智能算法在电力系统电压稳定性评估中的应用

智能算法在电力系统电压稳定性评估中的应用

魏鑫赵龙刘晓明

（国网山东省电力公司经济技术研究院山东济南250021）

摘要：电压稳定性是电力系统稳定分析中的重要问题。近年来，利用智能算法来研究电压稳定问题越来越多，以模糊逻辑、神经网络、遗传算法为代表的智能算法在电压稳定性问题分析中有诸多应用。本文着重介绍了智能算法在电力系统电压稳定评估中的应用。

关键词：电压稳定；模糊逻辑；神经网络；遗传算法

引言

智能控制已经渗透到社会生活中的许多方面。以模糊逻辑、神经网络、遗传算法为代表的智能算法在电力系统中有着诸多应用，被广泛应用于负荷预测、低频振荡、电压稳定等分析。本文将简单的介绍智能算法在电力系统电压稳定监视、评估、控制等方面的应用。

1、电压稳定性概述

在电力系统运行中，保持电力系统的稳定是其最重要的任务之一。系统稳定性的破坏可能会导致系统瓦解或者大面积停电等灾难性事故的发生，给社会和国民经济造成重大的损失。

近些年来，电压不稳定或者电压崩溃事故的发生，多次导致国内外电力系统损失大量负荷，甚至大面积停电，这当中最著名的莫过于2003年8月14日的美国东北部和加拿大联合电网的大面积停电事故。随着电压不稳定事故和电压崩溃事故发生次数的增多，人们也将放在电力系统电压稳定上的注意力增多，电压稳定性研究的进展速度加快。

2004年5月，IEEE电力系统动态行为委员会和CIGRE38研究委员会联合组成的工作组完成了一份报告，其主要内容是处理电力系统稳定的定义和分类问题。该报告指出，电力系统电压稳定是指在给定的初始运行条件下，遭受扰动后系统中所有母线都持续地保持可接受的电压的能力。在发生电压失稳时，可能会引起电网中某些母线的电压下降或者升高，从而导致系统负荷丧失、传输线路跳闸、级联停电及发电机失去同步等。电压崩溃是伴随着电压不稳定而导致停电或系统中大部分地区低电压的一系列事件的结果。

传统的分析电压稳定的方法在新的形势下遇到了挑战。它们或者得出的结果不符合人的模糊思维，或者由于计算速度问题无法适应在线应用的需要，或者无法解决超大规模的复杂的优化问题。人工智能中的模糊逻辑、神经网络和遗传算法在这些方面独有独特的优越性，为解决这些问题提供了良好的途径。近年来，利用智能算法来分析电压稳定问题的研究越来越多。

2、模糊逻辑与电压稳定性分析

2.1模糊逻辑概述

人的感受和描述往往是不清晰的或者说“模糊”的。模糊集合为上述问题提供了解决的途径，它在很大程度上反映了人的思维方式。它最大的特点是没有清晰的边界，元素与集合的关系，从清晰集合的“非此即彼”转换成模糊集合的“亦此亦彼”。表征这种“亦此亦彼”属于程度的就是隶属函数。隶属函数是对模糊集合的“模糊性”做定量的描述，在模糊集合中占有重要的地位。隶属函数一般是根据经验或统计确定的，带有较大的主观色彩，但是其本质应该是可观的，反应实际变化事务的渐变性。模糊集合广泛应用于模糊控制、模式识别和信息通信等领域。其在电力系统电压稳定中也有着广泛的应用，用于解决用清晰集合不好解决或无法描述的问题。

2.2模糊逻辑在电压稳定分析中的应用

提出了一种基于模糊逻辑的新的评估电压崩溃风险的方法。将系统的电压水平、发电机无功和负荷无功的相对变化率之比、发电机最大无功输出和负荷无功之比、发电机无功裕量和负荷无功之比四个指标建立相应的隶属度函数，然后设置相应的指标权重。针对系统的某一个实时的运行状态，求出上述四个指标的值，根据隶属度函数和相应的权重求出总的输出。而这个输出和电压崩溃时候的输出（在机器上模拟求得）相比较就得到系统当前的运行点距离电压崩溃点的距离[1]。

提出了一种在线评估电压稳定性的方法。将系统的电压稳定性由三个指标来描述：母线最大不稳定角度、母线最低电压幅值、最小发电机相对无功储备。将每个指标划分为低、中、高三个档次，对每个档次建立相应的隶属度函数。通过计算相应指标的数值代入其隶属度函数中计算。根据已经建立的模糊逻辑规则来输出系统的电压稳定性水平[2]。

