电网实时稳态分析和短期负荷预测研究

电网实时稳态分析和短期负荷预测研究1.１网络拓扑1.１.1简介概念：网络拓扑就是将电网中各个物理元件之间的实时连结关系，通过建立数学模型，用数字来正确的反映。任务：实时处理开关信息的变化，自动划分发电厂和变电站的计算用结点数，形成新的网络结线，随之分配量测量和注入量等数据，为实时网络状态分析、调度员潮流、预想故障分析和调度员模拟培训等有关的网络分析应用软件提供新结线方式下的信息与数据。要求：本软件能根据开关状态的开断变化，实时反映整个网络的结线情况，正确地划分网络计算用结点数，网络的系统数及解列情况，并根据注入量和量测量的信息，判断整个网络的可观测性；程序设计要求安全，快速和方便。1.１.2拓扑数准备1）元件模拟表（ELE）,对整个网络元件进行数学模拟。2）元件-开关关联表（TKE）,反映开关的位置与状态。TKE表包括：开关所在变电站号、开关号、始端元件号、末端元件号、开关状态。3）支路-元件关联表(TLE),反映线路的位置与特性。TLE表包括：支路号、支路起点元件号I、支路起点元件号J、支路电阻R、支路电抗X、线路对地电纳-yc/2或变压器变比K。4）注入量-元件关联表（TJE）,反映注入量的位置。TJE表包括以下内容：注入量、元件号。5）量测系统信息表（MSYS）,反映网络的可观测性。MSYS包括以下内容：量测号、量测类型、量测地点、量测设备状态、量测误差标准差、量测值。1.１.3数据传输与程序流程1.２状态估计1.２.1简介状态估计也称为滤波，它是利用实时量测系统的冗余度来提高数据精度，自动排除随机干扰所引起的错误信息，估计和预报系统的运行状态。为了建立可靠而完整的实时数据库，通常有两条途径：从硬件的途径可以增加量测设备和远动设备，并提高其精度、速度与可靠性；从软件的途径，可以采用现代的状态估计技术，对数据进行实时处理。但对量测和远动设备提出过高的要求会导致技术和经济上付出过大的代价。如果在具备一定硬件的基础上，采用状态估计技术则能充分发挥已有硬件的潜力，提高数据的精度，补充量测点和量测项目的不足，排除偶然的错误信息和数据，提高整个数据系统的质量和可靠性。状态估计又可以称为广义潮流，它与常规潮流所求的状态量测量相同，但应用的量测量远远多于常规潮流。正是因为量测方程数大于所求状态量数才提供了状态估计辩识不良数据的能力。1.２.2状态估计的数学描述状态估计的量测量有：支路量测、节点量测、母线电压幅值。状态估计的状态量有：母线电压的相角和幅值。最小二乘法是状态估计的的理论基础。在此基础上人们研究和开发出快速分解法和正交分解状态估计方法。1.２.2.1最小二乘法设第i个量测量的数值为，它的真值为,如第i个量测量的误差为，则：因为各个量测量的量测误差有正有负，取各个量测量的量测误差平方的代数和作为目标函数，并考虑到各个量测量的量测精度不一样,各个量测误差以同样的权重参加目标函数是不尽合理的。各个量测量各取一个权重Wi，精度高的量测量权大一些，精度低的量测量权小一些，目标函数定义为：当状态量的估计值为最优时，目标函数J为最小。这种估计方法称为加权最小二乘法。1.２.2.2最小二乘法在状态估计中的应用在给定网络结线、支路参数和量测系统的条件下，非线性量测方程可写为：给定量测矢量z以后，状态估计矢量x是使目标函数:达到最小的x的值。由于h(x)是x的非线性矢量函数，故无法直接计算x，然而可以采用牛顿法一样的标准迭代算法解此问题。为了求取x，首先要对h(x)进行线性化假设。令X0是x的某一近似值，可以在附近将h(x)进行泰勒展开，忽略二次以上的非线性项之后，得到：式中,1.２.2.3状态估计的输入和输出模型电力系统状态估计程序的输入和输出数据内容如下：1.２.3快速分解法状态估计快速分解法状态估计的假设条件和原理直接从常规潮流计算中的快速分解法推广得到。可参看常规潮流计算部分的介绍。1.２.4正交分解法状态估计正交变换法是为提高方程的数值稳定性而开发的，它具有很高的数据稳定性，是至今已开发的状态估计算法中最有效的算法之一。但目前状态估计中广泛采用的吉文斯正交变换法,具有程序设计过于复杂和计算速度较慢等缺点，影响了它的推广应用。我们采用的豪斯荷德尔正交变换法克服了吉文斯变换的上述不足，同时具有数据稳定性的优点。1.２.1.1豪斯荷德尔正交算法设n〈m，m*n矩阵A=[aij]的各列为线性无关，b是m维向量，要找n维向量x=(x1,x2,…,xn)T致使m维向量的范数（）最小。设可以找到一个m阶正交方阵Q，使QA成为上三角状的m*n阶，也就是其中R是上三角状的n阶方阵，而0则是（m-n）*n的零矩阵，把m维向量Qb相应地分为n维向量c与(m-n)维向量ｄ，即于是：由于Q为正交方阵，即满足|，所以。又因是一个常量，所以方程的解就是使为极小的解，且的解的最小值是。如果考虑加权，只需把以wi为对角元素的矩阵分为两个以wi的开方为对角元素的矩阵，对上式作变换即可。1.２.1.2豪斯荷德尔正交变换法的具体实现实际计算时并不要求真正作出Q，也不要求给出每一步的Uk的明显表达式，所需要的只是每一步的Ak=UkAk的元，只要注意下面的式子：这里z是任一m维向量。这样Uk对Ak的每一列元素分别实施变换，每一个Uk都能使矩阵A的某一列对角线以下的元素变为0。对m*n矩阵A=[aij]实施n次这样的变换就可以把A变为上三角矩阵。1.２.1.3豪斯荷德尔正交变换法在状态估计中的优势该方法与目前状态估计计算中广泛采用的吉文斯（Givens）正交变换法相比具有运行速度快，程序设计简单等优点。经大量地区电业局的现场数据运行表明：该方法具有数值稳定性高，收敛性好，占有内存小等优点。1.２.1.3.1豪斯荷德尔正交变换法与吉文斯正交变换法比较吉文斯正交变换法每次变换仅消去一个非零元素，豪斯荷德尔正交变换法一次变换能使矩阵A的某一列对角线以下的元素全变为0。大大减少了变换次数，当然也提高计算速度。实施吉文斯正交变换法时，不仅正在变换的行有注入元素出现，以前变换过的行也有注入元素出现，不得不开辟新数据区不断补充因子表的元素值，并且以链的形式将其合为一体。这是一项难度较大的工作。而用豪斯荷德尔正交变换法对矩阵A变换时，和一般的高斯分解一样，得到不再变化的表。只是高斯分解法是按行进行的，豪斯荷德尔正交变换法是按列进行的。大家比较熟悉、比较简单的高斯分解法中稀疏矩阵处理的一些方法也可以在这里应用。这样对高斯分解法熟悉的一般的程序开发人员都可以开发出状态估计的豪斯荷德尔正交变换法程序。便于正交分解在状态估计中的推广应用。1.２.1.3.2豪斯荷德尔正交变换法与法方程法比较由于Q为正交方阵，所以，即矩阵A经正交变换后条件数不变，所以豪斯荷德尔正交变换法对矩阵A变换时，不改变系数矩阵的条件数，它和目前状态估计中广泛采用的吉文斯正交变换法一样，具有很高的数据稳定性。法方程法的增益矩阵的条件数较大，致使它的数值稳定性较差。