本发明属于电力系统规划方法，具体涉及基于改进波搜索算法的有源配电网自适应电压治理方法。
背景技术：
1、随着电力系统向智能化和可持续化转型，大规模分布式电源并网运行的新型电力系统受到越来越多的关注。有源配电网通过集成先进的电力电子器件和通信技术，实现了分布式能源的高效利用和管理。然而，当配电网系统中包含大量分布式能源时，电压波动和失调问题愈加突出，有时甚至破坏设备绝缘。
2、现有的电压治理方法往往基于预期设置的电网工作条件和负载水平，采用静态电压控制设备，缺乏对动态变化的响应能力，难以有效应对有源配电网中分布式能源快速接入和退出的情况。
技术实现思路
1、本发明的目的是提供基于改进波搜索算法(improvement wave searchalgorithm，iwsa)的有源配电网自适应电压治理方法，其具有分布式搜索和全局搜索能力强的特点，在处理种群粒子越限问题时具有一定的优越性，可以自适应有源配电网的动态变化，实现电压的实时、精确调控。
2、本发明所采用的技术方案是，基于改进波搜索算法的有源配电网自适应电压治理方法，包括以下步骤：
3、步骤1：在无功优化与配电网重构结合的电力系统模型基础上，在无功优化模块中引入场景参数模拟，构建随机场景潮流模型；
4、步骤2：对随机场景潮流模型中使用的波搜索算法进行logistic-tent混沌映射改进，利用logistic-tent混沌映射生成的混沌序列初始化种群，得到初始解集合；
5、步骤3：对初始解集合进行优化，得到最优个体，将最优个体进行自适应收敛因子改进及差分变异扰动，保留种群适应度最高的优化解；
6、步骤4：将步骤3中得到的适应度最高的优化解的集合进行约束条件判据，满足迭代终止条件后，对步骤3输出的结果进行统计，得到该系统最优无功容量补偿配置和网络损耗方案。
7、本发明的特点还在于：
8、步骤1中随机场景潮流模型具体为：
9、
10、其中，f(·)为上层模型目标函数；n(·)为下层模型目标函数；g(·)代表上层约束函数；g(·)代表下层约束函数；ks为不同场景下的系数。
11、场景参数模拟的条件包括系统负荷需求、气象条件变化。
12、在随机场景潮流模型中，将配电网各节点电压、支路电流、传输功率进行约束条件限制。
13、步骤2具体包括以下步骤：
14、步骤2.1：将随机场景潮流模型的参数初始化，生成初始电磁波粒子位置；
15、步骤2.2：利用logistic-tent映射函数，生成式(6)的logistic-tent混合映射的混沌序列，并利用式(6)对初始电磁波粒子位置进行更新；
16、
17、其中，r1为logistic映射的参数；r2是调节系统非线性程度的控制参数，r2的范围是(0,4)；
18、步骤2.3：将步骤2.2中更新后的电磁波粒子位置种群带入潮流计算方程，利用牛顿拉夫逊迭代法进行迭代计算，得到每个电磁波粒子的适应值；
19、步骤2.4：将步骤2.3中得到的电磁波粒子适应值的集合按照适应值大小进行排序，利用式(8)逐步缩小搜索范围生成种群并在逐步缩小搜索范围的过程中，利用式(9)的改进贪心机制控制种群在全局最优位置的附近；
20、w1new＝wmin+r3(wmax-wmin) (8)；
21、
22、其中，wmin是w各维上的最小值组成的向量，wmax是w各维上的最大值组成的向量，fmean是所有粒子适应度值的平均值，r3是0到1之间的随机数。
23、步骤3具体包括以下步骤：
24、步骤3.1：利用式(10)对种群进行更新，生成种群并借助改进贪心机制，使位置不劣于位置，对种群进行边界处理，得到处理后的种群
25、
26、其中，t为当前迭代次数，t为总迭代次数，σ为波形大小控制系数，m为种群粒子服从正态分布并按顺序排列的列向量，wl为w按与wbest的接近程度重新排列后的位置矩阵；
27、步骤3.2：对种群进行校正处理，得到最优个体；
28、步骤3.3：将步骤3.2中最优个体进行自适应收敛因子改进和差分变异扰动，得到适应度最高的优化解；
29、步骤3.4：采用中心差分法对无功优化上层模型目标函数进行优化，并将优化后的目标函数用于下一轮迭代过程中。
30、步骤3.3中自适应收敛因子改进和差分变异扰动的具体策略为，引入自适应步长和差分变异两个策略来增强算法的性能，自适应步长调整公式为：
31、
32、其中，α2为步长系数，将α2的初始值设为α0＝0.4；t为当前迭代次数；t为总迭代次数；
33、差分变异具体为利用式(14)和式(15)对最优个体再次寻优，个体生成公式为：
34、
35、其中，g是收敛判据因子；分别为种群中的不同个体。
36、本发明的有益效果是：
37、1)本发明方法中采用结合了确定性和不确定性改进策略的iwsa算法，使得迭代过程在电压允许范围内能够以较少的迭代次数获得最优解，从而避免了现有的wsa算法所产生高昂的计算成本和运行内存；同时引入logistic-tent混沌映射策略，重新评估初始种群的适应度排序，提高了算法的效率和精度，增强种群的随机性；
38、2)iwsa算法将不同解集的元素进行随机交叉，同时在交叉过程中使用自适应收敛因子来调整交叉操作的强度和范围，提升最优个体挖掘能力；并将种群优化个体采用差分变异策略再次进行寻优迭代，提高了算法的全局搜索能力，避免陷入局部最优；
39、3)本发明方法将电压治理中静态参数给定优化为动态自适应寻优策略，并搭建控制量与状态量的联系和数据驱动，从而更好地解决了分布式电源并网运行中电压越限问题。
1.基于改进波搜索算法的有源配电网自适应电压治理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进波搜索算法的有源配电网自适应电压治理方法，其特征在于，步骤1中所述随机场景潮流模型具体为：
3.根据权利要求2所述的基于改进波搜索算法的有源配电网自适应电压治理方法，其特征在于，所述场景参数模拟的条件包括系统负荷需求、气象条件变化。
4.根据权利要求2所述的基于改进波搜索算法的有源配电网自适应电压治理方法，其特征在于，在所述随机场景潮流模型中，将配电网各节点电压、支路电流、传输功率进行约束条件限制。
5.根据权利要求2所述的基于改进波搜索算法的有源配电网自适应电压治理方法，其特征在于，步骤2具体包括以下步骤：
6.根据权利要求5所述的基于改进波搜索算法的有源配电网自适应电压治理方法，其特征在于，步骤3具体包括以下步骤：
7.根据权利要求6所述的基于改进波搜索算法的有源配电网自适应电压治理方法，其特征在于，步骤3.3中自适应收敛因子改进和差分变异扰动的具体策略为，引入自适应步长和差分变异两个策略来增强算法的性能，所述自适应步长调整公式为：
