混合GA–PSO框架用于配电网中无源滤波器优化配置与定容

《Energy Exploration & Exploitation》：Hybrid GA–PSO framework for optimal passive filter placement and sizing in distribution networks

　　

本文提出了一种结合粒子群优化(PSO)和遗传算法(GA)的混合优化框架，用于确定配电系统中无源谐波滤波器的最优位置与容量。目标是降低电压畸变和有功功率损耗，同时满足IEEE 519的谐波限值和IEEE Std. 18的电容器要求。在所提出的方法中，首先利用PSO快速识别能够显著降低总谐波畸变(THD)的候选解，随后GA对这些解进行细化，以在不违反谐波约束的前提下进一步提升系统性能。该方法在IEEE 14节点测试系统和由Tubas区电力公司(TDECO)运营的实际674节点配电网中进行了评估。采用敏感性分析和非线性负载位置随机化来评估优化结果的鲁棒性。结果表明，与单独算法相比，混合GA–PSO方法提供了有竞争力的稳定性能。在IEEE 14节点系统中，最大THD从基态情况下9号母线的5.61%降至使用一个滤波器时的1.4%，以及使用两个滤波器时的0.594%。对于大规模TDECO网络，最大THD从原始系统的6.34%降至使用一个滤波器时的0.919%和使用两个滤波器时的0.323%，同时降低了有功功率损耗。结果证实，混合优化策略在基准和实际配电网中以相对较低的计算负担有效缓解了谐波，使其适用于实际应用。

随着现代电力系统中电力电子设备的广泛应用，配电网中的谐波畸变问题日益严重。整流器、牵引驱动、变速驱动、变流器及电弧炉等非线性负载使电流和电压波形偏离理想正弦形状，产生谐波分量。谐波会导致变压器和电缆过热、保护装置误动、计量不准确、功率因数降低及功率损耗增加，严重时甚至引发谐波谐振，威胁设备安全。国际标准IEEE 519和IEEE Std. 18为谐波限值和电容器应用提供了指导，但仅满足标准并不能完全消除谐波。无源滤波器因其简单、可靠、成本较低而被广泛采用，但其性能强烈依赖于安装位置、调谐频率和无功容量。确定最优滤波器配置是一个高度非线性和多维度的优化问题，尤其在大规模网络中。已有研究多采用单一算法，且常忽略有功损耗最小化、未将IEEE限值直接纳入优化过程，也缺乏在大型实际电网中的验证。因此，需要一种能够同时解决谐波抑制、损耗降低、工程约束和规模化应用的综合优化框架。

针对上述问题，研究人员提出了一种基于粒子群优化(PSO)和遗传算法(GA)的混合优化框架。该框架采用顺序两阶段架构：第一阶段利用PSO进行全局探索，快速识别显著降低总谐波畸变(THD)的候选解；第二阶段利用GA在保持谐波性能约束的前提下细化解，以最小化有功功率损耗。通过自适应惩罚函数将IEEE 519谐波限值和IEEE Std. 18电容器约束直接集成到优化过程中。该框架在IEEE 14节点基准系统和包含674个节点的TDECO实际配电网中进行了验证，并通过随机化非线性负载位置评估鲁棒性。结果表明，混合方法在THD降低、损耗减少和计算效率方面均表现出竞争力：IEEE 14节点系统最大THD从5.61%降至0.594%（双滤波器）；TDECO网络最大THD从6.34%降至0.323%（双滤波器），同时降低了有功损耗。该研究为大型实际配电网的谐波抑制提供了高效、可扩展且实用的工具，具有重要意义。相关论文发表在《Energy Exploration 》。

本研究采用的主要技术方法包括：结合牛顿-拉夫逊法的基波潮流计算与谐波潮流分析；将非线性负载建模为谐波电流源；采用混合GA-PSO优化算法，其中PSO阶段用于THD最小化，GA阶段在THD约束下优化有功损耗；通过动态惩罚函数处理IEEE 519谐波限值、IEEE Std. 18电容器额定值、品质因数等约束；利用频率扫描避免谐振。样本来源包括IEEE 14节点基准系统和TDECO实际配电网（含408条架空线、33条地下电缆、267台变压器及230个负荷）。

