"基于遗传算法的含分布式电源配电网无功优化模型研究"
本文研究的主旨是基于遗传算法的分布式电源配电网无功优化模型的研究。该模型是基于对分布式电源配电网的特性进行分析，并建立基于遗传算法的分布式电源配电网动态无功优化控制模型。
分布式电源配电网的特点包括：
1. 能源得到合理梯级应用。分布式电源通常采用其它大型设备未使用完的能源进行发电，将能源资源进行梯级应用，可以将能源利用率提高到80％以上，有效减少初期系统投资费用，降低了单位电能的生产成本，提高了发电企业的综合社会经济效益。
2. 降低电能生产的环境污染。分布式电源通常采用太阳能、风能、潮汐能等清洁能源，在发电过程中不会或只产生少量的环境污染物，有效降低了单位电能生产时所排放的污染物总量。
3. 系统协调工作。当大配电网由于故障或事故造成大面积停电时，可以利用特殊的分布式电源分支系统向重要负荷继续提供电能，保证供电可靠性。
分布式电源系统无功优化的函数描述：
含分布式电源的配电网无功优化控制实际就是一个多分支节点多元非线性约束的最值处理过程，包括配电网无功补偿的目标函数、功率约束当量等多元约束方程的建立。
目标函数：
电压满意度是系统电压质量水平的重要体现，也就是说当配电网系统在运行过程中，受到了外部扰因子的影响时，系统中各分支节点处维持电压稳定的性能力水平。为了获得分布式配电网动态无功补偿策略，采用电压满意度与无功动态补偿满意度相结合的综合满意度作为模型控制的目标函数，其具体的表达式可以表示为：
S = ∑[α(1 - α) + (1 - β)] (1)
式(1)中：α为在f时刻当配电网出现一个扰动后，分支有载调压变压器靠近用电负荷侧的第i个分支节点处的电压满意度；β为在f时刻当配电网出现一个扰动后，配电网中第i个非平衡分支节点处的无功动态补偿满意度；α为分支节点处电压满意度与无功动态补偿满意度问的比例关系，一般取0.5。
分支节点功率约束：
在配电网系统中，为了获得有效的分支节点电压满意度和无功动态补偿满意度，就需要建立有功和无功功率动态稳定模型，即：
P = ∑[cos(θ) + sin(θ)] (2)
式(2)中：P为配电网分支节点i处的注入有功功率；Q为配电网分支节点i处的无功功率；U为分支节点i处的电压有效值；B为该分支节点所拥有的导纳矩阵的实部和虚部；θ为分支节点i处的电压波动相角差。
基于改进遗传算法的分布式电源配电网无功优化模型：
在分布式电源配电网系统中，无功补偿装置对应的无功补偿电容器模件数量是一个整数，而且各分支有载调压变压器的各调压分接头所对应的变比是固定的，也就是说没有必要在分支节点处按照对应的全部路径来设定模型的搜索范围，可以采取按照特定整数特性来设置遗传群体的搜索范围进行模型信息搜索，其具体的编码特性为：
X = [C1, C2, …, Ci, …] (3)
式(3)中：Ci为配电网系统中的第i个分支节点处的电压满意度和无功动态补偿满意度问的编码特性。
本文研究的基于遗传算法的分布式电源配电网无功优化模型具有很高的实用价值和应用前景，对于电力系统的优化控制和无功补偿策略的研究具有重要的理论和实践意义。
