本发明专利技术公开了一种改进的免疫粒子群优化算法，即引入正交交叉算子和自适应惯性系数来优化电网中检测装置的配置。正交交叉算子在一个区域内进行量化，使相邻两个水平的差值相同，然后借助正交表选择较少数量的具有代表性的个体作为后代个体，并加入到组中。保持种群多样性。自适应惯性系数w可以自适应调整。随着迭代次数的减少，w值逐渐减小。较大的 w 值有利于提高算法的收敛速度，而较小的 w 可以提高算法的准确性。仿真结果表明，该算法可以统一优化给定电网内有源和无源混频装置的安装位置和相应参数，降低系统损耗，使电流和功率素数保持在规定范围内。达到最小化系统能源成本和混合装置投资成本的目的。
下载所有详细的技术数据
【技术实现步骤总结】
专利技术涉及在配电网范围内对有源和无源混频装置的安装场地及相应参数进行统一优化，降低系统损耗，将电流和功率素数保持在规定范围内范围。
技术介绍
分布式发电 (DG) 是通过分布在负载附近的小型发电设施进行经济、高效和可靠的发电。在现代城市供电中具有独特的环保和高效优势。但是，由于分布式电源通过逆变器接入电网，其开关元件频繁开关元件迭代尺度算法中的w收敛，向电网注入大量纹波和亚纹波分量，导致电压和电压严重失真电网中的波形及其负面影响是电能质量的增长，严重影响供用电设备的安全经济运行，造成巨大的经济损失。在用户或电网中安装混频器是抑制纹波的有效措施，可以降低和控制注入电网的纹波电压，补偿无功率损耗，使配电网各节点的纹波电流能符合相应的纹波标准。目前，无源混频器 (PPF) 和有源功率混频器 (APF) 广泛用于纹波修复计划。后者负责主要的纹波补偿，而前者用于改善无源部分的混频特性。这样，考虑两种混合装置的最优配置是当前工程应用的必然选择。此外，由于组合时各自的性能会受到部分影响，因此优化有源和无源混频器的参数设计非常重要。 APF的容量和最佳安装位置应在满足纹波调节标准的前提下尽可能小，注入电网的纹波电压值应尽可能小； PPF的结构一般不复杂，但设计时需要考虑其无功补偿性能。这是一个典型的多目标、非线性优化问题。在现有的优化设计方法中，有些假设过多，优化空间小，优化能力不强，如进化算法（EP）、遗传算法（GA）等。与其他算法相比，粒子群优化算法（PSO）具有算法简单、收敛速度快等优点，对于解决分布式电网规划等具有大量约束和离散变量的大规模非线性整数规划问题非常有效。 ，但由于其收敛性受参数和初始粒子分布的影响较大，容易陷入局部最优。人工免疫优化算法利用人工免疫系统的抗原多样性机制和克隆选择算子搜索抗原群，具有很强的全局优化能力。为了适应纹波源和网络参数的随机变化，如何以最小的代价在电网中配置混频器，使其满足抑制纹波的要求，显得尤为重要。
技术实现思路
为了克服现有优化设计方法假设多、优化空间小、易陷入局部最优、优化能力弱等缺点，本专利技术中公开的改进免疫粒子群算法更多优势。获得全局最优解的概率高、速度快、精度高的优势，从而优化配电网中有源、无源混频装置的安装位置及相应参数，降低系统损耗，维持电流和功率质数等。在规定范围内，系统能源成本和混合装置的投资成本最小化。为了达到上述目的，本专利技术采用的技术方案是用正交交叉算子初始化种群，在一个区域内对其进行量化，使相邻两个层级的差值相同且一致，然后使用正交表选择总体。以少数具有代表性的个体作为后代个体，随机产生新个体加入群体，以保持种群的多样性。自适应惯性系数w迭代尺度算法中的w收敛，调整其大小可以改变搜索能力的强弱。逐渐减小 w 的值。较大的 w 值有利于提高算法的收敛速度，而较小的 w 值可以提高算法的准确性。它不仅提高了收敛速度，而且保持了粒子群的多样性，并借助现有的历史信息驱动到全局最优解。其基本原理如下。在粒子群进化多项式中引入免疫克隆算法，使每个抗原利用已有的历史信息驱动到全局最优解，Vki=wvk_1i++c2rand2(Pg-Xk^1i)正交交叉算法子初始化种群，设置两个父个体 B1={aia,...,aljN},a2={a2jl,...,a2,N}m={min(aia,a2jl),...,min(aljN ,a2jN)} η={max(aia,a2jl),...,min(aljN,a2jN)} 对空间 {m,n} 的每个区域进行量化，使得相邻两个层级之间的差异相同，然后，借助正交表中，选择少数具有代表性的个体作为后代个体并添加到种群中。