由于正交变换方阵Q不用存盘，也不用象在法方程算法，需要计A和保存信息矩阵，而是直接对雅可比矩阵H实施正交变换。大大节约了内存和计算速度。1.2.5不良数据的检测和辩识不良数据的检测与辩识是状态估计程序的重要组成部分。为了状态估计程序能更好的实用化，必须做好这方面的工作。1.2.5.1不良数据检测不良数据检测是指判断某次量测采样中是否存在不良数据。目前不良数据检测采用的算法是:粗检测、残差型检测、残差突变联合检测等。1）粗检测它是指根据量测量的极限检查、量测值的突变检查、量测数据的相关检查等原理，应用逻辑判断的方法处理掉一些明显的不良数据。该方法一般在预处理中用的较多。2）残差型检测它是指在获得状态估计值的基础上，依靠量测系统提供的多余信息，通过目标函数检测、加权残差、标准残差等检测来判断可疑数据。3）残差与突变联合检测它是指在状态估计值的基础上把残差与量测量突变检测联合起来判断可疑数据。1.2.5.2不良数据辨识不良数据辨识是指把对检测出的可疑数据的检测，确定哪些是真正的不良数据。目前不良数据辨识采用的算法是:残差搜索法、零残差法、总体型估计辨识法等。1）残差搜索辩识法将量测按残差由大至小排队。去掉残差最大的量测重新进行状态估计，再进行残差检测，还有可疑数据时继续上述过程。2）零残差法在辩识不良数据的过程中，将可疑数据的残差置零，从而达到削弱和排除不良数据对状态估计结果的影响。3）总体型估计辨识法首先对不良数据值作出估计，然后用此估计值去直接修改原来的状态估计。修改后的状态估计是排除了不良数据后的最优估计，这样不需要重新进行状态估计，所以实时性能较好。1.2.6变压器抽头估计1..2.6.1变压器抽头估计的意义变压器抽头对状态估计结果有很大的影响，特别是联络变压器抽头错误会造成环网无功潮流的严重变形。用变压器抽头估计在线估计重要的变压器抽头，以弥补没有抽头量测或辩识抽头量测的错误。1.2.6.2变压器抽头估计的原理变压器抽头估计实际上就是变比估计，只要将变比扩展进状态量中即可进行变比估计。具体算法同一般的状态估计。变压器抽头估计不扩展到全系统的状态估计之中，每台变压器可以单独进行，必要时可以连续估计。1.2.6.3变压器抽头估计的要求1.对两绕组变压器和三绕组变压器尽量加满量测，要有各边的有功功率、无功功率和电压。2.可以人工指定要估计的变压器抽头，以便对每台变压器单独进行估计。1.3调度员潮流1.3.1概述调度员潮流(DispatcherPowerFlow)是EMS最基本的网络分析软件。调度员可以用它研究当前电力系统可能出现的运行状态，计划工程师可以用它校核调度计划的安全性，分析工程师可以用它分析近期运行方式的变化。软件维护工程师保持日常调度工程师潮流软件数据和调整模型的良好状态，可以随时为其它网络分析软件提供“研究方式”(或称“假想方式”)。此外，潮流还是其它网络分析软件的基本模块(给出一组母线注人功率，计算其电压相角与幅值)。潮流计算本质上是一个非线性方程组的求解问题，因而最有效的方法是牛顿法。但牛顿法具有对初值敏感的缺点，因此在一些比较苛刻的应用场合，常常先采用高斯法进行最初的几次迭代，以消除牛顿法的初值敏感性。牛顿法具有二次收敛特性，因而算法不随着网络规模的扩大而增加迭代次数，这是最显著的一个优点。结合电力系统中的一些特有性质，在牛顿法的基础上又提出了快速解耦法。它是将有功和无功解耦，分别计算，以求降低解题的维数；并将雅可比矩阵常数化，即将一次分解的因子表用于多次选代之中，由于因子分解的计算量远远大于前推和回代的计算量，这样就在迭代次数增加不多的条件下，雅可比矩阵的常数化可以大大降低计算量，将这两者结合起来就可以在迭代次数增加的不多的情形下节约计算时间很多。快速计算特性使得在某些情况下快速分解法比牛顿法应用的更普遍。除了精确求解之外，直流潮流法常用于近似计算的场合，即完全将有功和无功解耦，分别计算，不需迭代，一次求解全网的潮流分布。除常用的几种算法之外，还有保留非线性、优化求解、级数展开等方法，由于具备一些特有的优点，如方便的分析敏感性等，也常被采用。1.3.2算法描述1.3.2.1牛顿法原始的网络结点模型经过网络结线分析化为母线模型，潮流是在母线模型的基础上进行的．关于结线分析请见相应章节。1.潮流基本模型潮流基本模型是根据各母线注入功率计算各母线电压和相角．母线划分为3种类型：P-Q，P-V，V-θ，不同类型母线的已知量和未知量如表2．1所示。表2.1潮流母线的基本类型潮流方程即为母线功率注入方程：（3-1）式中，为母线i的有功发电功率值；为母线i的无功发电功率值为母线i的有功负荷功率值；为母线i的无功负荷功率值；为母线i的电压相角；为母线i的电压幅值；为母线导纳短阵元素矩阵的电导值；为母线导纳矩阵元素ij的电纳值；；n为母线数，即i＝l，2，…，n．基本潮流就是求出各母线的状态量，即满足潮流方程的和，这是一个2n个非线性方程组求解2n个未知量的问题．实际上缓冲母线的电压相角和幅值是已知的；P-V母线的电压幅值是已知的(假设为p个)，实际解的维数是(2n-2-p)。潮流基本模型是一个高维数的非线性方程组问题。牛顿法(或称牛顿—拉夫逊法)是解非线性方程组最有效的方法．基本原理是在解的某一邻城内的某一初始点出发，沿着该点的一阶偏导数——雅可比矩阵，朝减小方程残差的方向前进一步，在新的点上再计算残差和雅可比矩阵继续前进，重复这一过程直到残差达到收敛标准，即得到了非线性方程组的解．因为越靠近解，偏导数的方向越准，收敛速度也就越快，所以牛顿法具有二阶收敛特性．而所谓“某一邻域”是指雅可比矩阵方向均指向解的范围，否则可能走向非线性函数的其它极值点。一般来说潮流由乎电压即各母线电压(相角为0，幅值为1)启动即在此邻域内。潮流方程可以改写为残差形式：(3-1)(3-2)（3-2）(3-1)(3-2)对上式进行泰勒级数展开，仅取一次项，即可得到潮流计算的线性修正方程组，以矩阵的形式表示为（3-3）式中，为潮流方程的残差向量(2n-2)；为母线电压修正向量(2n-2)；[·]为雅可比矩阵，其元素为(3-4)(3-5)(3-4)(3-5)(3-6)(3-7)(3-8)(3-9)(3-10)(3-11)2．计算步骤与框图牛顿法潮流的计算步骤：①母线电压初始化；②用残差方程式计算残差和；③测试和是否达到收敛标准，达到判为收敛，否则转④；④用(3-6)一(3-11)式计算雅可比矩阵元素；⑤计算修正向量和，进行一步迭代修正式中(k)表示迭代次数．转②继续迭代。1.3.2.2快速分解法快速分解法，又称快速解耦法，或P-Q分解法。是在极坐标形式下的牛顿法的基础上经过对有功和无功的解耦运算得到的一种快速计算方法。按下列假设推导快速分解潮流：(1)P与Q解耦假设：(3-12)(3-13)(2)电压在额定值附近的假设：(3-14)(3-15)(3)支路电阻与电抗比的假设：R/X<<1.0(3-16)由此可以将牛顿法修正方程化为(3-17)(3-18)式中，为取支路电抗倒数形成的母线电纳矩阵[(n-1)×(n-1)]；为母线导纳矩阵的电纳部分[(n-1-p)×(n-1-p)]。