本文是一篇电气工程论文，本文提出了一种DG与SVG协调控制策略，并基于IHHO算法对DG-SVG接入配电网的无功优化进行计算，通过提高算法的快速性和精确性，从而有效降低配电网网损、提高电网电压。
第一章 绪论
1.1 研究背景及意义
随着中国经济的迅速增长和民众生活质量的提高，作为社会进步基础的电力需求不断上升。电力系统规模的扩大以及输配电线路的日益复杂化带来负荷波动的增加，这些因素共同挑战电力系统的稳定运行和电能质量的提升。电能质量，特别是配电网的稳定性，对于保障供电的安全和可靠至关重要。因此，合理规划配电网系统，确保配电网各部分工作电压在允许的波动范围内，成为提升整体电能质量的关键[1]。无功优化的实施不仅关乎配电网以至电力系统的稳定运行，更是确保人民生命财产安全、促进经济环保的必要措施[2]。
在传统的配电网中，无功补偿主要依靠传统的电力设备，如同步发电机、调相机等进行。然而，这些设备大多体积庞大、成本高昂，且调节速度慢，难以满足现代电力系统对于快速动态无功补偿的需求。随着风能、太阳能等新能源的不断接入和智能电网技术的发展，如何利用现代电力电子设备，如静止无功发生器、分布式电源(Distributed Generation, DG)等，进行更为高效、灵活的无功优化，成为了当前电力系统研究的热点。
在配电网的无功优化方面，DG的广泛应用带来新的挑战，如配电网结构的复杂性增加、电压控制与稳定性变化、功率质量降低等问题[3]。DG的接入会改变配电网的内部结构，对无功优化策略提出新的要求。因此，探索和创新无功优化方法，尤其是结合DG技术的应用，成为当前研究的重点。确保配电网中的无功电源与无功负荷之间的平衡，不仅可以提升系统的电压质量，防止大规模电力事故的发生，还可以显著减少因无功不平衡而造成的经济损失[4]。
1.2 配电网无功优化及算法研究现状
1.2.1 配电网无功优化研究现状
在配电网中，无功优化涉及复杂的变量和约束条件，包括连续变量如节点电压，和离散变量如无功补偿器的位置和容量，这使得无功优化过程变得复杂。无功优化分为规划和运行两部分。规划旨在设定无功补偿器位置，选择补偿类型来减少网损，保证电压稳定。运行则是在不改变设备的前提下，根据负荷变化调整补偿器的容量，以降低运行成本和网损[6]。
无功优化问题在配电网运行问题中是一个复杂且关键的任务，特点可以概括为以下几点：
(1)离散性：无功优化涉及多个离散变量，包括无功补偿设备操作和有载调压变压器调节，增加了问题的复杂性，要求优化算法能处理这些离散决策变量。
(2)非线性：无功优化的数学模型中包含复杂的非线性关系，特别是在约束条件中，如潮流方程。此类非线性方程会增加求解优化问题的难度，使得标准的线性优化方法不适用。
(3)大规模：随着配电网规模的扩大，包括电压等级的提高和网络节点、输电线路的增加，无功优化问题也随之变得更加庞大和复杂。这要求优化算法能够有效地处理大规模问题。
(4)初值对收敛性的影响：无功优化中，潮流方程的超越特性和非凸性导致可能有多解，使算法收敛性和解质量高度依赖初始参数。离散变量引入增加了满足连续可微条件的难度，进而影响算法效率和收敛性。
第二章 DG接入配电网的无功优化问题及理论
2.1 DG接入配电网的无功优化问题
2.1.1 DG接入配电网的特点
配电网是电力系统中负责将经过变电站降压处理后的电力输送给最终用户，如住宅、商业建筑和工业设施等的关键环节[35]。其由变电站、配电线路和配电设备等构成，负责将电力从高压输电网转换至符合日常使用标准的低压电力。随着分布式电源的广泛接入，这些局部生成的电力能够在接近消费点的地方被直接利用，减少传输损耗，提高能源效率。然而，DG的接入也给配电网的设计、运行和管理带来了新的挑战，包括如何有效地整合这些电源、确保电网稳定和电力质量、以及处理由此产生的双向电能流等问题。因此，配电网的角色不仅限于传统的电能输送，还包括了对DG的协调和优化，这对配电网的技术和策略提出了更高的要求[36]。一个简单的DG接入配电网的电力系统示意图如图2-1所示
DG接入的配电网与传统配电网相比表现出独特的特征和运作模式，以下是DG接入的配电网的主要特点[37]：
(1)拓扑结构变化：DG（如太阳能光伏、风力发电等）的接入使得配电网的拓扑结构更加复杂，由原本的单一供电方向变为多向供电，电能可以在多个点进入配电网。
(2)电压管理挑战：DG的波动性和不确定性增加了配电网的电压管理难度。电压可能因为DG的突然接入或断开而发生快速变化，需要更灵活的电压调节策略来保持电压稳定。
(3)保护协调问题：DG的接入可能影响配电网的保护系统设置和协调，尤其是在故障时，DG可能影响故障电流的大小和方向，使得现有的保护设备和策略需要重新评估和调整。
