智能算法在电力系统优化运行中的应用研究

论文摘要

电力系统优化运行是电力系统分析的一个重要课题,它的主要任务是在保证满足用户用电需求(即负荷)及系统安全性的前提下,合理安排发电机组的运行方式,使系统发电的总费用(或所消耗的总燃料耗量)达到最小以取得最好的经济效益。因此,对电力系统优化运行问题的研究可以减少发电成本,减少能源的消耗,对建立节约型社会具有深远的意义。在数学模型上一般可以将电力系统优化运行问题描述为非线性规划问题。对电力系统优化调度运行问题的研究是建立在经典电力系统经济运行理论基础上应用电力系统潮流分析和数学优化算法。电力系统优化调度运行的实际物理模型是非常复杂的,将其抽象成数学模型时,往往是忽略了实际运行状况的非线性、离散性、随机性及不确定性等因素进行简化,即便如此,常规的计算方法在进行求解时仍表现出了极大的局限性。近年来,一系列智能算法的出现,给求解机组组合问题方面带来了大量的新的方法。本文是在己有算法研究成果的基础上继续完善、改进和探索新的适合本问题的求解方法。本文通过对多个实例进行在相通计算规模(粒子数目不同、进化次数不同但两者乘积相同)下进行模拟和测试,试验证明:本文所提及的方法在多种测试条件下均能较好地解决多机组优化问题,且具有较有较好的收敛结果和系统鲁棒性。本文主要完成的工作有:(1)利用具有量子行为的粒子群优化算法来解决电力系统优化调度运行问题;(2)在量子粒子群算法对电力系统优化运行的求解过程中,使用POWELL方法在局部寻找更好的解,提高粒子收敛性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景及意义
• 1.2 智能算法研究概况
• 1.3 本文的主要工作
• 1.4 本文的内容安排
• 第二章 电力系统介绍
• 2.1 发电机组介绍
• 2.1.1 热力机组模型
• 2.1.2 水力机组模型
• 2.2 电力系统电网介绍
• 2.2.1 网络有功功率平衡方程
• 2.2.2 网络无功功率平衡方程
• 2.3 电力系统优化运行问题分类
• 2.4 最优潮流法
• 第三章 智能算法介绍
• 3.1 遗传算法
• 3.1.1 遗传算法的基本概念
• 3.1.2 遗传算法的基本流程
• 3.2 粒子群优化算法
• 3.2.1 粒子群优化算法的基本概念
• 3.2.2 粒子群优化算法的基本流程
• 3.2.3 几种改进的粒子群优化算法
• 3.3 具有量子行为的粒子群算法
• 3.3.1 具有量子行为的粒子群算法的基本概念
• 3.3.2 具有量子行为的粒子群算法的基本流程
• 3.3.3 几种改进的具有量子行为的粒子群算法
• 第四章 量子粒子群算法在电力系统优化运行中的应用
• 4.1 量子粒子群算法解决电力系统优化运行问题的过程
• 4.1.1 目标函数
• 4.1.2 网络损耗
• 4.1.3 等式约束
• 4.1.4 不等约束
• 4.1.5 具体流程
• 4.1.6 其它说明
• 4.2 算例测试
• 4.2.1 6-Unit 系统
• 4.2.2 15-Unit 系统
• 4.2.3 40-Unit 系统
• 4.3 小结
• 第五章 结合POWELL 算法的量子粒子群算法在电力系统优化运行中的应用
• 5.1 直接搜索法
• 5.1.1 POWELL 算法
• 5.1.2 其它直接搜索算法
• 5.2 结合POWELL 算法的QPSO 算法的电力系统实例分析
• 5.2.1 使用POWELL 算法优化粒子初始值
• 5.2.2 使用POWELL 算法优化粒子局部最优值
• 5.3 小结
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 展望
• 致谢
• 参考文献
• 附录：作者在攻读硕士学位期间发表的论文