CN104638637A - 基于agc与avc的协调优化控制方法 - Google Patents

Abstract

本发明公开了一种基于AGC与AVC的协调优化控制方法；选取由AGC和AVC协调控制的电网区域，给定电网基础参数，初始化粒子各类参数，产生初始种群；选取控制目标和约束条件，计算选取电网区域的潮流，确定粒子新的位置和速度信息；引进惯性权重和收缩因子对原始粒子群算法进行改进，对步骤二中粒子进行粒子群优化计算，得到较优种群；对由步骤三得到的较优粒子进行杂交变异，更新新的粒子，计算变异前后粒子的适应度函数值；对由步骤四得到粒子模拟退火衰减，并进行新一轮的潮流计算；判断收敛条件，输出优化控制结果。本发明解决了AGC与AVC协调优化控制的问题，优化了***潮流、改善电网频率和电压品。

Description

基于AGC与AVC的协调优化控制方法

技术领域

本发明涉及一种基于AGC与AVC的协调优化控制方法。

背景技术

目前，我国电网主要采用自动发电控制(AGC)和自动电压控制(AVC)分别调节电网的有功和无功，以维持频率和电压的稳定。在电网中，有功与无功有着弱耦合的关系，而目前AGC与AVC的控制大多是基于有功与无功相互解耦的情形设计的，它们各自调整着电网的频率和电压，并未考虑到有功频率的调节与无功电压的调节之间的相互影响。AGC的调整影响AVC的控制效果，从而引起AVC的调节；而AVC的调节又会影响AGC的控制效果，从而又引起AGC的调节。如此引发AGC与AVC的往复调节，既降低了控制装置的工作效率，又影响了电网的正常运行。AGC与AVC间缺乏协调将引起不利于电网的安全稳定性，并影响电网的经济性以及电能质量。

发明内容

本发明的目的是提供一种快速有效、安全实用的基于AGC与AVC的协调优化控制方法。

本发明提供的这种基于AGC与AVC的协调优化控制方法，该方法包括如下步骤：

步骤一，选取由AGC和AVC协调控制的电网区域，给定电网基础参数，初始化粒子各类参数，产生初始种群；

步骤二，选取控制目标和约束条件，计算选取电网区域的潮流，确定粒子新的位置和速度信息；

步骤三，引进惯性权重和收缩因子对原始粒子群算法进行改进，对步骤二中粒子进行粒子群优化计算，得到较优种群；

步骤四，对由步骤三得到的较优粒子进行杂交变异，更新新的粒子，计算变异前后粒子的适应度函数值；

步骤五，对由步骤四得到粒子模拟退火衰减，并进行新一轮的潮流计算；

步骤六，判断收敛条件，输出优化控制结果。

所述电网基础参数包括各发电机有功出力、各发电机无功出力、中枢节点电压和区域联络线功率。

所述控制目标为电网网损、无功均衡度、中枢节点电压偏差和区域间联络线功率偏差；

电网网损是反映电网运行的经济性指标，将其定义为：

$f_1(P_{\mathrm{Gi}},V_{\mathrm{Gi}})=\frac{\underset{i,j\∈l}{\overset{L}{\mathrm{\Σ}}}2V_i{V}_j{G}_{\mathrm{ij}}\cos {\mathrm{\θ}}_{\mathrm{ij}}}{S_B}---\left(1\right)$

式中，P_Gi表示第i台发电机的有功出力，V_Gi表示第i台发电机的机端电压；V_i表示节点i的电压幅值，V_j表示节点j的电压幅值，G_ij表示导纳矩阵中对应元素的实部，θ_ij表示支路i,j端点间的相角差；S_B表示***的基准容量；

无功均衡度是反映电网运行的安全性指标，将其定义为：

$f_2(P_{\mathrm{Gi}},V_{\mathrm{Gi}})=\frac{\underset{k}{\mathrm{\Σ}}\underset{i\∈A_k}{\mathrm{\Σ}}{(Q_{\mathrm{lev},i}-{\stackrel{\‾}{Q}}_{\mathrm{lev},A_k}^{\mathrm{ref}})}^2}{{S_B}^2}---\left(\text{2}\right)$

式中，Q_lev,i表示第i台发电机的无功出力水平，表示第A_k个区域的发电机组无功出力水平；

中枢节点电压偏差和区域间功率偏差是反映电网运行的运行质量性指标，将其分别定义为：

$f_3(P_{\mathrm{Gi}},V_{\mathrm{Gi}})=\frac{\mathrm{\Σ}\left|{\mathrm{\ΔV}}_P\right|}{V_B}=\frac{\mathrm{\Σ}|V_P-V_P^{\mathrm{ref}}|}{V_B}---\left(3\right)$