正交交叉算子可以通过较少的实验、很短的实验时间和较低的实验成本获得满意的实验结果。自适应惯性系数用于自适应调整w，即随着迭代次数的减少，w的值逐渐减小。较大的 w 值有利于提高算法的收敛速度，而较小的 w 值可以提高算法的准确性。 w(k) = 式中，λ为正系数，用于调整W的变化率； k 是迭代次数； kmax 是迭代次数的上限。其有益效果是1)算法具有更快、更大概率获得全局最优解的优点。 2)可以在给定的电网范围内统一优化有源和无源混频装置的安装地点和相应参数，降低系统损耗，使电流和功率素数保持在规定范围内，达到最小化的目的。系统能源成本和混合装置的投资成本。 3)大大降低了所需晶闸管的容量，从而达到更好的混合效果和开放的经济效益，非常适合实际工程应用。下面结合附图对本专利技术进行进一步说明。附图说明附图是算法的流程图。具体实现形式通过正交交叉算子对种群进行初始化，使其均匀，随机生成新个体，保持种群的多样性。设两个父个体 al={aia,…,aljN},a2={a2a,…,a2,N}； m={min(aia,a2,i)…,min(aljN,a2jN)} ,η={max(aia,a2a),min(au,a2,N)}，量化空间的每个区域{m, n}，使相邻两层的差值相等，然后用正交表选取少数具有代表性的个体作为后代个体，加入种群。
由于正交交叉算子能够以相对较少的实验次数、非常短的实验时间和较低的实验成本获得满意的实验结果，因此专利技术中使用的正交算子生成的初始种群可以在解中均匀分布改善人口多样性的空间。 PSO算法中，假设粒子总数为N，每个粒子在空间中有一个位置Xi，粒子以速度Vi从Xi向前飞，每个粒子在空间中搜索到的最优位置为Pi，整个粒子群在空间中搜索到的最优位置为pg，Xi第k次迭代的修正量为Vki=，则Vk(1)公式(1)In, k 为迭代次数；Cl 和 C2 为加速因子，rand! 和 rand2 为介于两者之间的两个独立随机数；w 为惯性系数，调整其大小可以改变搜索能力的强弱。算法选择最大迭代次数或粒子群到目前为止搜索到的最优位置的适应度值满足预定的最小适应度阈值。因为粒子根据所有粒子向最优解的方向“飞行”并且他们自己的每次体验。在 的惯性系数的作用下，粒子可能缺乏对最优解的精细搜索，导致搜索精度低。利用自适应惯性系数，根据公式（2）自适应调整w，即随着迭代次数的减少，逐渐减小w值。较大的 w 值有利于提高算法的收敛速度，而较小的 w 可以提高算法的准确性。 (2)式中，λ为正系数，用于调整w变化率的值；k为迭代次数；kmax为迭代次数上限。
为了提高粒子群的收敛速度和保持粒子群的多样性，提出了一种改进的免疫粒子群优化算法。在粒子群进化多项式中引入免疫克隆算法，使得每个抗原都可以利用已有的历史信息驱动到全局最优解，从而得到算法的表达式）（3)改进算法大大减少了运行时间，提高了算法的精度，在分布式发电的电网中，无功补偿和混频装置统一优化配置。物理模型目标函数的构建（1)@ >加装混频装置后，电网纹波集中度应在符合国标的基础上尽量小，总纹波电流畸变率THDUi为目标函数，即i为电网母线行数，N是网络中节点的总数，h是波纹阶数，H是考虑的最高谐波阶数；Uli是第i阶。电的基波
【技术保护点】
改进免疫-粒子群优化算法的基本原理 将免疫克隆算法引入粒子群进化多项式，引入正交交叉算子和自适应惯性系数。具体实现如下：通过正交交叉算子初始化种群，在一个区域内进行量化，使相邻两个层级的差值相同且一致，然后使用正交表选择一个较小且具有代表性的个体作为后代个体随机生成新个体并加入种群以保持种群多样性。调整自适应惯性系数w的大小可以改变搜索能力的强弱。逐渐减小 w 值。较大的w值有利于提高算法的收敛速度，而较小的w值可以提高算法的准确性。算法的迭代终止条件选择为最大迭代次数或粒子群迄今为止搜索到的最好的。该位置的适应度值满足预定的最小适应度阈值。这样，每个抗原利用已有的历史信息来驱动到全局最优解。
【技术特点总结】
【专利技术属性】
技术研究员：夏向阳，
申请人（专利权）：南京理工大学，
类型：发明
国家省市：43[中国|青海]
下载所有详细的技术信息我是该专利的所有者
