基于人工智能算法的配电网无功优化研究开题报告

1. 研究目的与意义

电力需求的持续增长、传统能源的短缺以及电力市场的开放正驱动配电网朝着高效、灵活、智能和可持续方式发展。

配电网无功优化是保障系统安全可靠、经济运行的关键工作，它通过调节发电机端电压、变压器分接头和已有无功补偿装置（如并联电容器、svc等），优化无功潮流分布，以降低网损、减小电压波动。

传统的配电网无功优化算法存在着计算时间长、计算量大、适应性差等问题，随着近年来人工智能算法的出现，情况得到了改善。

2. 课题关键问题和重难点

关键问题：1.目标函数的确定:（1）以最小化电力系统有功功率网损值为目标函数；（2）以最小火力发电机消耗燃料总费用值为目标函数；（3）以最小化配电系统的无功补偿容量的总和为目标函数；（4）是否考虑选择多个优化目标，使数学模型更符合实际。

2.约束条件的制定：等式约束条件及不等式约束条件（控制变量约束条件、状态变量约束条件）。

3.智能优化算法的选择、运用及在实际模型上的优化。

3. 国内外研究现状（文献综述）

配电网是电力系统的重要组成部分，其优化问题是一个复杂的非线性的混合优化问题。

在一定程度来说，配电网的无功优化问题影响着整个电力系统的经济效益。

粒子群优化算法是一种新型的智能群体全局演化算法，因为其性能优越和易于实现的特点，使粒子群优化算法可以为配电网无功优化的问题提出进一步的解决方案。

4. 研究方案

选择改进粒子群算法作为配电网无功优化算法，以配电系统的无功网损最小和电压波动最小为目标函数，通过ieee33标准节点算例系统，制定约束条件，得出以ieee33标准节点算例模型下的无功优化方案。

出具体的运算结果和函数图像，以实现对配电网的经济性的提升，验证粒子群优化算法在电力系统无功潮流优化方面的应用前景。

1.粒子群算法：粒子群算法是受鸟类捕食这一现象的启发，将寻优问题看作鸟类寻找食物的问题，在空间初始化一些粒子（类比于鸟）， 然后粒子在空间进行搜索，每个粒子都知道自己距离最优点的位置与自己曾经走过的最优位置，基于粒子之间的位置共享，粒子按照一定的规则向最优粒子靠近，同时也受到自己走过最优位置的影响，在这种信息共享机制下，实现了粒子群寻优问题。

5. 工作计划

1、2022.02(第1周-第2周）：查阅大量文献资料，查阅与课题基于大数据技术和智能场景匹配的配电网无功优化相关的文献，准备开题报告等的撰写。

通过文献阅读大致了解本次课题的大致流程。

2、2022.02（第3周）：翻译相关资料。