$f_4(P_{\mathrm{Gi}},V_{\mathrm{Gi}})=\frac{\mathrm{\Σ}\left|{\mathrm{\ΔP}}_T\right|}{S_B}=\frac{\mathrm{\Σ}|P_T-P_T^S|}{S_B}---\left(4\right)$

其中，f₃为中枢节点电压偏差；f₄为区域间功率偏差；

式(3)中，V_B为***基准电压，V_P为中枢节点实际电压，为中枢节点 电压参考值，ΔV_P为中枢节点实际电压偏差；

式(4)中，P_T表示联络线功率实际值，表示联络线功率设定值，ΔP_T表示实际联络线功率偏差。

所述发电机的无功出力水平，如式(2-1)所示：

$Q_{\mathrm{lev}}=\frac{Q_G-Q_G^{\min }}{Q_G^{\max }-Q_G^{\min }}---(2-1)$

式中，Q_G表示发电机无功出力的实际值，表示发电机无功出力的最大值，表示发电机无功出力的最小值；

同理，定义一个区域A_k的无功出力水平，用该区域内所有发电机实际无功出力与最小无功出力之差的和与所有发电机最大无功出力与实际无功出力之差的和作商，如式(2-2)所示：

${\stackrel{\‾}{Q}}_{{\mathrm{lev},A}_k}=\frac{\underset{i\∈A_k}{\mathrm{\Σ}}(Q_{\mathrm{Gi}}-Q_{\mathrm{Gi}}^{\min })}{\underset{i\∈A_k}{\mathrm{\Σ}}(Q_{\mathrm{Gi}}^{\max }-Q_{\mathrm{Gi}}^{\min })}---(2-2)$

式(2-2)得到比值，即为该区域发电机的无功出力水平。

所述中枢节点电压偏差越小，各负荷节点的电压越接近额定电压，电网运行质量越高。

所述约束条件包括各台发电机有功、无功出力不越界，节点电压不越界和线路潮流不越限。

所述惯性权重描述了粒子的历史速度对当前速度的影响，其取值大小用于调节算法的局部及全局搜索能力；所述收缩因子能保证算法收敛且提高收敛速度；惯性权重让粒子某时刻更新的速度中的原始速度分量所占权重减小，而收缩因子整体减小了粒子更新后的速度。

所述步骤四从初步寻优后的粒子群中选取一定数量的粒子，按下式进行杂交：

$\left\{\begin{array}{c}{x}_i^{*}={\mathrm{px}}_i+(1-p)x_j\\ x_j^{*}={\mathrm{px}}_j+(1-p)x_i\end{array}\right.---\left(5\right)$

其中，x_i，x_j为较优粒子群中的粒子，为杂交后得到的新粒子，p为在[0,1]上均匀分布的随机数。x_i，x_j，分别为对应粒子的位置；其对应的适应度函数分别用f(x_i)，f(x_j)，表示，当满足：

$\min \{1,\exp (f\left(x_i\right)-\frac{f\left(x_i^{*}\right)}{t})\}>p---(5-1)$

则用代替x_i；

同理，若满足：

$\min \{1,\exp (f\left(x_j\right)-\frac{f\left(x_j^{*}\right)}{t})\}>p---(5-2)$

则用代替x_j；

其中，t为模拟退火算法控制参数，随着进化代数的增加不断变化；

若不满足，则跳转到执行所述步骤五。

所述步骤五在确定x_i后，进行退火衰减；此处选用t为模拟退火算法控制参数，其值随着进化代数的增加不断变化；令q′＝Cq，其中，C为模拟退火冷却系数；q′为衰减后的控制参数，同时进行新一轮潮流计算。

所述收敛条件为：若已达到最大迭代次数或是两次迭代的误差在允许范围内，则算法完成，输出协调优化结果；否则，跳转到步骤三，继续粒子群优化和模拟退火变异。

本发明通过改进模拟退火粒子群算法，解决了AGC与AVC协调优化控制的问题，实现了对***AGC、AVC更好的控制。与现有方案相比，本发明具有以下优点：

1、本发明提高了电网的控制水平。针对电网有功与无功的弱耦合现象，克服现有AGC对有功单独控制，AVC对电压单独控制，二者缺乏协调配合的问题。

2、本发明将AGC与AVC进行协调优化控制，实现了AGC与AVC统一建模、联立求解、协调控制，从而优化***潮流、改善电网频率和电压品质、合理安排机组备用容量，维持电网安全稳定运行。