快速分解法潮流是一种试验算法，实际上仅仅“快速”化，即将雅可比矩阵常数化，收敛性很差；而仅仅“分解”即用和对P和Q分别修正，收敛性也很差．只有在两者结合的条件下才出现了优势，一般比牛顿法收敛多几次，但总计算量下降数倍。快速解耦法的计算步骤如下：按照(3-17)和(3-18)形成和；给定各节点电压的初值；计算各节点的有功功率偏差；求得各节点电压相位的修正量：；利用上式修正各节点电压相位；计算各点无功功率偏差，并用该值求得各节点电压幅值的修正量：，以及求得新的节点电压幅值；如果同时满足收敛条件，则得到了网络解，否则，返回步骤（3）继续迭代直到满足收敛条件。1.3.3程序功能与外部接口相对于状态估计，潮流计算通常是被用作对指定电网状态的分析，基于网络中的发电和负荷分布情形计算出全网的功率分布和电压分布。潮流计算能给出以下结果：①P-Q节点的电压幅值、相角；②P-V节点的电压相角、无功功率；③V-θ节点的节点注入功率。④由潮流结果形成调度员潮流计算结果分析报告和调整报告。潮流计算程序需要使用母线模型进行计算，因此潮流计算需要和拓扑分析以及状态估计程序间接口。潮流计算需要使用的拓扑结果数据有：①支路参数表与支路数据表；②节点参数表与节点数据表；③拓扑支路表与拓扑元件表。潮流计算需要使用的状态估计结果数据有：①母线估计数据表；②线路估计数据表；③变压器估计数据表；④电容器、电抗器估计数据表。在潮流计算程序中，一般要指定一个或多个平衡母线。正常情形，计算只使用一个平衡母线，但当系统有解列发生时，每个岛都要有一个平衡母线，这时就需要事先设置多个平衡母线，以供多岛计算时使用。通常情形下，平衡母线使用的是电厂或外网的等值节点，这些节点都能提供充足的有功功率支援。关于P-V母线的选择，一般而言有两种考虑的因素：一是全网P-V母线不需要选择过多，但按地区在网络上要均匀分布，因为P-V母线吸收不平衡的无功功率，而无功功率不能向远方传送，否则会引起过大的电压降；二是在一个厂站内最好仅选一条高压母线做P-V母线，不应该在邻近的母线上设多个P-V母线，因为相邻阻抗值极小，一旦P-V母线电压规定得不合理(包括量测误差)都会引起两母线的极大无功潮流。1.3.4技术创新 根据实时潮流的计算结果，分析出各个设备的越限信息，给出实时分析报告，再根据越限信息给出针对各个越限设备的调整报告。实施流程图如下：潮流分析报告流程图潮流分析报告流程图1.4静态安全分析1.1.1基本概念静态安全分析指的是针对预先设定的电力系统元件(如线路、变压器、发电机、负荷和母线等)的故障及其组合，确定他们对电力系统安全运行产生的影响。预想故障分析的主要功能：①按调度员的需要方便地设定预想故障；②快速区分各种故障对电力系统安全运行的危害程度；③准确分析严重故障后的系统状态，并能方便而直观展示结果。静态安全分析主要研究预先设定的电力系统元件(如线路、变压器、和母线等)故障及其组合对电力系统安全运行产生的影响。其主要功能是按调度员的需要方便地设定预想故障,快速判断各种故障对电力系统安全运行的危害程度,准确分析严重故障后的系统状态,并能方便而直观地显示结果。预想故障分析的关键在于减少分析的故障数和加快分析速度。目前的通用算法一般分为两步:故障快速扫描(或故障筛选)和故障的详细分析。故障扫描的算法一般分为两种:间接法和直接法。间接法利用某种性能指标对故障按严重程度排序。直接法则通过求取故障后的近似潮流来评定其严重程度。近年来随着稀疏向量技术的日趋完善以及补偿法、快速前代和回代等算法的不断发展和逐步成熟,利用模糊概念和专家系统技术进行故障筛选的方法也受到了普遍重视。在故障的详细评估阶段,一般采用全潮流分析方法以准确地分析出故障后的系统状态,为运行人员提供帮助。1.1.2计算方法直流法。就是利用直流潮流来计算开断后的潮流，是最为简单、快速的方法，但结果最不精确。直流法的基本模型为当有支路开断后，和发生变化：其中的可以由下式定义：其中km是被开断的支路。因此，支路km开断后支路ij的潮流为：当有多条支路连续开断时，仍可以利用上式计算，这是因为上式中的只是的线性函数。分布系数法。取平衡节点，建立系统的网络方程：将上式变形：当有支路km开断后，网络各节点相对于平衡节点的新电压为：其中，。结合电路理论中对电网络追加连枝的方法，可以得到上式展开后的结论：，，，定义支路的开断分布系数，则由上二式可得：。有了各条支路的后，只需将某一基本情形下的电流乘以相应的支路开端分布系数，在加上该基本情形下的相应支路的电流，九能得到支路km开断后的各支路的新电流值。1.1.3预想事故选择预想事故选择是静态安全分析的一个重要内容。早期的故障分析一般只进行n-1扫描方式的故障选择和分析,但在实用中由于效率过低而不受重视。90年代以来,以预想故障集合方式代替n-1扫描方式的做法得到普遍应用。在静态安全分析软件中，故障定义方式对它的实用性有着举足轻重的影响。以预想故障集合方式代替n-1扫描方式，能方便灵活地定义多重故障，因此是最实用的方式。预想故障集合的定义和管理技术是提高软件性能的关键,而故障分类的科学性是提高预想故障分析软件设计质量的重要一步。为此,应以物理分类的方式按层次定义预想故障集合。一个完整的故障定义一般由4部分组成:主开断元件、条件监视元件、条件开断元件和规则集。主开断元件可以是电网中的任意元件,故障可以是单重的,也可以是多重的,开关断(合)也包含在故障定义之中,以便于模拟变电站事故等。条件监视元件及条件开断元件配合使用,用以模拟继发性故障,即某些元件故障可能引发其它元件的开断。当主开断元件的动作引起开断监视元件越限时,条件开断元件随之动作,这种带有条件监视元件和条件开断元件的故障称为条件故障。规则集用于描述开断元件动作后,调度人员按规定或经验必须执行的操作。规则集的建立和应用,实际上是将专家系统的思想引入预想故障分析。故障组由若干具有某种共同特征的故障组成,一个故障可以定义到多个故障组中。使用故障组的优点在于,使用者可以按需要研究其最关心或对当前系统运行威胁最大的故障,从而提高预想故障分析的效率,省去大量无实际意义的计算。故障集合是全部故障组的总称。实际上,n-1扫描方式是这种故障集合方式的一个特例,可以定义一个“n-1”故障组,在需要的时候激活它,执行n-1故障分析。总之,采用故障集合方式,既提高了预想故障分析的计算效率,节省了计算时间,又能灵活而方便地规定分析目标。与以前的n-1扫描方式相比,预想故障集合的方式具有无可比拟的优越性和实用价值。有了预想事故的定义，就可以进行有针对性的故障扫描。故障扫描是对需要分析的故障进行预处理,并将其分为两大类:无需计算即可确定为不会产生越限的“无害”故障和需要通过潮流计算才能判断其危害程度的“有害”故障。其目的是避免不必要的潮流计算,加快预想故障分析速度。