基于虚拟种群遗传算法的电网无功优化

论文摘要

随着国民经济的迅速发展,用电负荷的急剧增加,电力系统的安全经济运行日益受到人们重视。无功优化是电网安全经济运行研究的一个重要组成部分,对于保证电压质量、降低运行损耗以及实现电网的安全稳定运行具有十分重要的意义。 遗传算法是一种借鉴生物界自然选择和自然进化机制的搜索方法,通过对个体进行复制、交叉、变异操作完成搜索过程。与其他传统优化算法不同,除具有高度并行、随机搜索等特性外,遗传算法还具有不要求目标函数是否连续或可微等优点。目前,基于遗传算法的各种优化方法在电力系统中得到广泛的应用,如系统规划、经济调度、机组检修及故障诊断等。 在背景章节里,本文对电力系统无功优化问题的研究内容、研究方法,数学模型以及目标函数进行了详细的探讨和划分,并对所采用的无功优化研究方法——遗传算法进行综述,简要的介绍了常规遗传算法的工作原理及算法的一些高级实现技术。在此基础上,本文提出一种应用于电力系统无功优化的改进型遗传算法。该算法采用两种虚拟种群的方法对常规遗传算法及浮点数遗传算法的种群实行改进。最终,将所得算法应用到实际电网无功优化问题中,比较与分析了各算法的仿真试验结果。具体研究内容包括: 第一,在广泛深入的查阅国内外文献的基础上,提出了基于改进型遗传算法的电网无功优化的完整实现方案。本文对无功优化的数学模型,包括目标函数及约束条件都进行了重新的选择和建立。 第二,针对无功优化问题的特点,在改进常规遗传算法时,本文对编码方案及遗传算子进行了改进,实行了优秀个体保护法、混合交叉算子及增大变异概率等方法,在增强算法寻优能力的同时,充分考虑到计算的精度和速度。 第三,在大系统规划优化计算中,遗传算法存在计算速度慢、易陷入局部最优及难寻全局最优的弱点。针对这些弱点,本文对遗传算法的搜索

论文目录

• 摘要
• ABSTRACT
• 1. 绪论
• 1.1 电力系统无功优化问题综述
• 1.1.1 问题的提出及由来
• 1.1.2 无功优化的内容及意义
• 1.1.3 无功优化问题的分类及其研究范畴
• 1.1.4 无功优化方法综述
• 1.1.4.1 常规无功优化方法
• 1.1.4.2 无功优化的智能计算方法
• 1.2 本文所做的工作
• 2. 遗传算法简介
• 2.1 遗传算法的产生及其特点
• 2.2 遗传算法的工作原理内容及探讨
• 2.2.1 复制算子
• 2.2.2 交叉算子
• 2.2.3 变异算子
• 2.3 遗传算法在电力系统中的应用
• 2.4 改进型遗传算法的研究现状
• 2.4.1 几种典型的遗传算法的改进
• 2.4.2 几种遗传算法的高级实现技术
• 2.4.2.1 小生境遗传算法
• 2.4.2.2 混合遗传算法
• 2.4.2.3 并行遗传算法
• 2.5 遗传算法的发展研究趋势
• 3. 基于虚拟种群遗传算法的电力系统无功优化
• 3.1 无功优化的数学模型的建立
• 3.1.1 目标函数
• 3.1.2 系统潮流约束方程
• 3.1.3 系统不等式约束条件
• 3.2 遗传算法的完整改进方案
• 3.2.1 虚拟种群遗传算法
• 3.2.1.1 代数法
• 3.2.1.2 解析法
• 3.2.2 常规遗传算法改进方案
• 3.2.1.1 编码方案
• 3.2.1.2 迭代过程
• 3.2.3 浮点数遗传算法改进方案
• 3.3 仿真程序简介
• 4. 仿真程序的建立及结果分析
• 4.1 仿真模型的建立及仿真程序的实现
• 4.2 案例仿真结果
• 4.3 仿真结果分析
• 4.3.1 二进制编码遗传算法仿真结果分析
• 4.3.2 浮点数遗传算法仿真结果分析
• 4.3.3 二进制算法与浮点数算法仿真结果比较
• 5. 总结与展望
• 附录 Ⅰ
• 附录 Ⅱ
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录
• 学位论文评阅及答辩情况表