电压无功优化算法的比较研究

论文摘要

针对电力系统无功优化问题,本文采用原对偶内点法、光滑牛顿法、遗传算法、分支定界法几种算法及组合进行无功优化问题的求解。在这些算法及组合处理过程中无功优化问题均被分为两种情况求解,一种是离散量被锁定,用原对偶内点法、光滑牛顿法对连续变量进行处理;另一种是通过原对偶内点法求解无功优化问题中连续变量,然后再采用分支定界法或遗传算法处理离散变量或对离散量进行归整。针对传统遗传算法处理无功优化问题中的不足,本文通过改进遗传算法中的交叉、变异算子和基于可行域规则处理离散约束,有效提高了优化算法的整体寻优效率。本文分别利用IEEE30节点和118节点系统对上述各算法进行了仿真测试,从收敛时间、迭代次数、优化结果等方面进行了比较、分析。这些算法及其组合已实际应用在福建电网自动电压控制(AVC)系统中,而且取得了很好的效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题的背景、依据和研究意义
• 1.2 电力系统无功优化研究概述
• 1.2.1 无功优化算法的发展
• 1.2.2 传统数学优化方法
• 1.2.3 现代人工智能优化算法
• 1.3 本文的主要工作
• 第二章 电力系统无功优化的数学模型
• 2.1 模型概述
• 2.2 数学模型
• 2.2.1 目标函数
• 2.2.2 潮流平衡方程
• 2.2.3 变量约束条件
• 第三章 连续量优化算法在无功优化中的应用
• 3.1 引言
• 3.2 原对偶内点法的原理及应用
• 3.3 光滑牛顿法的原理及应用
• 3.3.1 预备知识
• 3.3.2 光滑牛顿法的基本原理
• 3.4 算例测试
• 3.4.1 测试平台简介
• 3.4.2 测试数据简介
• 3.4.3 参数设置
• 3.4.4 算例分析
• 3.5 小结
• 第四章 离散量优化算法在无功优化中的应用
• 4.1 引言
• 4.2 遗传算法的原理及应用
• 4.2.1 适应度函数
• 4.2.2 染色体编码
• 4.2.3 遗传算子
• 4.2.4 收敛判据
• 4.2.5 遗传算法参数设置
• 4.3 分支定界法的原理及应用
• 4.3.1 分支定界法的基本思想
• 4.3.2 分支定界法的实现
• 4.3.3 分支定界法的四个定则
• 4.3.4 分支定界法的基本步骤（假定模型求极大值）
• 4.3.5 分支变量的选取
• 4.3.6 收敛判据
• 4.4 算法测试
• 4.4.1 参数设置
• 4.4.2 算法流程
• 4.4.3 算例分析
• 4.5 小结
• 第五章 总结与展望
• 参考文献
• 致谢
• 附录
• 附表1 IEEE 30节点标准测试系统网络参数
• 附表2 IEEE 118节点标准测试系统网络参数
• 攻读硕士学位期间发表的学术论文