预想故障的扫描先将故障划分为解列性故障和非解列性故障,系统解列可以调用网络接线分析(拓扑)模块进行判断,但计算量较大,也可采用基于因子分解表对角元素项的判别方法。如果是解列性故障可立即归类于“有害”故障。对非解列性故障,需进一步将非线性故障和非连续性故障划分出来。非线性故障指故障引起的潮流变化较大,不能满足系统线性化模型的要求。非连续故障指故障使电力系统模型发生不连续变化,如发电机组无功出力达到限值或变压器分接头变化等。对这两类故障将采用直接法区分“有害”故障和非“有害”故障。在滤掉了解列性故障、非线性故障和非连续故障之后,其它故障可以用性能指标近似判断故障对电力系统安全运行的危害程度。扫描后，需要对有害故障提供故障恢复方案。1.1.4软件设计静态安全分析软件包括数据采集处理、建立实时数据库、网络拓扑分析、外部网络等值、调度员潮流、安全分析越限报警、人机界面与系统维护等功能模块。静态安全分析软件最主要的服务对象是调度员，同时还要考虑到运行方式分析人员和维护人员的需求，软件设计的要求：采用先进的模型、算法和程序技巧提高分析速度；故障定义应方便与直观；故障分组，可以规定某个组是否参加分析；故障结果可按各种指标排队，并按要求给出各种越限信息；在对数据库的要求方面，静态安全分析需要以下几方面数据：一个完整的网络模型，包括全部元件联接关系及其参数；一个确定的运行状态，除了负荷、机组和开关状态之外，还要提供各母线电压的相角、幅值和支路潮流等数据．在实时模式下来自于状态估计，在研究模式下来自于潮流；一组系统安全边界条件，规定网络监视标准和报警方式等，以此判定是否安全；一个事先定义好经过校验的故障集合。其中前三项已包括在网络数据库中，第四项包括在预想故障分析数据库中。静态安全分析需要和状态估计、潮流计算、网络拓扑等几个其他PAS模块接口。其中，网络拓扑分析是根据预先设定的支路状态和遥信信息结合确定网络连接状态,以网络结构图的形式供调度员潮流计算使用。由于每次断开一个元件时都要对网络重新做拓扑分析，需要耗费较大的计算时间。因此，我们仅针对有元件开断的厂站进行了拓扑分析，将开端后新增的节点附在原有节点编号表的最后方，生成新的导纳矩阵以及电流方程时，前面没有发生变化的节点就无需做改动，这样能大大减少拓扑分析的计算时间，在快速性方面又向前迈进了一步。在静态安全分析的详细潮流计算中，通常采用的都是快速分解法。其主要特点是速度快、占用内存小,它更适合R/X比值小的高电压等级网络,而地调系统中110kV及以下的部分线路存在R/X值较大的情况,潮流计算程序必须保证在这种情况下的收敛性。如果这时出现不收敛的情形，可以选择其他的方法，如牛顿法或高斯法重新计算。静态安全分析的结果可以以图表和图形两种方式查看，图形方式下，按照过载的严重程度，给出了排在最前面的几种故障以及对应的过载。1.1.5技术创新 引入“双拓扑”的概念，研发并应用一种解决“N-1”故障时，备自投装置动作的电源自投入模型，实现了电网“N-1”故障时，备用电源自投入的静态安全分析。 对于每个故障，首先隔离故障设备，然后进行网络拓扑分析，结合系统的运行方式判断的所有动作的备自投及其动作方式，最后根据各个备自投动作后的运行方式重新进行拓扑分析，进而进行安全分析。 故障扫描计算完成后，安全分析的结果可以以图表和图形两种方式查看，图形方式下，按照过载的严重程度，给出了排在最前面的几种故障以及对应的过载。可以人工选择扫描过的故障进行故障恢复，提供故障恢复方案。实施流程图如下：静态安全分析分析报告流程图静态安全分析分析报告流程图1.5无功电压优化1.5.1概述1.5.1.1项目研究的意义电力系统的中心任务是保证电网安全、可靠、经济和优质的运行。电压是电力系统电能质量的重要指标之一，它主要取决于电力系统无功潮流分布是否合理。这不仅关系到电力系统向电力用户提供电能质量的优劣，而且还直接影响电网自身运行的安全性和经济性；而有效地实现合理的无功潮流分布的前提条件是电力系统应有充足的无功电源容量；若无功电源容量不足，系统运行电压将难以保证。但无功电源容量过剩，无疑又会浪费不必要的投资。因此，进行电力系统无功优化来确定系统的最佳补偿点和最佳补偿容量，避免无功电源建设的盲目性，是保证电力系统安全、经济运行和优质供电的一项十分重要的工作。所谓电力系统无功优化，是指在保证满足系统各种运行方式的安全约束的前提条件下，确定最优无功补偿地点和无功补偿设备容量，从而保证以尽量少的无功补偿设备投资，最大限度地提高系统电压稳定性，改善电压质量，降低网损。合理的无功优化和无功运行优化对提高现代电力系统的安全稳定性，提高供电质量和系统经济效益，节约能源具有重大意义，其理论和优化方法的研究是一个既有很高学术价值又有深远实际意义的课题。无功优化的理论和方法已是被较为广泛，深入研究已久的问题。随着我国电力系统规模的日益扩大，电压等级的不断提高，以及利率电价的实施，电力市场的商业化运营等，无功优化是否合理，不仅影响整个系统的供电电压质量和经济效益，更重要的是将要关系到整个系统能否安全稳定运行的问题。由于对无功优化理论的研究还不够深入和充分，无功优化的方法仍然存在计算结果受初值影响大；收敛性差、难以给出全局最优解；难以同时处理整实数变量；无法保证无功优化的结果有利于提高电力系统的电压稳定性等一系列问题。因而目前现有的无功优化软件已不能适应现代大规模电力系统无功优化的需要，国外至今也尚未开发出较为完善的能被广泛应用的无功优化软件。在这样的背景下，华北电力大学（北京）进行无功优化软件的开发。本课题应用新的优化方法——遗传算法进行无功优化。遗传算法是基于自然选择和遗传学机理的优化方法，它能够以更大的概率找到全局最优解。在国外，遗传算法已初步应用于解决电力系统中的经济调度、无功潮流优化调度和无功优化等领域。国内也有一些将遗传算法应用于电力系统优化领域的研究报道，但较少见到实际应用的文献报道。目前，遗传算法应用于无功优化还存在以下一些问题：第一，由于对遗传算法本身以及无功优化理论的研究还不成熟，现有的遗传算法往往过早成熟而陷于局部极小值。第二，现已提出的遗传算法，在实际优化计算过程中，需要把连续变量作离散化处理，这会给优化结果带来一定的误差。因此，进一步深入研究遗传算法用于无功优化的特点，并根据这些特点开发改进的遗传算法，以进一步减少在优化过程中的人为经验干预，使之能够适应复杂多变的系统运行条件，便于用户使用。另外，现有的无功优化软件大多数在计算之前需要进行大量的数据准备工作，不仅烦琐、容易出错而且不够直观方便。本软件针对这种情况开发了充分利用已有数据的图形用户界面。该软件在国内外同类软件中居领先地位，将对电网规划、运行部门的工作起到重要的促进作用，具有推广应用的前景。1.5.1.2项目研究的关键技术内容及特色基于改进遗传算法的无功优化软件的研究与开发工作，主要包括以下几方面内容。1）应用于无功优化的改进遗传算法的研究与开发对电力系统无功优化这样的多变量、大规模的优化问题，现有的遗传算法大多在300代左右收敛，这往往是算法的过早成熟，即收敛于局部极小值，无法得到更理想的解。