**统计性能评估**：通过30次独立优化运行，计算THD和有功损耗的均值与标准差。结果表明，在双滤波器配置下，混合GA–PSO在IEEE 14系统中平均THD最低(0.713%)，优于PSO(0.817%)和GA(1.032%)；在TDECO系统中，混合方法也获得最低平均THD(0.84%)，验证了其鲁棒性和规模化能力。

**敏感性分析**：通过变化调谐次数、滤波器无功容量和品质因数，并随机化非线性负载位置，发现混合方法在不同条件下均产生稳定解，对参数变化不敏感，能够保持THD在可接受范围内。

**IEEE 14节点系统测试结果**：基态最大THD在9号母线为5.61%。安装一个滤波器后，混合方法将THD降至约1.4%；安装两个滤波器后进一步降至0.594%。GA在单滤波器时THD最低(1.36%)，但混合方法在双滤波器时与PSO持平并优于GA。有功损耗也得到降低。

**第二个案例研究：Tubas区电力公司测试结果**：基态最大THD在549号母线为6.34%。单滤波器时所有算法收敛到相同配置，THD约0.92%；双滤波器时，混合方法达到最低THD约0.323%，有功损耗最低约3.2×10^?4 MW。

**收敛性**：收敛性分析显示，混合方法需要的迭代次数略多于单独算法，但能持续收敛到更优解，且计算时间实际：IEEE 14系统小于30秒，TDECO系统约1分钟。

在讨论中，研究人员指出，与单独GA和PSO相比，混合方法结合了PSO的全局搜索和GA的局部细化优势，在大型网络和多滤波器场景中表现更稳定。虽然单滤波器情况下搜索空间简单，所有算法都能找到相近解，但在双滤波器配置下，混合方法的优势明显。与文献中其他方法（如NSGA-II、水母搜索算法、蝠鲼觅食优化）相比，混合GA–PSO在THD、损耗、运行时间和鲁棒性之间取得了平衡。

本文介绍了一种用于配电系统无源谐波滤波器最优配置与定容的混合GA–PSO方法。目标是在满足IEEE谐波标准的同时降低谐波畸变和有功功率损耗。该框架在IEEE 14节点基准系统和TDECO的674节点实际配电网两个网络上进行了评估。为确保实际运行条件，仿真中随机化非线性负载位置，并重复优化过程以评估结果稳定性。对于IEEE 14节点系统，基态最大THD为5.61%（9号母线）。使用混合方法安装一个滤波器后，最大THD降至约1.4%，使用两个滤波器后进一步降至0.594%，相关功率损耗降至10^?6 MW量级。在更大的TDECO系统中也观察到类似改进。原始情况下，最大THD在549号母线达到6.34%。安装一个优化滤波器后，THD降至0.919%，使用两个滤波器时混合方法进一步降至0.323%，同时降低了有功功率损耗。通过30次独立优化运行进行了统计比较以评估算法一致性。结果表明，混合GA–PSO保持了有竞争力的平均性能并提高了鲁棒性。对于带两个滤波器的IEEE 14节点系统，混合方法实现了最低平均THD 0.713%，而PSO为0.817%，GA为1.032%，同时保持了相当的功率损耗。对于带两个滤波器的TDECO网络，混合方法也表现出改进的谐波抑制效果，平均THD为0.84%，低于单独使用GA和PSO的结果。结果还证实了两种算法的互补特性。PSO提供了快速的全局搜索，而GA改进了候选解的局部细化。通过结合这些优势，混合GA–PSO框架能够一致地识别出在谐波抑制和损耗最小化之间取得平衡的高质量滤波器配置。从实际角度看，所提方法在两个网络上的计算时间均较短，表明该方法适用于实际配电系统。该框架的灵活性也使其能够适应不同规模和运行条件的其他网络。因此，所提出的GA–PSO优化框架是缓解现代配电系统谐波畸变的一种有效且实用的工具。