3、本发明的收敛性好，运行速度快，能够满足在线计算的要求，可以更好 地维持电网安全稳定运行，从而提高了电网的调度和运行质量，对于制定电网运行方式有很好的指导意义。

附图说明

图1为本发明的一种实施方式的流程图。

图2为本发明的实施方式的示意图。

具体实施方式

下面结合附图及实施例对本发明作进一步的说明。

如图1所示，本发明包括如下步骤：

步骤1，选取的电网区域具有AGC和AVC功能，给点基础参数包括区域内各发电机有功出力、各发电机无功出力、中枢节点电压和区域间联络线功率，初始化粒子各类参数包括种群规模、最大进化次数、学习因子数值。

如图2所示，这里的电网基础参数选择新英格兰10机39节点***，给定各个机组的有功、无功额定值以及额定电压，且该***中的发电机均参与出力调整，同时也均参与机端电压调整。初始化粒子群规模N＝20，最大进化代数T＝100，学习因子c₁＝c₂＝1.5；

步骤2，选取控制目标为电网网损、无功均衡度、中枢节点电压偏差和区域间联络线功率偏差。约束条件为各台发电机有功、无功出力不越界、节点电压不越界、线路潮流不越限以及潮流方程，计算选取电网区域的潮流。

S2.1控制目标电网网损是反映电网运行的经济性指标，将其定义为

$f_1(P_{\mathrm{Gi}},V_{\mathrm{Gi}})=\frac{\underset{i,j\∈l}{\overset{L}{\mathrm{\Σ}}}2V_i{V}_j{G}_{\mathrm{ij}}\cos {\mathrm{\θ}}_{\mathrm{ij}}}{S_B}---\left(1\right)$

式中，S_B表示***的基准容量，P_Gi表示第i台发电机的有功出力，V_Gi表示第i台发电机的机端电压。V_i表示节点i的电压幅值，V_j表示节点j的电压幅值，G_ij表示导纳矩阵中对应元素的实部，θ_ij表示支路i,j端点间的相角差。

S2.2首先，分别定义发电机的无功出力水平，如式(2-1)所示。

$Q_{\mathrm{lev}}=\frac{Q_G-Q_G^{\min }}{Q_G^{\max }-Q_G^{\min }}---(2-1)$

式中，Q_G表示发电机无功出力的实际值，表示发电机无功出力的最大值， 表示发电机无功出力的最小值。

同理，可以定义一个区域A_k的无功出力水平，用该区域内所有发电机实际无功出力与最小无功出力之差的和与所有发电机最大无功出力与实际无功出力之差的和作商，得到比值，即为该区域发电机的无功出力水平。如式(2-2)所示。

${\stackrel{\‾}{Q}}_{{\mathrm{lev},A}_k}=\frac{\underset{i\∈A_k}{\mathrm{\Σ}}(Q_{\mathrm{Gi}}-Q_{\mathrm{Gi}}^{\min })}{\underset{i\∈A_k}{\mathrm{\Σ}}(Q_{\mathrm{Gi}}^{\max }-Q_{\mathrm{Gi}}^{\min })}---(2-2)$

因此，将反映电网运行的安全性指标的无功均衡度定义为：

$f_2(P_{\mathrm{Gi}},V_{\mathrm{Gi}})=\frac{\underset{k}{\mathrm{\Σ}}\underset{i\∈A_k}{\mathrm{\Σ}}{(Q_{\mathrm{lev},i}-{\stackrel{\‾}{Q}}_{\mathrm{lev},A_k})}^2}{{S_B}^2}---\left(\text{2}\right)$

其中，Q_lev,i表示第i台发电机的无功出力水平，表示第A_k个区域的发电机组无功出力水平。

S2.3控制目标中枢节点电压偏差和区域间功率偏差是反映电网运行的运行质量性指标，将其分别定义为：

$f_3(P_{\mathrm{Gi}},V_{\mathrm{Gi}})=\frac{\mathrm{\Σ}\left|{\mathrm{\ΔV}}_P\right|}{V_B}=\frac{\mathrm{\Σ}|V_P-V_P^{\mathrm{ref}}|}{V_B}---\left(3\right)$