(4)能量流动多样化：DG的加入使得能量流动更加多样化，能量不仅从变电站流向用户，还可能在用户间流动，或由用户反馈回配电网，这要求配电网具备更好的调度和管理能力。
(5)无功功率调控复杂化：DG可能产生或吸收无功功率，影响配电网的无功平衡和电压水平。因此，配电网需要更灵活有效的无功功率调控机制，以适应DG接入带来的影响。
2.2 配电网无功功率调节
2.2.1 配电网中无功功率的补偿形式
在电力网络中，尤其是配电网，无功功率消耗较大，需要通过合理的补偿策略来减少传输损失并提高系统效率，即采取分层补偿和就地平衡原则，是关键。在实施无功补偿时，应综合考虑以下策略[39]：
(1)结合整体与局部平衡，优先考虑局部因素的影响。
(2)实施就地补偿和平衡，建议将用户无功功率补偿至50%至60%，确保网络稳定[40]。
(3)结合分散补偿和集中补偿，主要采用分散补偿，如在用户侧和配电网络节点进行补偿。
(4)结合降损和调压措施，主要依靠降损，通过并联电容器实现无功平衡，减少网络损耗，并通过电容器投切操作有效调节电压[41]。
通过这些策略，不仅可以降低无功功率消耗，提高配电网的运行效率，还能确保配电网安全稳定运行。
第三章 含DG与SVG的配电网潮流控制 ................... 27
3.1 DG的种类 .................... 27
3.1.1 风力发电 ........................... 27
3.1.2 光伏发电 .............................. 28
第四章 哈里斯鹰优化算法的分析与改进 ............................ 48
4.1 传统哈里斯鹰优化算法.......................... 48
4.1.1 搜索阶段 ........................ 48
4.1.2 过渡阶段 .................................. 49
第五章 改进哈里斯鹰优化算法的配电网无功优化 ............................ 63
5.1 改进哈里斯鹰优化算法无功优化的关键环节设计 .................... 63
5.2 IEEE-33节点系统算例仿真 ........................ 64
第五章 改进哈里斯鹰优化算法的配电网无功优化
5.1 改进哈里斯鹰优化算法无功优化的关键环节设计
(1)设置仿真算例
在配电网无功优化仿真前，需要用合适的潮流计算方法算例系统潮流，以确定无功补偿节点的位置。本文采用2.2节和3.3节提到的前推回代法和无功裕度分析法来计算潮流和确定补偿节点位置。
(2)选取适应度函数
在配电网的无功优化中，每个需要优化问题的一个解都由一个个体代表，而评估这些个体以找出最优解需要使用适应度函数，不同的优化算法可能会有不同的适应度函数，这取决于具体问题的需求[65]。本文中，为应用IHHO算法于无功优化问题，将适应度函数定义为与目标函数相关的无功损耗值，即个体的适应度越高(无功损耗值越低)，则该个体越接近最优解。这样，通过最小化无功损耗值来确定最佳的无功优化方案。
(3)算法终止条件
在算法终止条件的设定上存在两种主要方法[66]。一种方法是基于精度的设定，在算法执行过程中，若个体的计算结果与目标值的偏差小于设定的精度界限，算法终止并输出最优解。或者，根据设定的迭代上限，当达到此次数限制时，算法同样停止运行。考虑到本文中IHHO算法的运算性能以及通过多轮仿真得到的经验，选择后一种方法，即当迭代次数达到100次时，算法终止运行，此时认为已经获得足够接近最优解的结果。
第六章 结论与展望
随着DG广泛接入配电网，对配电网的稳定性和经济性提出更高的要求。配电网无功优化成为确保电网稳定运行和提高能源利用效率的关键。由于配电网的复杂性和动态性，传统的无功优化方法难以适应新的挑战。因此，本文提出了一种DG与SVG协调控制策略，并基于IHHO算法对DG-SVG接入配电网的无功优化进行计算，通过提高算法的快速性和精确性，从而有效降低配电网网损、提高电网电压。
本文首先分析DG接入下配电网的特点，及DG对电网网损和电压的影响，分析现有控制策略的不足，提出了一种DG-SVG协调控制策略，旨在减少配电网网损并提高电压稳定性。
随后介绍HHO算法的原理和特点，并根据HHO算法的不足，提出改进措施，包括Logistic混沌映射初始化种群、非线性能量因子更新策略和柯西-高斯变异策略。这些改进措施不仅增强算法的全局搜索能力，还提高算法的收敛速度和避免局部最优的能力。
最后为验证改进算法的精确性和快速性，本文以IEEE-33节点
