技術(shù)特征：

1.一種基于反饋學(xué)習(xí)布谷鳥算法的電力系統(tǒng)優(yōu)化潮流方法，其特征在于，包括以下步驟：

-建立電力系統(tǒng)優(yōu)化潮流數(shù)學(xué)模型，設(shè)置布谷鳥算法的參數(shù)，輸入電力系統(tǒng)原始數(shù)據(jù)，隨機(jī)產(chǎn)生初始種群；

-采用牛頓-拉夫遜法進(jìn)行潮流計(jì)算，得到各節(jié)點(diǎn)的電壓和電網(wǎng)中的功率分布，并計(jì)算種群中所有個(gè)體的適應(yīng)度函數(shù)值，若新個(gè)體的適應(yīng)度值小于前代個(gè)體的適應(yīng)度值，則用新個(gè)體替代前代個(gè)體；

-統(tǒng)計(jì)所有種群中新個(gè)體優(yōu)于前代個(gè)體的數(shù)量，以此得到種群改善率并作為反饋值以自適應(yīng)調(diào)節(jié)布谷鳥算法的控制參數(shù)；

-保存全局最優(yōu)個(gè)體，根據(jù)布谷鳥算法的更新公式更新種群；判斷是否滿足終止條件，若滿足，則停止迭代并輸出最終優(yōu)化結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于反饋學(xué)習(xí)布谷鳥算法的電力系統(tǒng)優(yōu)化潮流方法，其特征在于，所述步驟建立的電力系統(tǒng)優(yōu)化潮流模型包括：從經(jīng)濟(jì)性的角度考慮，取發(fā)電燃料成本為目標(biāo)函數(shù)：

$\min F_1=\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{a}_i+b_i{P}_{Gi}+c_i{P}_{Gi}^2+|d_i\×sin\left(e_i\right(P_{Gi}^{\min }-P_{Gi}\left)\right)|$

從安全性的角度考慮，取電壓偏差函數(shù)為目標(biāo)函數(shù)：

$\min F_2=\underset{i=1}{\overset{N_{PQ}}{\Σ}}|V_i-V^{REF}|$

式中：F₁表示發(fā)電燃料成本函數(shù)，F(xiàn)₂表示電壓偏差函數(shù)；a_i、b_i、c_i、d_i和e_i表示第i臺(tái)發(fā)電機(jī)的發(fā)電費(fèi)用參數(shù)；P_Gi是第i臺(tái)發(fā)電機(jī)的有功功率；表示第i臺(tái)發(fā)電機(jī)有功功率的最小值；N_G和N_PQ分別表示發(fā)電機(jī)的數(shù)量和PQ節(jié)點(diǎn)的個(gè)數(shù)；V_i表示第i個(gè)負(fù)荷節(jié)點(diǎn)的電壓；V^REF是標(biāo)幺值為1的理想電壓。

3.根據(jù)權(quán)利要求1或2所述的基于反饋學(xué)習(xí)布谷鳥算法的電力系統(tǒng)優(yōu)化潮流方法，其特征在于，所述產(chǎn)生初始種群的步驟具體包括：根據(jù)包括發(fā)電機(jī)有功功率、發(fā)電機(jī)端電壓、變壓器抽頭變比、無功補(bǔ)償裝置的投切組數(shù)在內(nèi)的控制變量的約束范圍，產(chǎn)生初始化種群，在優(yōu)化潮流問題中產(chǎn)生的初始種群可以通過一個(gè)矩陣表示：

$X=\left[\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1N}\\ x_{21}& x_{22}& ...& x_{2N}\\ \begin{array}{c}.\\ .\\ .\end{array}& \begin{array}{c}.\\ .\\ .\end{array}& \begin{array}{c}.\\ .\\ .\end{array}& \begin{array}{c}.\\ .\\ .\end{array}\\ x_{D1}& x_{D2}& ...& x_{DN}\end{array}\right]$