$f_4(P_{\mathrm{Gi}},V_{\mathrm{Gi}})=\frac{\mathrm{\Σ}\left|{\mathrm{\ΔP}}_T\right|}{S_B}=\frac{\mathrm{\Σ}|P_T-P_T^S|}{S_B}---\left(4\right)$

其中，f₃为中枢节点电压偏差；f₄为区域间功率偏差。式(3)中，V_B为***基准电压，V_P为中枢节点实际电压，为中枢节点电压参考值，ΔV_P为中枢节点实际电压偏差。中枢节点电压偏差越小，各负荷节点的电压越接近额定电压，电网运行质量越高。式(4)中，P_T表示联络线功率实际值，表示联络线功率设定值，ΔP_T表示实际联络线功率偏差。

步骤3，引进惯性权重和收缩因子对原始粒子群算法进行改进，对步骤2中 粒子进行粒子群优化计算，得到较优种群。

S3.1惯性权重w描述了粒子的历史速度对当前速度的影响，它的取值大小可以调节算法的局部及全局搜索能力，这里选用惯性权重按指数函数规律递减的形式，即其中w_max取0.9，t表示当前的进化代数，T_max表示最大进化代数，取T_max为100。

S3.2收缩因子χ能保证算法收敛且提高收敛速度，惯性权重让粒子某时刻更新的速度中的原始速度分量所占权重减小，而收缩因子整体减小了粒子更新后的速度，这里选取收缩因子为常数的形式，即取收缩因子χ＝0.729。

步骤4，步骤3得到的较优粒子进行杂交变异，更新新的粒子，计算变异前后粒子的适应度函数值。

S4.1从初步寻优后的粒子群中选取一定数量的粒子，按下式进行杂交：

$\left\{\begin{array}{c}{x}_i^{*}={\mathrm{px}}_i+(1-p)x_j\\ x_j^{*}={\mathrm{px}}_j+(1-p)x_i\end{array}\right.---\left(5\right)$

其中，x_i，x_j为较优粒子群中的粒子，为杂交后得到的新粒子，p为在[0,1]上均匀分布的随机数。x_i，x_j，分别为对应粒子的位置。它们对应的适应度函数分别用f(x_i)，f(x_j)，表示，f(x)是代表上述各个目标函数f₁～f₄，当满足：

$\min \{1,\exp (f\left(x_i\right)-\frac{f\left(x_i^{*}\right)}{t})\}>p---(5-1)$

则用代替x_i。

同理，若满足：

$\min \{1,\exp (f\left(x_j\right)-\frac{f\left(x_j^{*}\right)}{t})\}>p---(5-2)$

则用代替x_j。

其中，t为模拟退火算法控制参数，随着进化代数的增加不断变化。

若不满足，则跳转到执行步骤5。

步骤5，对由步骤4得到粒子模拟退火衰减，并进行新一轮的潮流计算。

S5.1确定x_i后，进行退火衰减。这里选用为模拟退火算法控制参数，它的值随着进化代数的增加不断变化，令t'＝Ct，其中，C为模拟退火冷却系数。为衰减后的控制参数，这里取模拟退火初始控制参数q＝100000。

其中，C为模拟退火冷却系数。t'为衰减后的控制参数。模拟退火冷却系数C＝0.8，模拟退火初始控制参数t＝1000000。

步骤6，判断收敛条件，输出优化控制结果。

S6.1若已达到最大迭代次数(设最大迭代次数T_max＝100)或是两次迭代的误差在允许范围内，则算法完成，输出协调优化结果。否则，继续粒子群优化和模拟退火变异，即跳转到步骤3。

本发明针对本实施例的输出最终优化结果如下：

1)AGC与AVC协调控制下，***网损45.4821(MW)，低于AGC单独控制下***网损47.4821(MW)，高于AVC单独控制下***网损43.4213(MW)；

2)AGC与AVC协调控制下，***发电机无功均衡度0.5768，低于AVC单独控制下***无功均衡度0.6034，高于AGC单独控制下***无功均衡度0.4359；

3)AGC与AVC协调控制下，以节点1为例，***中枢节点电压0.018(p.u.)，低于AGC单独控制下***中枢节点电压0.02(p.u.)，高于AVC单独控制下***中枢节点电压0.011(p.u.)；

4)AGC与AVC协调控制下，以联络线3为例，***区域间联络线功率偏差1.0(MW)，低于AVC单独控制下***区域间联络线功率偏差3.8(MW)，高于AGC单独控制下***区域间联络线功率偏差0.5(MW)。

