电力系统无功优化的改进遗传算法及其程序实现

论文题目: 电力系统无功优化的改进遗传算法及其程序实现

论文类型: 硕士论文

论文专业: 计算机技术

作者: 俞悦

导师: 朱征宇,李邦峰

关键词: 遗传算法,无功优化,程序

文献来源: 重庆大学

发表年度: 2005

论文摘要: 遗传算法的基本原则是适者生存。它采用多路径而非单路径搜索,在解的编码上进行遗传操作而非直接对解本身,从而只需要目标函数就能进行问题求解,使得它在混合整数非线性优化问题的求解上显得简单而强大。此外,遗传算法对求解的启动点没有特别要求,并且能够自行检测与处理不可行问题。电力系统无功优化因对系统的安全性和经济性存在重要的作用而受到广泛的关注,该问题的目标是通过改变无功功率的分布来实现全网的有功功率损耗最小化,并且满足各种运行约束。然而由于无功优化问题是一个非常复杂的非线性问题,具有多目标、多不确定性、多约束、多极值和离散性等特点,尚有很多问题有待解决。因能够多路径搜索全局最优解,并可以自然地解决离散性问题,遗传算法被应用到无功优化问题的求解。但是遗传算法存在一个缺点,即当问题非常复杂时会出现早熟收敛的问题而影响了寻优能力。本文在综述无功优化问题的各种算法的基础上,提出了一种实时动态无功优化的数学模型,针对无功优化问题的特点提出一种改进遗传算法,开发了一套实时无功优化应用软件。论文主要研究工作和取得成果如下:1.研究遗传算法的基本原理及其优缺点,了解其广泛的应用领域,特别是在电力系统的应用情况,并且详细地分析了遗传算法的编码策略与操作算子。2.通过研究目前应用在电力系统无功优化中的各种数学模型,提出了一种动态无功优化时段解耦的数学模型,能使各时段的优化解耦独立起来,既降低了计算复杂度,又能避免控制变量过度频繁的操作。3.提出一种十进制整数编码的改进遗传算法及其在电力系统无功优化的应用;并考虑P-Q分解法计算潮流的快速性,编制电力系统P-Q分解法潮流计算子程序;结合无功优化计算的特点改进了潮流计算的步骤,显著提高了无功优化计算的效率。4.结合所提出的算法,开发了基于数据库的实时电压无功优化调度软件ORP,采用Visual Basic设计了程序参数输入和操作界面,采用Visual C++编制了无功优化计算程序,数据库采用了目前流行的ACCESS数据库,结合OPEN-2000系统的SCADA,可实时采集运行参数进行计算。5.把改进遗传算法应用于海南电网的无功优化问题的求解。应用表明,采用改进遗传算法进行电力系统无功优化的求解,对于各种运行方式,都可以实现电

论文目录:

中文摘要

英文摘要

1 绪论

1.1 选题意义

1.2 研究概况

1.3 本文的研究内容

2 遗传算法的基本原理及其应用

2.1 遗传算法的起源和基本原理

2.2 遗传算法的优缺点

2.3 遗传算法的编码策略与操作算子

2.3.1 编码(encoding)

2.3.2 适应度函数

2.3.3 选择(selection)

2.3.4 交叉(crossover)

2.3.5 变异(mutation)

2.3.6 遗传算法的控制参数

2.4 遗传算法在电力系统中的应用情况

3 电力系统无功优化的数学模型

3.1 传统的静态优化模型

3.2 其他静态无功优化数学模型简介

3.3 动态优化模型

3.3.1 动态无功优化时段耦合的数学模型

3.3.2 动态无功优化时段解耦的数学模型

4 针对无功优化问题的改进遗传算法

4.1 编码方式

4.2 选择方式

4.3 交叉算子

4.4 变异算子

4.5 潮流计算处理

4.6 对算法的测试

4.6.1 测试1

4.6.2 测试2

5 应用软件的开发

5.1 软件的基本功能与系统结构

5.2 软件系统的通信

5.2.1 通信协议选择

5.2.2 通信规约选择

5.2.3 DMIS 与SCADA 系统的接口

5.3 无功优化计算程序的设计思路

5.3.1 数据库结构

5.3.2 组件化和混合编程

5.3.3 面向对象的图形编程

5.4 人工干预

6 改进遗传算法在某电网无功优化的应用实例

6.1 电网概况

6.2 计算参数的选择

6.3 计算结果分析

7 结论

致谢

参考文献

独创性声明

学位论文版权使用授权书

发布时间: 2006-12-05

参考文献

• [1].基于信息物理融合的电力系统脆弱性分析与保护[D]. 黄新.哈尔滨理工大学2018
• [2].基于混杂系统理论的电力系统紧急控制[D]. 张俊龙.北京工业大学2003
• [3].模拟环形电力系统状态监测与故障诊断平台的设计[D]. 丁木.东北大学2010
• [4].基于有限自动机模型的混杂电力系统紧急控制问题研究[D]. 韩景红.北京工业大学2001
• [5].基于组件体系结构的电力系统图形平台[D]. 曹振锋.华北电力大学（河北）2009
• [6].基于云计算的电力系统不良数据辨识算法研究[D]. 冯懿.南京理工大学2013
• [7].多机电力系统模糊自适应控制[D]. 姚源.燕山大学2010
• [8].电力系统设备数据仓库的设计开发[D]. 孙娜.华北电力大学（河北）2005
• [9].电力系统便携式录波器分析软件的设计与实现[D]. 张颖.北京交通大学2008
• [10].广域电力系统的分布式模型预测控制[D]. 白丽叶.浙江工业大学2014

相关论文

• [1].改进遗传算法在无功优化中的应用研究[D]. 蒲永红.山东大学2007
• [2].基于改进遗传算法的无功优化[D]. 王启.南京师范大学2007
• [3].基于改进遗传算法的电力系统无功优化[D]. 戴育辉.南昌大学2007
• [4].基于改进型遗传算法的无功优化研究[D]. 王凌谊.重庆大学2007
• [5].遗传算法在电力系统无功优化中的应用[D]. 周珊.吉林大学2004
• [6].电力系统无功优化算法及其应用研究[D]. 唐剑东.华中科技大学2004
• [7].基于遗传算法的电力系统无功优化的研究[D]. 汪海涌.重庆大学2005
• [8].电力系统无功优化[D]. 熊玉辉.南昌大学2005
• [9].基于改进遗传算法的电力系统无功优化[D]. 苏琳.西南交通大学2006
• [10].基于改进遗传算法的电力系统无功优化研究[D]. 袁琴.电子科技大学2006

标签：遗传算法论文;  无功优化论文;  程序论文;