针对以上问题，研究遗传算法用于电力系统无功优化的特点，开发改进遗传算法。2）将生命科学中的免疫原理与遗传算法相结合免疫原理利用待求解问题中的一些特征信息以及相关的专家知识来抑制优化过程中退化现象的出现。开发以电网中厂、站为核心的电压/无功控制免疫疫苗，可望得到好的效果，对遗传算法的寻优过程将有有益的帮助。3）启发式局部搜索算法在遗传算法计算结果的基础上，利用启发式局部搜索算法进一步优化，形成二者的接力算法，弥补遗传算法局部细化搜索能力较弱的欠缺。1.5.2电力系统无功优化问题研究现状1.5.2.1常规无功优化方法概述电力系统无功功率分布是否合理，不仅关系到电力系统向用户提供的电能质量的优劣，而且还关系到电力系统自身运行的安全稳定性和经济性。有效地实现电力系统电压控制的前提条件，是系统有充足的无功容量。如果因为系统中无功短缺致使电压水平低下，某些枢纽变电所母线电压会在微小的扰动下顷刻间大幅度下降，发生所谓的“电压崩溃”。甚至会导致发电机间失步、系统瓦解的灾难性事故。1977年美国纽约大停电和1987年东京大停电就是由于高峰负荷时无功备用不足，造成电压崩溃而引发的。然而，过多的无功备用容量又会浪费不必要的投资。在电力系统无功优化的基础上，随着负荷的变化进行无功潮流的合理分布，还可以降低网损、节约能源。由此可见，合理的无功优化规划和无功运行优化对提高现代电力系统安全稳定性、提高供电质量和系统经济效益、节约能源具有重大意义，其理论和优化方法的研究是一个既有很高学术价值又有深远实际意义的课题。所谓电力系统无功优化是指,在保证满足系统各种运行方式的安全约束的前提条件下,确定最优无功补偿地点和无功补偿设备容量,从而保证以尽量少的无功补偿设备投资,最大限度地提高系统电压稳定性,改善电压质量，降低网损。所谓电力系统无功运行优化，是认为无功补偿设备的配置已定，需要根据实时负荷的变化，确定无功补偿设备的投切方案，以达到电压合格率最高的基础上网损最小，或能耗最小，或运行费用最小的目的。无功优化的理论和方法已是被较广泛、深入研究已久的问题了。但以往由于我国电力建设资金不足,有功电源尚不充足,以往忽视投资装设无功电源,并认为装设无功电源的投资所产生的经济效益远不及投资于有功电源所产生的经济效益,所以无功优化问题的研究一直未引起重视。随着电力系统规模的日益扩大,电压等级的不断提高,以及力率调整电价的实施,无功优化是否合理,不仅影响到整个系统的供电电压质量和经济效益,更重要的是将要关系到整个系统能否安全稳定运行的问题,因而目前现有的无功优化软件已不能适应现代化大规模电力系统无功优化的需要。当前，由于对无功优化的理论研究还不够深入和充分,无功优化的方法仍然存在着收敛性差、难以给出全局最优解、难以同时处理整、实数变量、无法保证无功优化的结果有利于提高电力系统的电压稳定性等一系列问题,所以国外至今也还没有开发出较为完善的、能被广泛应用的无功优化软件。究其原因,我们认为:1）就无功优化的理论而言,到目前为止,一方面,还没有充分研究无功优化和无功运行优化的实质区别,并把二者的原理和方法划分清楚，从而导致或片面追求计算速度,或片面追求全局最优。事实上，用于实时无功/电压优化调度时，无功运行优化的关键并不在于寻求全局最优解。因为在此情况下，通过调度控制无功调节手段，在很短时间内使系统运行状态发生很大的变化，以求最大限度地降低系统网损和提高电压质量，将使有载调压变压器和无功补偿设备的调整和投切过于频繁，增加其调整次数、降低设备的使用寿命。这也不符合电力系统的长期经济效益，甚至会引起系统的安全稳定问题；因此，我们认为：用于实时无功/电压优化调度，无功优化计算只需要寻求在系统的上一时刻运行工作点附近的局部最优解；但要追求算法的快速、实时性。而在用于电力系统无功优化或作运行方式计划时，计算时间并非问题的关键，但要设法寻求全局最优解。弄清这个问题,就可以分别抓住无功优化和无功运行优化的主要矛盾,充分发挥各种优化方法的优势，恰当地选择解决问题的方法。另一方面,至今还没有充分研究清楚实际运行中系统的无功/电压特性,以及如何进行无功优化有利于提高电力系统的电压稳定性等问题,从而无法保证无功优化的结果有利于提高电力系统的电压稳定性。这一问题,我们认为：目前可结合实际系统中作运行方式计划的专家和有经验的运行人员的实际经验,在进行无功优化时，通过保留足够的发电机无功备用来加以考虑。因为在事故的紧急状态下，电容器等无功设备的出力将随着电压的下降成平方地下降；有载调压变压器的分接头的调整只能是在系统无功充足的情况下才能起到好的效果。在事故状态下，系统无功情况往往不容乐观，这时调整分接头的作用可能恰恰适得其反；只有发电机的无功可以最快的速度响应系统的变化。2）就无功优化的方法而言,现已提出的无功优化方法，有线性规划法、非线性规划法、混合整数规划法、牛顿法、灵敏度分析法、二次型法等常规的无功优化方法以及人工智能专家系统方法等。由于电力系统无功优化问题的非线性性质，所以非线性规划法首先被采用。非线性规划法是处理无功优化最直接的方法，但非线性规划法到目前为止还没有一个比较成熟的算法。现有算法或多或少都存在计算量大，收敛性差，稳定性不好等问题，所以它的应用受到了一定的限制。在所有规划方法中，线性规划法发展较为成熟，它速度快，收敛性好，算法稳定。无功优化虽然是一个非线性规划问题，但根据局部线性化的特点，仍可以将线性规划法引入无功优化，并且由于线性规划法的良好性能，使它在无功优化领域得到了广泛的应用。但它在处理无功优化这样的非线性优化问题仍存在一些缺陷，首先，对无功优化模型中的目标函数进行线性化时，可能会给最优解的取得带来一定误差，另外，在对潮流方程的线性逼近过程中，若步长取得过大，有可能引发振荡，步长太小，会使收敛变慢。非线性规划法和线性规划法各有优缺点，但纯粹使用非线性规划法和线性规划法时，由于存在“维数灾”，都不太可能处理大系统。另外，这两种算法都不能很好地处理诸如变压器变比、电容器组这样的离散变量，一般只能先把它们当作连续变量，优化结束时再进行归整计算，但这会给最优值的获取带来误差。由此，人们提出了混合整数规划法。混和整数规划法在解决有离散变量的线性规划方面有其优越性。但它使所求解的问题大大复杂化，解题规模因此受到限制。综上所述，在利用前面提到的各种方法解决无功优化问题时，都有其自身的优缺点。不过，这些方法都存在一个共同的难题：容易陷入局部最优而提早收敛，只有初始值离全局最优解较近时才可能达到全局最优。否则，几乎必然会陷入局部最优。为了使无功优化的解能更加接近全局最优值，许多专家学者利用人工智能来解决无功优化问题，并在这方面得到了令人瞩目的成果。利用人工智能方法来解决无功优化问题时，首先利用一个隶属函数将总负荷模糊化，然后将模糊化的负荷输入神经网络，得到各控制变量的隶属度，通过隶属度函数解出控制变量的实际值。