通过上述结果，AGC的单独控制对减少区域间联络线功率偏差有较显著的作用，AVC的单独控制对减小网损、减少中枢节点的电压偏差、增大***的无功均衡度有较显著的作用。二者的协调控制与AGC的单独控制相比，虽然对联络线功率偏差的控制效果不如前者，但增大了***的无功均衡度、减小了中枢节点的电压偏差。而和AVC的单独控制相比，虽然前者对网损、无功均衡度和中枢节点电压的控制效果不如后者，但联络线功率的偏差有显著的改善。

综合电网运行的各项指标来看，AGC与AVC的协调控制能够兼顾二者单独控制时长处、弥补短处，协调各指标，使其更加合理。由此证明，本发明是 可行且有效的。这种控制策略能够协调优化电网运行的各类指标，保证其经济性、安全性和运行质量。

本发明的基于改进模拟退火粒子群算法解决AGC与AVC协调优化控制问题的方法，可以用于我国各省级和市级电力***中，能够协助制定电网AGC与AVC协调优化控制策略，对维持电网安全稳定运行具有积极意义。

以上实施方式仅用于说明本说明，而并非对本发明的限制。尽管参照事例对本发明进行了说明，本领域的普通技术人员应当理解，对本发明的技术方案进行各种组合、修改或者等同替换，都不脱离本发明技术的精神和范畴，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种基于AGC与AVC的协调优化控制方法，其特征在于，该方法包括如下步骤：

步骤一，选取由AGC和AVC协调控制的电网区域，给定电网基础参数，初始化粒子各类参数，产生初始种群；

步骤二，选取控制目标和约束条件，计算选取电网区域的潮流，确定粒子新的位置和速度信息；

步骤三，引进惯性权重和收缩因子对原始粒子群算法进行改进，对步骤二中粒子进行粒子群优化计算，得到较优种群；

步骤四，对由步骤三得到的较优粒子进行杂交变异，更新新的粒子，计算变异前后粒子的适应度函数值；

步骤五，对由步骤四得到粒子模拟退火衰减，并进行新一轮的潮流计算；步骤六，判断收敛条件，输出优化控制结果。

2.根据权利要求1所述的基于AGC与AVC的协调优化控制方法，其特征在于，所述电网基础参数包括各发电机有功出力、各发电机无功出力、中枢节点电压和区域联络线功率。

3.根据权利要求1所述的基于AGC与AVC的协调优化控制方法，其特征在于，所述控制目标为电网网损、无功均衡度、中枢节点电压偏差和区域间联络线功率偏差；

电网网损是反映电网运行的经济性指标，将其定义为：

$f_1(P_{\mathrm{Gi}},V_{\mathrm{Gi}})=\frac{\underset{i,j\∈l}{\overset{L}{\mathrm{\Σ}}}2V_i{V}_j{G}_{\mathrm{ij}}\cos {\mathrm{\θ}}_{\mathrm{ij}}}{S_B}---\left(1\right)$

式中，P_Gi表示第i台发电机的有功出力，V_Gi表示第i台发电机的机端电压；V_i表示节点i的电压幅值，V_j表示节点j的电压幅值，G_ij表示导纳矩阵中对应元素的实部，θ_ij表示支路i,j端点间的相角差；S_B表示***的基准容量；

无功均衡度是反映电网运行的安全性指标，将其定义为：

$f_2(P_{\mathrm{Gi}},V_{\mathrm{Gi}})=\frac{\underset{k}{\mathrm{\Σ}}\underset{i\∈A_k}{\mathrm{\Σ}}{(Q_{\mathrm{lev},i}-{\stackrel{\‾}{Q}}_{\mathrm{lev},A_k}^{\mathrm{ref}})}^2}{{S_B}^2}---\left(2\right)$

式中，Q_lev,i表示第i台发电机的无功出力水平，表示第A_k个区域的发电机组无功出力水平；

中枢节点电压偏差和区域间功率偏差是反映电网运行的运行质量性指标，将其分别定义为：

$f_3(P_{\mathrm{Gi}},V_{\mathrm{Gi}})=\frac{\mathrm{\Σ}\left|\mathrm{\Δ}{V}_P\right|}{V_B}=\frac{\mathrm{\Σ}|V_P-V_P^{\mathrm{ref}}|}{V_B}---\left(3\right)$

