唯一解,无优化问题。 约束方程m >变量数n,除唯一解外无解。
只有等式约束的非线性规划问题通常可用消元法、拉格朗日乘 子法或罚函数法,将其化为无约束问题求解。
3.不等式约束条件的非线性规划问题
Min(FX)
拉格朗日乘 子法
引入松驰变量的 方法使不等式变 为等式,用求等 式约束非线性最 优化的方法来解 。
S.t
gi (X)0, hj (X)0,
i1,2,,l j 1,2,,m
X(x1,x2,,xn)T En
库恩-塔克条 件
非线性规划领域 中的重要理论成 果之一,是确定 极值点的必要条
罚函数法
内点法 外点法
应用——最优潮流
最优潮流(Optimal Power Flow, OPF)就是当系统的结构 参数及负荷情况给定时,,通过对某些控制变量的优选, 所能找到的在满足所有指定约束条件,并使系统的某一 个或多个性能指标达到最电优力时系的统潮网流损分最小布。
多种目标函数
发电费用最小
无功补偿经济效益最大
可进行有功优化、无功优化及有功无功混合优化计算
数学模型
电力系统最优潮流的数学模型可以表示为:
min f (u, x)
u
s .t .
g (u,
x)

0

h(u, x) 0

f ( u, x ) ——目标函数,通常为发电成本或网损;
g (u , x ) ——等式约束集,通常为以节点注入功率表示的潮流方程;
h(u,x)0 ——不等式约束集,通常为运行的约束条件。
经典方法
梯度类算法 牛顿法 内点法

1968年由Dommel和Tinney提出
,是能够成功地求解较大规模的最优潮流
问题并被广泛采用的第一个算法。

Sun D.I. 等人于1984年提出,
得到了国内外学者高度评价,成为上世纪
九十年代发展最优潮流程序时优先予以选
用的算法之一。

1984年,AT&T贝尔实验室数学
家Karmaikar提出了内点法。现已广泛应
用于电力系统最优潮流问题研究。
简化梯度法
基本原理——目标函数的梯度方向是它最陡的上升方
向,其负梯度方向便是目标函数最陡的下降方向。如果将 负梯度方向取作d 搜(k 索) 方 向 ,f( 即x ( :k ))k 0 ,1 ,2 , 则目标函数可以得到最快的下降速度。 最优潮流计算的简化梯度算法是以极坐标形式的牛顿潮 流算法作为基础的。
(1)仅有等式约束条件时的算法
对于仅有等式约束的最优潮流计算,可以表示为
min f (u, x) u

s.t. g(u, x) 0
应用经典的拉格朗日乘子法,引入和等式约束
g(u,x)=0 中方程式数同样多的拉格朗日乘子 ,则
构成拉格朗日函数为
L (u ,x )f(u ,x )T g (u ,x )
式中: 为由拉格朗日乘子所构成的向量
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
Lx fxgxT 0

Luuf guT 0

L g(u,x)0


最优潮流的解必须同时满足这三组方程。
迭代求解算法的基本要点如下: (1)令迭代记数k=0
(2)假定一组控制变量u(0);
(3)由于③式就是潮流方程,所以通过潮流计算就可以由
已知的u 求得相应的x(k)
(4)再观察式①, g 就是牛顿法潮流计算的雅可比矩阵J,
x
利用求解潮流时已经求得的潮流解点的J及其LU三角因子矩阵,
可以方便地求出




g x
T

1
f x
(5)将已经求得的u、x及 代入式② ,则有
L u u f g uT g xT1 fx0
(6)若 L 0 ,则说明这组解就是待求的最优解,计算结束。 否则 ,u 转入下一步;
(7)若 L 0 ,为此必须按照能使目标函数下降的方向对u进 行修 正u u(k 1 )u(k) u(k)
相关文档
最新文档