最后用专家系统结合灵敏度分析法处理各变量越界的情况。这种方法速度很快，只要离线训练好神经网络，就能应用于实时无功优化，并能得到比较好的解，但这种方法不能处理离散变量，能否得到较好解也有赖于隶属度函数的选取和神经网络训练的好坏。尽管上述方法都具有一定的优越性和适应性,并已成功地解决了电力系统无功优化中的许多问题,但仍然存在着一些问题:a.收敛性差。电力系统无功优化问题的数学模型非线性很强，常规无功优化方法，由于在模型线性化过程中,解空间受到一些特殊处理而常常导致无解。b.难以给出全局最优解。无功优化问题的性能指标不是一个凸函数，而是一个多峰多极值的问题，因而常规的无功优化方法大多可能收敛到局部极小值；如果初始点设在全局最优点附近，可望得到真正的最优解,然而这一条件是无法保证的。c.离散变量的处理问题。电力系统无功优化中的大部分控制变量(可投切的电容器组、变压器分接头位置等)具有整数值,无论一个连续的解多么精确，都不可能将这些值直接指定给控制变量；特别是在装有大容量单元组电容器的现代高压电力系统中,用简单的四舍五入计算方法可能导致相当大的误差。而目前用于解决此问题的常规离散无功优化方法──混合整数规划法却比其它常规的连续寻优方法复杂得多，且收敛性较差。1.5.2.2遗传算法介绍遗传算法是Holland在70年代初期首先提出而在80年代末到90年代初开始投入实际应用。遗传算法把自然界中基于自然选择的机制引入到数学理论中来，提出了一种全新的寻优算法。遗传算法是一个迭代过程，在每次迭代中都保留一组侯选解，按其解的优劣进行排序，并按某种指从中选出一些解，利用遗传算子，如选择(Selection)、交叉(Crossover)和变异(Mutation)等对其进行运算，产生新一代的一组候选解，重复此过程，直至满足某种收敛指标为止。其不同于传统的优化算法在于以下四个方面：1）该算法利用参数集的二进制编码串来进行操作，而不是利用参数集本身来进行操作。2）该算法从群体(Population)出发在整个空间寻优，而不是从一点出发沿一条轨迹寻优。因而可在整个寻优空间同时进行搜索，并进行多个个体之间的比较和优良信息的交换，具备全局搜索的能力。由于群体中各个个体的搜索是彼此独立进行的，因而具有内在的并行处理能力。3）该算法利用目标函数本身的信息建立寻优方向，而无须利用其导数信息，因而不需要传统算法在解复杂问题时由于推导所引入的许多假设，当然也不需要考虑函数的连续性和可导/可微性。4）该算法利用概率转移规则而非确定性转移规则，因此可在一个具有不确定性的空间寻优。下面以简单遗传算法为例进行介绍。简单遗传算法本身要求适应值函数为求最大值，且适应值要为正，所以必须将求最小值的无功优化目标函数的问题，转换为遗传算法中的求极大值问题：Fitness=fmax-f其中，fmax为估计的最大值，其大小应保证Fitness为正；f为无功优化的目标函数；Fitness为适应值。当问题本身为负时，就要事先估计一个正数，以满足这一条件。编码。简单遗传算法(SimpleGeneticAlgorithm)用二进制进行编码。对于离散变量，字符串中每个分量的二进制表示长度可直接由该变量的变化范围确定。对于连续变量，字符串中每个分量的二进制表示长度应根据所需达到的精度来定义。假设变量变化范围为[a,b]，要求精度为，那么<(b-a)×<，则M+1为该分量的二进制表示长度。例如无功优化中电压变化范围为[0.9，1.1]，要求达到的精度为，=128<(1.1-0.9)×<=256，所以应定义L=8的串长。复制算子。简单遗传算法的复制算子采用最优保留策略。每一代的最后一个个体用来保存本代中最好的个体。复制过程采用轮盘赌，其原理如图1所示。将所有个体的适应值相加，然后按照每个体适应值占适应值总和的比例来分配其在轮盘上所占的比例，适应值越高，在轮盘上所占扇面越大，被选中的机会也就越大。实际操作方法可用表1和表2举例说明。图1表1旋轮法选择过程示例个体序号123456789适应值875121332488部分和81520324548728088表2旋轮法的选择结果随机数349508768被选个体的序号52797杂交算子。先按杂交概率P用随机数发生器确定要经过杂交的个体和要保留的个体。最早的杂交方法是“一点杂交”，是随机地选取一个截断位，两母体杂交时，将他们的码串在此位置截断，交换尾部。例如：母体A：0110100001子体A：0110101100截断位：#交换位：#####母体B：1101001100子体B：1101000001变异算子。按变异概率P随机地选择一个父辈，再随机地选择一个变异点，将选中的码位产生突变。最常用的“一点变异”是随机选取截断位，然后将此位之后的1翻转为0，或0翻转为1。例如：母体A：011010001子体A：0110101110截断位：#交换位：####判敛准则。遗传算法通常采用一个设定的最大迭代次数作为计算收敛的判据。也有的判断最优个体的适应值与所有个体的平均适应值之差小于某个常数，则可判为收敛。1.5.2.3遗传算法用于电力系统无功优化将遗传算法用于电力系统无功优化的研究工作已经取得了很多进展。电力系统无功优化规划是一个多目标函数优化问题，其数学模型如下。1.无功优化规划目标函数S=MinF在本项目中，无功优化规划的目标函数考虑以下三种情况:（1）可行解优化计算目标函数f=Punishment=（2）运行优化目标函数f=Interests+*Punishment（3）规划优化目标函数f=-Interests+Investments+*PunishmentInterests=Year*max*C*(pls-PLS)Investments=C*2等式约束a.节点有功功率约束inb.节点无功功率约束in3不等式约束a.节点电压安全约束VVViNb.发电机节点无功范围约束QQQi{N,N}c.无功补偿节点无功装设容量的约束qqqid.变压器分接头位置变化范围约束TTTi上述各式中,P：系统总网损N：系统节点集n：除平衡节点外的系统节点集N：带可调变压器的节点集N：无功补偿节点集N：PV节点集N：平衡节点号P：节点i有功出力Q：节点i无功出力P：节点i有功负荷Q：节点i无功负荷V：节点i电压幅值：节点i电压相角:节点i、j间的相角差G：节点i、j间的导纳值B：节点i、j间的电纳值q：无功补偿节点i的原有容量q：无功补偿节点i的投入容量T：变压器k的变比V,V：节点i电压上下限Q,Q：无功源i无功功率上下限T,T：变压器k的变比的上下限q,q：无功补偿节点的无功装设容量上下限q:最小投资优化计算所得的最小补偿量(除去已有容量)a:罚因子C:电容器价格C:电价N:PQ节点电压越界点集N:PV节点无功越界点集,:罚函数加权系数==pls:网损Tmax:年最大负荷损耗小时数year:规定的最大投资回收年限Punishment:罚函数Invest:投资Earning:降低网损所获利益4控制变量以发电机母线电压、变压器分接头的位置及无功补偿设备容量为控制变量。