基于云计算平台的配电网多目标重构算法的研究

论文摘要

目前随着云计算概念的成熟,云技术在各个领域都得到了不断的发展和应用,其中就包括在电力系统复杂计算中的应用。配电网作为电力系统的重要组成部分,降低线损,均衡负荷以消除过载,提高供电电压质量和提高供电可靠性等一直都是供电企业的重要工作目标。因为配网重构只需要通过调节配网中开关的开合状态,就能够在无需增加硬件投资的前提下,充分发挥现有配电网的潜力,提升网络的各种性能。所以说在配网优化的各项措施中,配网重构是最经济的。本文在总结了前人关于配电网络重构算法的研究基础上,对基于云计算平台下虚拟集群的网格并行遗传算法进行了深入的分析和研究,主要围绕配网重构多目标优化,Pareto多目标最优化方法,小生境配电网遗传算法的编码优化,遗传策略以及遗传算法的并行模型进行了分析和讨论。本文对于配网重构遗传算法进行了编码优化,为解决传统算法中存在的过早收敛和接近最优解时无法收敛等问题提出了一种基于小生境的配网重构遗传算法,确定了编码方式,选择方法,交叉和变异算子。并针对多目标最优化重构对Pareto最优化方法进行了探讨和研究,同时搭建了云平台和基于云平台的虚拟集群,在虚拟集群中对配网重构的遗传算法的并行性构建了模型,在两台属于同一局域网的计算机上进行了配网重构的基于云平台的并行计算。算例结果表明,云计算的引入有效的解决了配网重构遗传算法计算时间过长问题,对算法的收敛速度也有很大的提升,在不增加额外硬件开销的情况下显著提升了配网重构计算的经济性和实用性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的背景和意义
• 1.2 国内外研究现状
• 1.2.1 配网重构研究现状
• 1.3 电力系统在云平台下的研究现状
• 1.4 存在的问题及本课题的提出
• 1.5 本文的主要工作
• 第二章 配网重构的数学模型与多目标最优化方法
• 2.1 配电网重构的常用目标
• 2.2 多目标最优化概述
• 2.3 多目标最优化方法
• 2.3.1 主要目标法
• 2.3.2 统一目标法
• 2.3.2.1 线性加权法
• 2.3.2.2 理想点法（目标规化法）
• 2.3.2.3 分目标乘除法
• 2.3.2.4 功效系数法
• 2.3.3 分层序列法和宽容分层序列法
• 2.3.3.1 分层序列法
• 2.3.3.2 宽容分层序列法
• 2.4 本章小结
• 第三章 配电网重构遗传算法
• 3.1 遗传算法的基本理论
• 3.2 配网重构遗传算法的基本理论
• 3.2.1 配网重构遗传算法的流程
• 3.2.2 配网重构遗传算法的编码
• 3.2.3 配网重构遗传算法的适应度函数
• 3.2.4 配网重构遗传算法的选择算子
• 3.2.4.1 比例选择（ Fitness Proportional Selection ）
• 3.2.4.2 分级选择（ Ranking Selection ）
• 3.2.4.3 竞技选择法（Tournament Selection）
• 3.2.5 配网重构遗传算法的交叉算子
• 3.2.5.1 单点交叉
• 3.2.5.2 双点交叉与多点交叉
• 3.2.5.3 均匀交叉（Uniform Crossover）
• 3.2.5.4 算术交叉
• 3.2.6 配网重构遗传算法的变异算子
• 3.2.6.1 均匀变异
• 3.2.6.2 边界变异
• 3.2.6.3 非均匀变异
• 3.2.7 精英保留策略
• 3.2.8 配网重构遗传算法的终止条件
• 3.2.9 约束条件的处理方法
• 3.2.9.1 搜索空间限定法
• 3.2.9.2 罚函数法
• 3.3 本章小结
• 第四章 云环境中的计算方法及虚拟集群技术
• 4.1 云计算
• 4.1.1 云的概念
• 4.1.2 云计算的特点
• 4.1.3 云计算的服务层次
• 4.1.4 云平台的技术层次
• 4.2 虚拟化技术
• 4.2.1 虚拟化的优势
• 4.2.2 虚拟集群
• 4.2.3 虚拟化技术在云计算中的应用
• 4.2.3.1 高级虚拟机
• 4.2.3.2 应用虚拟化
• 4.2.3.3 存储虚拟化
• 4.3 配网重构云平台计算方法
• 4.3.1 遗传算法并行处理的意义
• 4.3.2 遗传算法的并行性分析
• 4.3.3 配电网络重构小生境遗传算法的并行模型
• 4.4 本章小结
• 第五章 云平台下配网多目标重构的实现
• 5.1 引言
• 5.2 遗传算法适应度函数的选取以及约束条件的判定
• 5.3 Pareto 多目标优化
• 5.4 小生境遗传算法
• 5.4.1 遗传算法编码方案
• 5.4.2 初始种群的生成与排序
• 5.4.3 种群的选择操作
• 5.4.4 种群的交叉操作
• 5.4.5 种群的变异操作
• 5.4.6 收敛判定
• 5.4.7 配网重构遗传算法流程图
• 5.5 云计算环境下基于小生境遗传算法的配网重构计算
• 5.5.1 Lustre 文件系统
• 5.5.2 Xen 虚拟机
• 5.5.3 OpenNebula 开源云计算平台
• 5.5.4 云平台的搭建
• 5.5.4.1 Lustre 的安装与配置
• 5.5.4.2 Xen 虚拟机的安装与配置
• 5.5.4.3 OpenNebula 的安装与配置
• 5.5.5 集群系统作业管理模块的配置
• 5.5.5.1 SGE 的安装与配置
• 5.5.5.2 虚拟集群中间件平台开发
• 1. 作业提交模块
• 2. 任务监控模块
• 5.5.6 遗传算法的并行实现
• 5.5.6.1 群体对等式并行模型
• 5.6 算例测试及结果分析
• 5.6.1 集群构建实验
• 5.6.1.1 构建物理集群
• 5.6.1.2 构建虚拟集群
• 5.6.2 算例分析
• 5.7 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间取得的研究成果
• 致谢
• 答辩委员会对论文的评定意见