$f_4(P_{\mathrm{Gi}},V_{\mathrm{Gi}})=\frac{\mathrm{\Σ}\left|\mathrm{\Δ}{P}_T\right|}{S_B}=\frac{\mathrm{\Σ}|P_T-P_T^S|}{S_B}---\left(4\right)$

其中，f₃为中枢节点电压偏差；f₄为区域间功率偏差；

式(3)中，V_B为***基准电压，V_P为中枢节点实际电压，为中枢节点电压参考值，ΔV_P为中枢节点实际电压偏差；

式(4)中，P_T表示联络线功率实际值，表示联络线功率设定值，ΔP_T表示实际联络线功率偏差。

4.根据权利要求3所述的基于AGC与AVC的协调优化控制方法，其特征在于，所述发电机的无功出力水平，如式(2-1)所示：

$Q_{\mathrm{lev}}=\frac{Q_G-Q_G^{\min }}{Q_G^{\max }-Q_G^{\min }}---(2-1)$

式中，Q_G表示发电机无功出力的实际值，表示发电机无功出力的最大值，表示发电机无功出力的最小值；

同理，定义一个区域A_k的无功出力水平，用该区域内所有发电机实际无功出力与最小无功出力之差的和与所有发电机最大无功出力与实际无功出力之差的和作商，如式(2-2)所示：

${\stackrel{\‾}{Q}}_{\mathrm{lev},A_k}=\frac{\underset{i\∈A_k}{\mathrm{\Σ}}(Q_{\mathrm{Gi}}-Q_{\mathrm{Gi}}^{\min })}{\underset{i\∈A_k}{\mathrm{\Σ}}(Q_{\mathrm{Gi}}^{\max }-Q_{\mathrm{Gi}}^{\min })}---(2-2)$

式(2-2)得到比值，即为该区域发电机的无功出力水平。

5.根据权利要求3所述的基于AGC与AVC的协调优化控制方法，其特征在于，所述中枢节点电压偏差越小，各负荷节点的电压越接近额定电压，电网运行质量越高。

6.根据权利要求1所述的基于AGC与AVC的协调优化控制方法，其特征在于，所述约束条件包括各台发电机有功、无功出力不越界，节点电压不越界和线路潮流不越限。

7.根据权利要求1所述的基于AGC与AVC的协调优化控制方法，其特征在于，所述惯性权重描述了粒子的历史速度对当前速度的影响，其取值大小用于调节算法的局部及全局搜索能力；所述收缩因子能保证算法收敛且提高收敛速度；惯性权重让粒子某时刻更新的速度中的原始速度分量所占权重减小，而收缩因子整体减小了粒子更新后的速度。

8.根据权利要求1所述的基于AGC与AVC的协调优化控制方法，其特征在于，所述步骤四从初步寻优后的粒子群中选取一定数量的粒子，按下式进行杂交：

$\left\{\begin{array}{c}{x}_j^{*}={\mathrm{px}}_i+(1-p)x_j\\ x_j^{*}={\mathrm{px}}_j+(1-p)x_i\end{array}\right.---\left(5\right)$

其中，x_i，x_j为较优粒子群中的粒子，为杂交后得到的新粒子，p为在[0,1]上均匀分布的随机数。x_i，x_j，分别为对应粒子的位置；其对应的适应度函数分别用f(x_i)，f(x_j)，表示，当满足：

$\min \{1,\exp (f\left(x_i\right)-\frac{f\left(x_i^{*}\right)}{t})\}>p---(5-1)$

则用代替x_i；

同理，若满足：

$\min \{1,\exp (f\left(x_j\right)-\frac{f\left(x_j^{*}\right)}{t})>p---(5-2)$

则用代替x_j；

其中，t为模拟退火算法控制参数，随着进化代数的增加不断变化；

若不满足，则跳转到执行所述步骤五。

9.根据权利要求8所述的基于AGC与AVC的协调优化控制方法，其特征在于，所述步骤五在确定x_i后，进行退火衰减；此处选用t为模拟退火算法控制参数，其值随着进化代数的增加不断变化；令q′＝Cq，其中，C为模拟退火冷却系数；q′为衰减后的控制参数，同时进行新一轮潮流计算。

10.根据权利要求1所述的基于AGC与AVC的协调优化控制方法，其特征在于，所述收敛条件为：若已达到最大迭代次数或是两次迭代的误差在允许范围内，则算法完成，输出协调优化结果；否则，跳转到步骤三，继续粒子群优化和模拟退火变异。