电网离散无功优化算法的研究及应用

论文摘要

电力系统无功优化对保证系统安全性和经济性有着重要的意义。如何利用和配置无功资源，进一步降低电网损耗，提高电网运行经济性，无论从实际运行还是研究现状都有很强的实用性。电力系统无功优化问题是一个复杂的非线性混合整数规划问题，其目标函数与约束条件具有非线性，控制变量的离散性与连续性相混合等特点。本文在总结前人经验的基础上，以经典算法和现代算法中具有代表性且差异较大的两种算法一内点法和遗传算法作为主要工具。采用原对偶内点法处理电力系统无功优化问题，发挥其计算时间对问题的规模不敏感，不随问题规模的增大而显著增大的优点。针对原对偶内点法在求解电压无功优化问题时无法有效解决其中诸如有载变压器分接头、可投切电容器组数等离散变量的问题，本文采用改进分枝限界法处理无功优化中的离散变量。本文采用IEEE标准节点系统对其进行了验证，结果表明，采用简化分枝限界法可有效处理其中的离散变量。采用遗传算法处理电力系统无功优化问题。遗传算法具有寻优能力强，优化效果好，能方便处理离散变量的特点。针对电网特点对遗传算法进行改进，改进的内容包括定制初始种群、采用十进制整数编码、采用动态罚函数系数、动态交叉率和变异率以及采用邻域变异的原则。从而使其能快速准确的确定变压器档位和电容器容量的配置问题。通过IEEE标准节点系统算例结果表明本算法收敛速度和全局收敛性均很好。将两种算法的算例的结果比较后，将改进遗传算法应用到某市180节点电网系统进行无功优化，得到了非常理想的效果。结果表明其能快速准确的确定变压器档位和电容器容量的配置问题，在当前来说是非常具有实际意义的。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 无功优化的研究意义
• 1.2 无功优化的研究现状
• 1.3 本文工作
• 第二章 电力系统无功优化方法
• 2.1 概述
• 2.2 经典数学优化方法
• 2.2.1 线性规划法
• 2.2.2 非线性规划法
• 2.2.3 混合整数规划法
• 2.2.4 动态规划法
• 2.3 人工智能
• 2.3.1 遗传算法
• 2.3.2 模拟退火法
• 2.3.3 Tabu搜索法
• 2.3.4 专家系统
• 2.3.5 人工神经网络
• 2.3.6 模糊优化算法
• 2.4 优化算法归纳总结
• 第三章 基于改进非线性原对偶内点法的无功优化
• 3.1 内点法简介
• 3.1.1 投影尺度法
• 3.1.2 仿射尺度法
• 3.1.3 路径跟踪法
• 3.2 原对偶内点法
• 3.2.1 原对偶内点法基本原理
• 3.2.2 迭代步长的选择
• 3.2.3 障碍因子的确定
• 3.3 原对偶内点法在无功优化中的应用
• 3.3.1 无功优化模型
• 3.3.2 主迭代方程中相关矩阵元素表达式
• 3.3.3 初始点的选择
• 3.3.4 求解步骤
• 3.4 离散变量的处理
• 3.4.1 分枝限界法
• 3.5 算例分析
• 第四章 基于改进遗传算法的无功优化
• 4.1 遗传算法的起源和发展
• 4.2 遗传算法概述
• 4.3 遗传算法的基本原理
• 4.3.1 编码
• 4.3.2 适应度
• 4.3.3 遗传算法的基本操作
• 4.4 改进遗传算法在无功优化中的应用
• 4.4.1 参数取值
• 4.4.2 编码问题
• 4.4.3 适应度函数
• 4.4.4 初始种群的形成
• 4.4.5 选择方法
• 4.4.6 交叉率和变异率的确定
• 4.4.7 邻域变异原则
• 4.4.8 进化终止准则
• 4.4.9 改进遗传算法计算流程
• 4.5 算例分析
• 第五章 无功电源优化配置实例应用
• 5.1 系统基本参数
• 5.2 优化结果及分析
• 结论与展望
• 参考文献
• 致谢
• 学位论文评阅及答辩情况表