式中：N是種群的規(guī)模，表示種群中個(gè)體的數(shù)量；D是種群的維度，表示優(yōu)化潮流問題中控制變量的個(gè)數(shù)；矩陣X中的每一列是種群中的一個(gè)個(gè)體，代表了優(yōu)化潮流問題中一個(gè)可能的解。

4.根據(jù)權(quán)利要求1所述的基于反饋學(xué)習(xí)布谷鳥算法的電力系統(tǒng)優(yōu)化潮流方法，其特征在于，所述采用牛頓-拉夫遜法進(jìn)行潮流計(jì)算，得到各節(jié)點(diǎn)的電壓和電網(wǎng)中的功率分布包括步驟：電力系統(tǒng)的潮流計(jì)算需要滿足一定的等式約束和不等式約束條件，等式約束包括有功功率和無功功率的平衡：

$P_{gi}-P_{di}-V_i\underset{j=1}{\overset{N}{\Σ}}{V}_j(G_{ij}{\mathrm{cos\θ}}_{ij}+B_{ij}{\mathrm{sin\θ}}_{ij})=0$

$Q_{gi}-Q_{di}-V_i\underset{j=1}{\overset{N}{\Σ}}{V}_j(G_{ij}{\mathrm{cos\θ}}_{ij}+B_{ij}{\mathrm{sin\θ}}_{ij})=0$

式中：N代表了總的節(jié)點(diǎn)個(gè)數(shù)；P_gi和Q_gi分別表示發(fā)電機(jī)發(fā)出的有功功率和無功功率；而P_di和Q_di分別是相應(yīng)負(fù)荷節(jié)點(diǎn)需要的有功功率和無功功率；V_i為節(jié)點(diǎn)i的電壓幅值；G_ij和B_ij分別為節(jié)點(diǎn)i和節(jié)點(diǎn)j的互電導(dǎo)和互電納；V_j為節(jié)點(diǎn)j的電壓幅值；θ_ij為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間電壓的相角差；

潮流計(jì)算要滿足的不等式約束條件有：

①節(jié)點(diǎn)電壓必須滿足

V_i^min≤V_i≤V_i^max,i＝1,2,...,N

式中：V_gi表示節(jié)點(diǎn)i的電壓；V_i^max和V_i^min分別表示節(jié)點(diǎn)i電壓的上下限值；

②發(fā)電機(jī)節(jié)點(diǎn)的有功功率和無功功率必須滿足

$P_{gi}^{\min }\≤P_{gi}\≤P_{gi}^{\max },i=1,2,...,NG$

$Q_{gi}^{\min }\≤Q_{gi}\≤Q_{gi}^{\max },i=1,2,...,NG$

式中：P_gi和Q_gi分別表示發(fā)電機(jī)節(jié)點(diǎn)的有功功率和無功功率；和分別表示發(fā)電機(jī)節(jié)點(diǎn)有功功率的上下限值；和分別表示發(fā)電機(jī)節(jié)點(diǎn)無功功率的上下限值；

③無功補(bǔ)償裝置的投切組數(shù)必須滿足

$Q_{ci}^{\min }\≤Q_{ci}\≤Q_{ci}^{\max },i=1,2,...NC$

式中：Qc_i表示第i個(gè)無功補(bǔ)償裝置投切的容量；和分別表示無功補(bǔ)償裝置投切的容量的上下限值；

④變壓器的抽頭變比必須滿足

T_i^min≤T_i≤T_i^max,i＝1,2,...NT

式中：T_i表示第i臺(tái)變壓器的抽頭變比；T_i^max和T_i^min分別表示變壓器抽頭變比的上下限值；

⑤視在功率必須滿足

$S_{li}\≤S_{li}^{\max },i=1,2,...NL$

式中：S_li表示第i條輸電線路的視在功率；表示第i條輸電線路的視在功率的上限值。

5.根據(jù)權(quán)利要求1所述的基于反饋學(xué)習(xí)布谷鳥算法的電力系統(tǒng)優(yōu)化潮流方法，其特征在于，所述步驟得到種群改善率并作為反饋值以自適應(yīng)調(diào)節(jié)布谷鳥算法的控制參數(shù)具體包括：