其中，无功补偿设备的容量上限可由用户根据本网内各补偿点的具体情况进行填写。为方便用户，该上限也可取较大的数值。程序中将根据该变电站各侧带负荷的情况自动对其进行修正，使之不超过无功负荷的上限，以使计算结果更加合理。1.5.3改进遗传算法用于电力系统无功优化及其软件实现1.5.3.1改进遗传算法1.5.3.1.1整实数混合编码本软件利用计算机二进制存储特点，采用十进制整型数存储二进制编码，省去了解码过程，大量减少内存消耗量；同时利用计算机强大的位运算来改进杂交算子，可方便地把这些十进制整型数当作二进制数处理，原理如下。设有十进制整数a,b,c,现在要将a,b中对应于c中位串为1的位进行交换，生成子辈串a’，b’。1)d=ab2)d=cd3)a’=ad4)b’=bd式中，“”表示“按位异或”，“”表示“按位与”，“=”表示“赋值”。第一步，a和b中相同和不相同的位将分别在d中相同位置产生“0”和“1”,所以d的二进制串表征了a和b的相似程度；第二步，d中为1的位代表了a和b中需要交换且不相同的位；第三步，使a中需要交换且互不相同的位翻转，0变1，1变0，结果赋给a’；第四步，使b中需要交换且互不相同的位翻转，0变1，1变0，结果赋给b’。至此，杂交过程完成。例：有两个个体，需要对它们的第k台变压器分接头进行均匀杂交，第一个个体中的第k台变压器分接头为a=12，第二个个体的为b=6，它们的计算机内二进制表示分别为001100和000110,该变压器分接头变化范围为[0，16]，在此区间取随机整数c=7，其二进制表示为001001，即要交换a和b中的第0位和第3位，则可按上述步骤顺序进行。1)d=abd=0010102)d=cdd=0010003)a’=ada’=001110=144)b’=bdb’=000100=4简单遗传算法在优化计算过程中，需要把连续变量作离散化处理，这会给优化结果带来一定的误差。为此，我们研究了整实数混合编码。在控制变量中发电机节点电压用实数编码，变压器分接头位置和无功补偿容量用整数编码，再将它们放在一个编码串中。假设NV个PV节点电压节点电压可调，可调范围为[0.95，1.05]；NK个变压器位置可调，可调范围为[最低档，最高档]（实际取变压器最低档，中间挡，最高挡所对应的理想变压器非标准变比）；NC个无功功率补偿点，补偿容量范围为[0，无功设备上限]。则编码形式为：NV个NK个NC个V1…VNVK1…KNKC1…CNC其中，Vi[0.95，1.05]为实数；Ki[最低档，最高档]为整数；Ci[0，无功设备最大组数]为整数。1.5.3.1.2变异概率的自动调整变异是避免“近亲繁殖”，保持群体多样性，实现多路径搜索，以避免收敛于局部极小值，并恢复丢失的或寻找尚未得到的优良信息的主要工具。在开始阶段，主要通过交叉操作获得新的个体，在相对较大的范围内寻优。经过几十代上百代的遗传变异，个体之间的相似程度将大大增加。这时，有效的变异操作将帮助恢复丢失的优良信息和得到更好的解。开始时的变异概率是固定的，随着最优个体不变化的代数增加，变异概率将随之增大。以增加个体的差别，引入新的或在以前的寻优过程中被忽略的重要信息，避免算法过早地收敛到局部极小值。1.5.3.1.3变异操作的局部寻优变异是避免“近亲繁殖”，保持群体多样性，实现多路径搜索，以避免收敛于局部极小值，并恢复丢失的或寻找尚未得到的优良信息的主要工具。它是以较小的概率使码串中的某些码位产生突变。以往广泛采用的变异方法均为从当前值向其上限或下限内所确定的范围随机选取新值。实践证明，对于电力系统无功优化这样多变量、多峰的复杂问题而言，这将使运行点从一个状态“跳跃”到相差很大的另一个状态。这样的变异往往由于自变量范围较大而使许多可行解点在搜索过程中被遗漏。遗传算法是一种随机搜索的算法，这种搜索点的跳跃将有可能漏过最优解所在的小区域。因此，对控制变量的变异范围根据无功优化的特点加以合适的限制有利于找到好解。在实际进行变压器档位的调整或无功补偿设备的投切时，一般都是一档一档或一组一组地改变的。因此，变异操作中也充分考虑这种情况，对变异的范围进行限制。取发电机的变异范围为[当前值，当前值+0.01]或[当前值-0.01，当前值]。而变压器和无功补偿设备均单组变化。1.5.3.1.4收敛判据利用遗传算法进行优化计算时，怎样判断计算已经收敛到最优解一直是一个困难的问题。虽然模式定理从理论上保证遗传算法能够收敛到全局最优解，但实际计算中如何判断计算是否收敛却是一个十分困难的问题。一般较多采用的是达到最大迭代次数即认为计算收敛。还有比较最优个体的适应值和平均适应值之差，如果这个差小到一定的值，就认为计算已经收敛。对电力系统无功优化，控制变量很多，导致计算时间相对很长，个体之间的相似程度在计算后期已经比较接近，但通过有效的变异，实际上还能得到更好的解。当最好个体解保持50代不变，可以认为计算收敛。程序中采用最大迭代次数的收敛判据，结合上述提前收敛判据，作为计算收敛的判据。1.5.3.2免疫原理与遗传算法相结合1.5.3.2.1电压越限校正疫苗1）发电厂母线电压调整发电厂母线电压直接受发电机无功出力的影响，因此，可通过调整PV节点的电压改变发电厂的母线电压。一个发电厂母线上可能有不止一台机组，具体选择哪一台机组来控制母线电压呢？我们认为，上到同一母线上的发电机，其无功出力的大小和裕度可由机端电压反映。因此，当母线电压越下限时，选择机端电压最低的一台机作为控制机组；当母线电压越上限时，选择机端电压最高的一台机作为控制机组。将控制机组的机端电压向上或向下调整0.001。2）变电站母线电压调整如果某变电站的一个母线的电压越限，应视另一侧母线电压的情况决定合适的调整策略。其基本规则如下：如果两侧母线电压均越上限或越下限，则应首先选择调节容性或感性的无功补偿设备，消除电压越限。如果一侧母线电压越限而另一侧母线电压仍在合格范围内并且具有一定的调节能力，可以调整有载调压变压器得分接头档位，使电压合格。1.5.3.2.2降损疫苗优化的目标函数是尽可能使网损下降。如何降低网损，就成为目标函数下降的核心。1）变压器损耗下降的启发式方法本软件采用的变压器模型如图2所示：iTk:1Zij=R+jXj图2其中Zij，R，X分别为变压器支路的阻抗、电阻和电抗。对这样一个简单电路，可以得出其损耗为。可以采用变压器支路的压降作为判断的依据。当小于零且不大于调整一档所带来的电压变化的一半时，表明增大Tk有利于减少压降，从而降低损耗，则将变压器档位向增大Tk的方向变化一档；当大于零且不大于调整一挡所带来的电压变化的一半时，表明减小Tk有利于减少压降，从而降低损耗，则将变压器档位向减小Tk的方向变化一档。2）线路按经济压差运行的启发式方法线路上的损耗是由于电流在电阻上经过引起的，我们知道，线路按经济压差运行时无功电流在电阻上引起的损耗最小。