设计了一种新型的基于极坐标二值模糊逻辑规则的模糊逻辑二级电压控制器。有效的将模糊逻辑规则和二次电压控制相结合：将引导节点的电压偏差以及电压偏差的微分作为模糊逻辑控制规则的输入，经过模糊逻辑规则控制器，推理出相应的电压控制信号，然后引入比例积分器，得到区域无功控制信号，通过发电机的励磁控制，实现了对引导节点电压的控制。模糊控制规则的做法是将引导节点电压偏差及其比例偏差微分分别作为横纵坐标形成电压误差信号相平面，原点代表了电压平衡状态。按需要电压控制信号的增大和减小将相平面分为P区和N区，每个区都建立相应的隶属度函数。根据模糊控制规则建立一个公式，输入为引导节点电压偏差及其偏差微分，输出为电压控制信号。经过仿真，所设计的二级电压控制器在系统发生扰动期间，能够从区域电压稳定的角度出发，调整自动电压控制器的电压参考值从而调整无功源的无功出力，为系统提供所需的电压支持。突破了只根据本机附近信息进行电压控制所固有的分散性和局部性，充分利用区域的无功储备，在一定程度上能够改善区域的电压水平和提高系统的电压稳定性[3]。

对负荷母线的电压偏移和电压对控制装置的灵敏度建立相应的隶属度函数。针对电力系统的某种运行状态，计算出相应的值。专家系统是有众多的系统调度员的经验积累而成的。根据计算出的值输出专家系统，得到当前应该采取的措施，如调节发电机励磁、调节有载调压变压器的变比、调节无功补偿设备的投入等[4]。

3、神经网络与电压稳定性分析

3.1神经网络概述

人的神经网络是由许许多多的神经元交织而成的网状结构，它可以指导人们去完成智能、思维和情感过程等高级活动。其强大的功能促使人们去研究如何在功能在去近似或模拟，于是就有了人工神经网络的研究。神经网络具有很强的泛化能力或联想记忆能力、非线性映射能力和自适应能力，在传统的数学建模方法比较困难或无法解决的场合，神经网络提供了一种较好的可选择的途径。神经网络的模型众多，根据网络的连接结构，可以把神经网络分为前馈型网络和反馈型网络；根据知识获取的方式，可以把神经网络分为监督学习神经网络、无监督学习神经网络和再励学习神经网络。根据连接权对网络输出的影响，可以把前馈网络分为全局性网络和局部性网络。对于使用者而言，神经网络表现为一个黑箱，训练时候只需提供输入/输出样本对即可，在使用时，只需输入模式，即可获得实际输出的一个估计值。这个估计值的准确程度与神经网络的训练和测试过程密切相关。神经网络在在线电压监控以及电压控制等领域有着诸多应用。

3.2神经网络与电压稳定性分析

基于系统静态电压稳定的观点，对于不同的给定运行状态，在求取某节点一对相关邻近潮流解的基础上，用误差反向传播模型的人工神经网络（BP网络）模拟该节点电压静态稳定临界状态附近的过渡过程。弥补了常规潮流计算无法得到邻近电压崩溃状态的潮流解的不足。具体做法是不断加负荷于一点，利用常规潮流程序求得PV曲线的上半支离极限点较远的部分，利用相关邻近潮流解程序求得此曲线下半支离极限点较远的部分。用这些点作为样本去训练BP网络，来外推极限点及其附近部分，进而可以求得节点电压静态稳定裕度，为调度人员提供依据[5]。

介绍了一种利用人工神经网络进行动态电压稳定分析的新方法。用到的多层自组织网络综合了自组织映射网络和多层感知机网络。任意改变每个节点的负荷水平以产生大量的训练样本，然后利用自组织映射网络对训练样本进行分类，将其输出数据作为多层感知器的输入，可以有效的减小输入样本的个数。然后训练多层感知器得到对应关系，输出为系统电压是否稳定[6]。

提出了利用人工神经网络进行电压稳定性在线监测的方法。首先离线获得系统的不同运行状态，利用传统方法计算出系统节点的电压崩溃邻近指标。将获得的众多样本训练人工神经网络。在线运行时候，不断测量得到系统当前的运行状态，输入神经网络进行计算，便可得到系统当前的电压稳定程度[7]。

基于传统数值算法速度慢的特点，基于人工神经网络，提出了一种快速在线调节系统电压稳定性的方法。首先离线状态下设置各种不同的故障，然后利用数值方法得到相应的使系统电压水平恢复正常的补偿措施。这样形成大量的样本来训练人工神经网络。当在线运行时，系统发生扰动，神经网络能够快速计算出使电压恢复正常的补偿措施[8]。

传统的STATCOM控制器弱采用局部线性化模型，只能保证系统在运行点附近小范围的稳定性；如采用鲁棒非线性控制，由于在模型处理过程中将不好处理项设为零，模型失去了准确性。基于神经网络高度的非线性、自适应学习功能和快速计算的特点，提出了利用人工神经网络实现在线控制的方法。具体过程为在线获得对应不同工况下系统的参数值，通过求解黎卡梯方程，得到最优反馈增益作为样本。将样本的三分之二用于训练网络，三分之一用于网络校验。训练完成并且校验合格后便可用于在线控制[9]。

