密云地区电网无功优化的研究

密云地区电网无功优化的研究

论文摘要

电力系统无功的合理分布是保证电压质量和降低网损的前提条件,电力系统中无功的优化调整,将对电力系统的安全经济运行产生重要作用。本文首先对电力系统中各种无功优化方法的特点进行了较为全面的研究;随后对目前新颖的智能算法——粒子群优化算法作了重点研究。分析了粒子群优化算法的组成结构和优化原理,在此条件下,研究了微粒群优化算法中参数对优化结果的影响,为算法参数的选取提供经验性判据;改进了粒子群优化算法中微粒移动速度的计算方法,将其推广到组合优化领域;同时,提出将遗传算法中的变异原理引入传统粒子群优化算法,以弥补粒子群优化算法全局搜索能力较弱的欠缺,开发出适用于无功优化问题的混合智能优化策略,充分发挥两种算法的优点,改善优化的性能。最后,利用密云地区电网进行了实际计算和分析,验证了本文提出的改进算法的在无功优化中的正确性和实用性。

论文目录

  • 中文摘要
  • 英文摘要
  • 第一章 绪论
  • 1.1 电力系统无功优化的重要意义
  • 1.2 国内外无功优化的研究概况
  • 1.3 本论文的主要工作内容
  • 第二章 遗传算法
  • 2.1 遗传算法的发展及其应用
  • 2.2 遗传算法基本原理
  • 第三章 粒子群优化算法
  • 3.1 粒子群优化算法的发展及其应用
  • 3.2 粒子群优化算法基本原理
  • 第四章 无功优化数学模型及其求解
  • 4.1 无功优化的数学模型
  • 4.2 应用于无功优化的粒子群算法
  • 4.3 粒子群优化算法在无功优化中的应用和改进
  • 4.4 粒子群优化算法与遗传算法相结合的混合优化策略
  • 第五章 算例分析
  • 5.1 实验系统
  • 5.2 电网初始状态
  • 5.3 遗传算法优化结果
  • 5.4 粒子群算法优化结果
  • 5.5 算例结论
  • 第六章 结论
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].粒子群优化算法在港口船舶物流中的应用[J]. 舰船科学技术 2020(04)
    • [2].求解电力系统经济调度问题的改进粒子群优化算法[J]. 控制与决策 2020(08)
    • [3].基于改进粒子群优化算法的溶解氧调控系统设计[J]. 传感器与微系统 2020(06)
    • [4].基于改进粒子群优化算法的微电网经济调度研究[J]. 上海电气技术 2020(02)
    • [5].粒子群优化算法[J]. 软件 2020(05)
    • [6].基于扩容和双距离决策的多目标粒子群优化算法[J]. 重庆邮电大学学报(自然科学版) 2020(03)
    • [7].改进粒子群优化算法及其在聚类分析中应用[J]. 系统仿真学报 2020(08)
    • [8].优质个体最优动态空间变异的粒子群优化算法[J]. 计算机应用研究 2020(08)
    • [9].基于自适应粒子群优化算法的无人机三维航迹规划[J]. 海军航空工程学院学报 2020(03)
    • [10].基于并行结构的多种群粒子群优化算法[J]. 传感器与微系统 2020(09)
    • [11].基于改进粒子群优化-反向传播神经网络的制造业产能预测[J]. 机械制造 2019(03)
    • [12].层次学习骨干粒子群优化算法[J]. 控制与决策 2016(12)
    • [13].一种面向网络边缘任务调度问题的多方向粒子群优化算法[J]. 计算机应用与软件 2017(04)
    • [14].基于粒子群优化的组播路由算法研究[J]. 信息与电脑(理论版) 2017(10)
    • [15].改进的粒子群优化算法的研究[J]. 科技创新与生产力 2017(09)
    • [16].一种改进的粒子群优化算法[J]. 陕西师范大学学报(自然科学版) 2016(02)
    • [17].改进惯性权重的简化粒子群优化算法[J]. 湖北民族学院学报(自然科学版) 2016(01)
    • [18].粒子群优化算法基本研究[J]. 科技经济导刊 2016(21)
    • [19].中心粒子群优化算法[J]. 电子测试 2014(23)
    • [20].基于粒子群优化算法的器件模型表面势求解[J]. 计算机时代 2015(03)
    • [21].具有反向学习和自适应逃逸功能的粒子群优化算法[J]. 计算机应用 2015(05)
    • [22].基于不同学习模型的精英反向粒子群优化算法[J]. 小型微型计算机系统 2015(06)
    • [23].融入社会影响力的粒子群优化算法[J]. 计算机科学与探索 2020(11)
    • [24].改进惯性权重的粒子群优化算法[J]. 河西学院学报 2020(05)
    • [25].基于粒子群优化算法的算法实现及建筑生形——模拟鸟类觅食形态的建筑雏形设计[J]. 华中建筑 2020(02)
    • [26].基于动态种群的双重学习粒子群优化算法[J]. 南昌工程学院学报 2020(01)
    • [27].基于博弈机制的多目标粒子群优化算法[J]. 计算机工程与设计 2020(04)
    • [28].求解特征值互补问题的基本粒子群优化算法[J]. 内蒙古民族大学学报(自然科学版) 2020(03)
    • [29].进化状态判定与学习策略协同更新的二进制粒子群优化算法[J]. 浙江工业大学学报 2020(05)
    • [30].粒子群优化算法中惯性权重改进策略综述[J]. 渤海大学学报(自然科学版) 2019(03)

    标签:;  ;  ;  ;  

    密云地区电网无功优化的研究
    下载Doc文档

    猜你喜欢