当无功功率全部从线路的一端流向另一端时，由无功功率引起的损耗假定为1。如果线路上的无功分点在线路的中间，这样，由每一侧流入的无功功率将变为原来的1/2。相应地，则由无功功率引起的损耗将变为原来的1/4。故当线路两端电压相差较大时，且无功功率从电压高的一端流向电压低的一端，抬高电压较低的一侧的电压将使无功分点向线路的中间转移，则可减少线损，降低损耗。1.5.3.4遗传算法和启发式局部搜索算法的接力算法计算框图1.5.3.5软件实现本程序由初始潮流计算、运行优化和规划优化两部分组成。程序可进行两种目标函数的无功优化：一是运行优化，其目标函数为满足电压要求的网损最小；二是综合优化，其目标函数为电压合格情况下的网损和投资综合经济效益最佳。网损由潮流计算直接求得。潮流计算采用PQ分解法，以节约计算时间。潮流计算实现了稀疏存储，半动态节点优化编号，并具备有PV节点向PQ节点转化的功能，并对系统的规模没有限制。无功优化中的等式约束由潮流计算自动满足；控制变量的上下限在遗传算法中对应其编码的上下限，因而控制变量的不等式约束自动满足；将受控变量的不等式约束以罚函数的形式增广到目标函数中。罚因子的大小可以根据需要进行调整。本程序中尽量减小电容补偿设备的投资，即一个变电站现有容量还未用完时，不再新增电容器容量。充分发挥当前无功设备保持电压合格、降低网损的潜力。1.5.3.6程序框图图31.5.4结论改进了遗传算法，利用遗传算法这一新的优化算法，结合免疫机制，开发了适合于离线进行的电力系统无功优化。该软件目前在国内外的同类软件中处于领先地位，是一个很好的工具软件，具有推广应用的价值，但目前还需要运行的考验。本软件还可以人工选择参与优化的厂站，提供局部设备参与优化后的调整方案。实施流程图如下：无功优化分析报告流程图无功优化分析报告流程图1.6短期负荷预测1.6.1意义与国内外研究介绍对于电力部门来说，准确的负荷预测总是至关重要的。这是因为：(1)电能的特点之一是不能大量储存，即电能的生产、输送、分配和消费都是同时进行的。进行负荷预测有助于系统运行人员高效地预估电能的生产、输送、分配以及消费情况，制定出经济、合理的方案。(2)负荷预测能提供使用电能的交换信息。例如，根据对未来负荷的预测，假如系统内发电容量不够，则应当采取必要的措施来增加发电容量，如新增发电机组或从邻网输入必要的容量；反之，如发电容量过剩，则也应当采取必要的措施，如有选择地停机（如计划检修）或者向邻网输出多余地功率。(3)短期负荷预测能对运行中的发电厂的出力要求提出预告，从而可以对发电机组出力变化的情况事先得以估计。(4)对一个大电网，根据短期负荷预测提供的信息，还可以经济合理地安排本网内各发电机组的起动与停机，从而可以使系统在要求的安全范围内，保持必要的旋转储备容量的耗费为最小。(5)当电网进行计算机在线控制时，根据短期负荷预测提供的信息，还可以实现发电容量的合理调度，同时使发电成本为最小。(6)当前国内正在进行电力市场的研究,而电力市场经济、合理、高效运营的前提是精确的中期和超短期负荷预测。(7)国内电力市场要求预测负荷的间隔由过去的每天24点变为现在的96点即每15分钟一个点。而具有相应功能的预测软件包还没有开发。所以说，对负荷的变化及特性，有一个事先的估计，是研究电力系统安全、经济运行的重要内容，同时也是电力市场正常运营的前提。负荷预测本身是一个保证在一定的精度意义上，确定未来系统负荷的过程。就电力系统而言，精确的负荷预测总是人们所希望的。然而，由于影响负荷变化因素很多，精确的负荷预测又不是很容易作到的。以前，负荷预测多是根据足够的资料，编制出预测负荷曲线，凭经验作直觉判断。近年来，这种方法已被一些科学的方法所取代，人们已提出了许多新的技术和方法来提高负荷预测的精度。而这些方法在模型的复杂性、灵活性、对数据的要求以及满足用户的特殊要求等方面都有着很大的不同。1.时间序列法时间序列法是应用的最为广泛的一种方法。它把负荷数据看作是一个按季、按周、按天以及按小时周期性变化的时间序列，并将实际负荷和预测负荷之间的差值看作一个平稳的随机过程，进行分析和处理。通常，时间序列法建立两个数学模型，即静态模型和动态模型。静态模型也叫正常负荷模型，主要考虑的是变动较小的那部分负荷，如负荷的某些周期性、季节性因素；较短时期内的一些正常变化以及一天内负荷构成的基本成分等。动态模型也叫变动负荷模型，主要考虑的是受最近的负荷情况，气象因素以及一些偶然事件影响比较大的那部分负荷。由于这部分负荷的随机性比较强，常常造成短期负荷预测的不精确。在时间序列法中常采用的技术有：卡尔曼滤波、状态估计、Box-Jenkins模型、自回归动平均模型等。2.多元线性回归法多元线性回归法是另外一个应用的比较广泛的方法。它把负荷模型看作是许多解释性变量的线性组合，这些解释性变量包括：天气变化、节假日（春节、国庆等）以及一些突发事件等影响预测精度的因素，变量的系数可由最小二乘拟合或线性回归得到。在线性回归法中常利用非线性变换及一些统计技术来处理由于这些变量造成的负荷波动。1.6.2研究的内容与要求电力系统中期负荷预测软件包的研究与开发工作主要包括以下几个内容:预测方法的研究:（1）、负荷预测的精度负荷预测本身是一个保证在一定的精度意义上，确定未来系统负荷的过程。就电力系统而言，精确的负荷预测总是人们所希望的，然而，精确的负荷预测又不是很容易作到的。为此,人们提出了很多预测方法,诸如:时间序列法,线性外推,回归分析,指数平滑,卡尔曼滤波,人工神经网络,专家系统,模糊数学等等。这些方法大体上可划分为传统和人工智能两类方法。对这两类方法进行比较,研究各自的特点,能否各取所长,相互结合,是本项目的研究内容之一。本项目对线性外推,以及季节性预测进行了研究。电力系统负荷既有一定的规律性又有很强的随机性，预测模型的提出必须考虑下述问题：⑴模型应当能反映负荷随季节波动的特点。⑵模型应能反映负荷自然增长的内在规律。⑶数学模型应该能反映出“近大远小”的规律。（2）、与发电计划软件的连接在电力市场情况下，负荷预测的重要功能之一，就是为检修计划、发电计划的制定提供系统负荷的预报工作，保证计划的准确性。负荷预测最为一个独立的模块，应该提供开放数据接口，便于检修计划、发电计划模块方便的调用。（３）、节假日负荷月测节假日期间的负荷变化规律与平时明显不同，应建立专门用于预测节假日期间负荷的模型，且根据现场需要，能够提前一段时间对节假日期间的负荷进行预测。1.6.3预测方法1.6.3.1节假日预测模型节假日的负荷变化与平时显著不同，若仍按正常日预测模型进行预测，将会产生很大的误差。所以，我们针对节假日负荷变化的特点，提出节假日的负荷预测模型。该模型假设历年节假日期间负荷变动的模式高度相关，以及节假日负荷平均值高度相关。具体步骤如下：⑴建立历年节日负荷以及节前各时刻的负荷的平均值的数据库；⑵依此预测节日负荷时，先计算节前一段时间的某一时刻负荷的平均值;⑶根据“近大远小”的原则