所述的控制參數(shù)是布谷鳥算法中的步長(zhǎng)因子α和發(fā)現(xiàn)概率p_a，選取0.2作為種群改善率的期望值，反饋控制策略的執(zhí)行方式如下：

①如果改善率等于0.2，表明當(dāng)前的控制變量剛好使種群改善率處于最佳狀態(tài)，不需要調(diào)整；

②如果改善率小于0.2，表明當(dāng)前情況下找到更好解的概率降低，應(yīng)該增強(qiáng)對(duì)種群空間的開發(fā)，因此需要適當(dāng)減小控制變量α和p_a；

③如果改善率大于0.2，表明當(dāng)前情況下比較容易找到更好的解，為了提高搜索效率，應(yīng)該適當(dāng)增大控制變量α和p_a；

基于該反饋控制方法的控制變量更新公式為：

$\mathrm{\α}(t+1)=\left\{\begin{array}{cc}\mathrm{\α}\left(t\right)\·f_{\mathrm{\α}},& R\>0.2\\ \mathrm{\α}\left(t\right),& R=0.2\\ \mathrm{\α}\left(t\right)/f_{\mathrm{\α}},& R\<0.2\end{array}\right.,p_a(t+1)=\left\{\begin{array}{cc}{p}_a\left(t\right)\·f_p,& R\>0.2\\ p_a\left(t\right),& R=0.2\\ p_a\left(t\right)/f_p,& R\<0.2\end{array}\right.$

式中：R是種群改善率；f_α和f_p分別是步長(zhǎng)因子和發(fā)現(xiàn)概率的反饋控制因子。

6.根據(jù)權(quán)利要求5所述的基于反饋學(xué)習(xí)布谷鳥算法的電力系統(tǒng)優(yōu)化潮流方法，其特征在于，所述根據(jù)布谷鳥算法更新公式得到新的種群，布谷鳥算法是一種啟發(fā)式算法，具體更新公式為：

X_i(k+1)＝X_i(k)+stepsize_j*randn[D]

式中：X_i(k)表示粒子i在第k代的位置，X_i(k+1)表示粒子i在k+1代的新位置；D表示種群的維度，randn[D]函數(shù)表示生成一個(gè)D維的高斯分布，萊維飛行的步長(zhǎng)值stepsize_j由下面的公式計(jì)算。

${\mathrm{stepsize}}_j=\mathrm{\α}\·{\left(\frac{u_j}{v_j}\right)}^{1/\mathrm{\λ}}\·(X-X_{best})$

式中：α表示步長(zhǎng)因子；X_best表示當(dāng)前代的全局最優(yōu)解；u和v都服從標(biāo)準(zhǔn)正態(tài)分布，即u＝t^-λ×randn[D],v＝randn[D]；

通過位置更新后，用隨機(jī)數(shù)r∈[0，1]與發(fā)現(xiàn)概率p_a比較，p_a通常設(shè)置為0.25，如果p_a<r，則進(jìn)行隨機(jī)改變，反之不變；

$X_i(k+1)=\left\{\begin{array}{cc}{X}_i+rand\&CenterDot;(X_{r1}-X_{r2}),& p_a\&lt;r\\ X_i,& otherwise\end{array}\right.$

式中：X_r1和X_r2是第k代的兩個(gè)隨機(jī)解，p_a是發(fā)現(xiàn)概率。

7.根據(jù)權(quán)利要求5所述的基于反饋學(xué)習(xí)布谷鳥算法的電力系統(tǒng)優(yōu)化潮流方法，其特征在于，所述終止條件為判斷迭代是否達(dá)到了最大次數(shù)，若滿足則停止迭代并輸出全局最優(yōu)解，否則返回步驟3繼續(xù)循環(huán)執(zhí)行。