（云南电网有限责任公司昆明供电局 650000）
0引言
最近几年来，伴随着我们国家的电力工业不断发展壮大，达到无功优化也已经成为了电力系统控制与运行的重点研究对象。在电力体制改革纵深推进，电力市场放开的大背景下，供电电压质量是电力系统电能质量的重要指标之一，而供电电压质量的好坏主要取决于电力系统无功潮流分布是否合理，所以，无功优化是合理分布电力系统无功潮流以及保证电网系统安全经济运行的有效手段。所谓的无功优化，就是指在给定的系统结构参数和负荷的情况下，通过对一些特定控制变量进行优化，并在一定的约束条件下，使得系统的一个或者是多个性能的指标都能够实现最佳时的一种无功调节方法。
1电网无功优化问题研究现状
20世纪80年代以前，我国电网长期处于低电压水平，主电网不稳定事故时有发生，给电力工业和其他经济部门造成了不可估量的损失。2003年以来，电网电压水平得到不断改善，无功补偿设备的容量基本上与新增发电设备的容量相适应，但是仍然存在一些问题，如电网轻载影响设备安全运行，重载又影响用户正常生活等问题。另外，随着电力系统的发展，电网规模的增大，电压问题越来越复杂，出现电压崩溃并发展成为全网性事故的可能性也在增加，所以，电力系统的电能质量亟待全面改善和提高。电力系统无功优化，可以合理运用电压无功调节手段，增强对电压无功的调控能力，提高电网电压合格率以保证电能质量，使电力部门和用户总体设备的运行指标达到最佳状态。
无功优化虽然可以提高电能质量，解决电力系统安全经济运行的部分矛盾，但其本身也存在以下问题：
(1)无功电源点缺乏的问题
(2)无功优化控制方面的问题
(3)动态无功优化中的问题
(4)负荷变化的问题
2基于人工智能算法的电网无功优化模型
模型是无功优化问题的基础，电力系统无功优化问题一般可以表示为以下的通用数学模型[10]：
.png)
式中，u表示控制变量；x表示状态变量。u包括发电机的机端电压，有载调压变压器的档位，电容、电抗器。x包括除平衡节点外其他所有节点的电压相角，除平衡节点和PV节点外的节点的电压模值，PV节点的无功出力。
约束条件包括等式约束和不等式约束，等式约束即满足潮流方程；不等式约束可考虑：PV节点的电压，有载调压变压器的档位，无功补偿装置的组数等控制变量上下限；PQ节点的电压幅值，PV节点无功注入，支路电流幅值等状态变量上下限。
通过引入人工智能算法，通过迭代的方式，从不同的需求角度出发，可以找到的目标函数的不同边界条件。这里，分别可以从经济性、系统安全性和无功注入总成本最小等角度出发去选取目标函数。自然地，在不同的目标函数下，一般模型也可以衍生为不同的无功优化模型。人工智能中典型的非线性规划法是处理无功优化问题最直接的方法，这种方法的数学模型建立比较直观、比较精确地反映了电力系统的实际。它能够兼顾电力系统的安全性、经济性和电能质量，因而受到重视。
电力系统无功优化是一个多约束、多变量混合非线性规划问题，其控制变量既有离散变量，又有连续变量，且是一个多峰值函数。其优化过程复杂，所需计算量大，对该问题的求解，必然需要选择合适的计算方法。若算法选用不当，或不能求解，或陷入局部最优解，不能得到全局最优解。而求解无功优化问题的算法主要有常规优化算法和智能优化算法两大类。
人工神经网络又称连接机制模型或并行分布处理模型，是由大量简单元件广泛连接而成的，用以模拟人脑行为的复杂网络系统。十几年来，此理论研究取得了重大成果，提出了许多模型及其计算理论，并被应用于电力系统的诸多方面。有研究者提出了一种基于非线性规划人工神经网络模型的无功电源最优分布方法，并用一个30节点的系统验证了其可行性[19]。虽然人工神经网络算法有执行速度较快的优点，但人工神经网络在训练过程中很易陷入局部极小点。
3优化模型分析与比较
经典无功优化算法的优点是在理论上比较成熟，有坚实的数学基础，计算速度也比较快，但由于采用单路径寻优模式，故存在可能无法找到全局最优解的可能性。其次由于对变压器可调分接头、并联补偿电容器组的投切组数等离散控制变量采取了连续化假设，所以通过这些方法求得的连续解无论如何精，仍然存在一定误差。
智能优化算法可方便处理离散变量，对目标函数没有特殊要求，不存在“维数灾”问题，且一般全局搜索能力较强，能以较大概率搜索到全局最优解，解决无功优化问题的优越性已得到众多实例验证，缺点是还没有严格的数学证明。
针对各种算法自身缺点提出的改进算法，有针对性地解决了该算法的不足，在解决无功优化问题时表现出较好的性能；结合各算法特征的混杂算法可以综合各单一算法优点，应用于无功优化问题时，相对于单一算法，表现出全局收敛性好、计算精度高、计算速度快等更加优越的性能。
4结束语
通过对电力系统无功优化方法进行了分类，分析人工智能方法的优劣。无功优化问题受到广泛关注，引得众多学者倾力研究。在现代化的以计算机为基础的能量管理系统（EMS）中，无功优化已成为其核心软件之一，但无论在实践上还是理论上，仍有许多问题亟待解决，达到无功优化的实用化，尚有一段距离。随着现代电力系统规模的日益扩大，人工智能优化方法及与经典优化算法相结合的方法应该是电力系统无功优化的趋势。由于无功优化问题其本身的复杂性，迄今为止也没有公认的最优模型与算法。随着科技的发展，问题研究的深入，相信会有更加完善的优化模型及算法出现。