4、遗传算法与电压稳定性分析

4.1遗传算法概述

进化计算主要包括遗传算法、进化策略和进化规划等方面的研究。遗传算法提供了一种有效的随机搜索和优化方法，称为可能是影响最大的进化计算方法。进化所称可用于模拟一个优化问题的求解过程。对于给定的初始条件和环境约束，选择使表现性尽可能的靠近最优。遗传算法在很大程度上克服了传统算法的缺点。它在通过参数空间的编码和随机选择来引导搜索过程向更有效的方向发展，在解空间里是一种有导向和启发式的随机搜索，具有较高的搜索效率。遗传算法具有很强的通用性，对目标函数的性质和类型没有要求，对函数的连续性、可导性和光滑性也没有要求。它特别适合于大规模复杂问题的优化。对于寻求电力系统问题全局最优解而言，遗传算法是强有力的工具。它在电力系统研究中具有有导向随机搜索、灵活高效、稳定、多目标处理、能很好的处理离散变量和对复杂因素进行处理等优点。在电力系统领域，遗传算法在电压稳定性评估以及考虑电压稳定的无功优化方面有着广泛的应用。

4.2遗传算法与电压稳定性分析

提出了应用基于连续潮流算法的遗传算法求解系统的最大静态电压稳定裕度。在遗传算法中进行编码的控制变量有有载调压变压器的分接头位置、无功补偿容量和发电机的极端电压。采用随机数发生器生成初始种群。适应值函数为系统的静态电压稳定裕度。用连续潮流计算出个体适应值，如果不满足收敛条件，则进行选择复制、交叉、变异等遗传操作，直到找到最优解为止[10]。

采用遗传算法对电力系统局部电压控制分域。以控制节点的控制操作次序作为遗传算法的编码，采用十进制编码。以控制节点关于电压越限节点电压控制的灵敏度、控制节点调节裕度相对大小及反应控制节点性质的优先级相对大小的加权组合设计适应值函数。经遗传、进化获得控制节点的最佳排序。以最小的控制设备、最有效的控制手段，实现对电压越限节点的电压分域控制[11]。

利用节点无功裕度的排序确定电力系统无功补偿点，在此基础上利用改进遗传算法作为一阶搜索，将控制量变压器分接头和无功补偿量编码，在有限的时间内找到可行域，然后用优化的二阶局部搜索方法，在付出较少的计算代价下得到较准确的全局最优解。该方法使无功电源得到合理配置，提高了系统的电压稳定性[12]。

5、总结

智能电网作为电网发展的高级产物，势必带来一场电力工业的革命。我国要建立坚强的智能电网，即有着坚强实体的智能电网。在智能电网的建设中，智能算法也是其中及其重要的一方面。发展和丰富各种智能算法对于电网建设意义重大。电压稳定是电力系统稳定的重要方面。随着各种智能算法在电压稳定方面应用理论的逐渐成熟，电压稳定监控及控制将跨越一个新的台阶。

参考文献

[1]MaranninoP.,BerizziA.,MerloM.．ARule-basedFuzzyLogicApproachfortheVoltageCollapseRiskClassification．PowerEngineeringSocietyWinterMeeting，Japan,2002:876-881．

[2]JingZhang,Yun-fengGuo,Ming-HaoYang．AssessmentofVoltageStabilityforReal-timeOperation．PowerIndiaConference，India,2006．

[3]王琦，周双喜，朱凌志．新型模糊逻辑二级电压控制器．电力系统自动化，2002，26（20）：11-17．

[4]ThukaramD.,YesuratnamG.Fuzzy-expertapproachforvoltage-reactivepowerdispatch.PowerIndiaConference,2006．

[5]李妍，程时杰．电压稳定极限附近神经网络模拟及静态稳定裕度判定．电力系统自动化，1999，23（21）：37-40．

[6]付英，钟德成．自组织映射神经网络用于动态电压稳定分析的新方法．电力系统自动化，2000，35（2）：27-31.

[7]NakawiroW.,Erlich,I..OnlinevoltagestabilitymonitoringusingArtificialNeuralNetwork..ElectricUtilityDerequlationandRestructuringandPowerTechnologies.2008.DPRT2008.ThirdinternationalConference，China,2008:941-947．

[8]KhaldiM.R.．PowerSystemsVoltageStabilityUsingArtificialNeuralNetwork．PowerSystemTechnologyandIEEEPowerIndiaConference，India,2008:1-6．

[9]李洪美，李振然，汪旎．基于人工神经网络的静止无功发生器的控制．继电器，2007，35（5）：54-57，62.

[10]胡彩娥．应用基于连续潮流算法的遗传算法进行静态电压稳定分析．电网技术，2004，28（15）：57-61.

[11]赵彩虹，马晓光．基于遗传算法的局部电压分域新方法．电网技术，2002，26（9）：47-50.

[12]刘传铨，张焰．电力系统无功补偿点及其补偿容量的确定．电网技术，2007，31（12）：78-81.

作者简介

魏鑫(1985年)，女，工程师，主要从事电网规划工作，E-mail：327670901@qq.com；

赵龙（1977年），男，高级工程师，主要从事电网规划工作，E-mail：zhaolong@jyy.sd.sgcc.com.cn；

刘晓明（1984年），男，高级工程师，主要从事电网规划工作，E-mail：416582710@qq.com。