基于粒子群与模拟退火协同进化方法的电力系统无功优化

论文摘要

随着我国人口的增加、工业化进程和交通运输的快速发展,对能源特别是电力的需求大幅度上升,经济发展面临着能源瓶颈的制约。节能降耗,建设资源节约型社会具有重大的意义。电力系统中无功功率平衡是保证电力系统电压质量的基本前提,采取有效的手段降低网损,改善系统电压水平,提高电力系统运行的经济性和安全性是电力系统运行部门面临的实际问题,也是直接关系电力企业经济效益的课题。电力系统无功优化是保证电力系统安全、经济运行的有效手段,是提高电力系统电压质量的重要措施之一。迄今为止,无功优化问题在理论研究和工程应用上都取得了大量的成果,但也存在一些问题没有得到很好的解决。因此,对电力系统无功优化问题的研究,既具有理论意义,也有实际应用价值。电力系统无功优化是一种多变量、多约束的混合非线性规划问题,其控制变量既有连续变量又有离散变量,优化过程十分复杂。无功优化的方法大致可以分为常规优化算法和人工智能优化算法两类。本文首先介绍了电力系统无功优化问题的研究现状,对目前国内外应用的无功优化算法的特点进行了分析。针对目前电力系统无功优化中粒子群算法收敛速度快,易陷入局部最优;模拟退火算法全局收敛性好但计算时间较长的特点,提出了将粒子群与模拟退火算法的协同进化方法应用于电力系统无功优化。该方法利用粒子群算法快速的局部搜索和模拟退火算法的全局收敛性,将粒子群算法和模拟退火算法有机结合起来,使得无功优化算法以较大的概率跳出局部最优。通过两种算法的协同搜索,一方面可以有效地克服粒子群算法的“早熟”问题,另一方面也可以提高模拟退火算法的收敛速度,在较短的时间内取得较好的解。本文应用MATLAB软件和matpower潮流计算软件包编制了基于粒子群与模拟退火算法的协同进化方法的电力系统无功优化程序,并对IEEE-14、57节点系统进行了仿真优化计算,结果表明该算法收敛速度较快,具有较好的收敛稳定性和精度,应用于电力系统无功优化是有效可行的。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的背景及意义
• 1.2 无功优化的基本概念
• 1.3 无功优化问题的研究现状
• 1.3.1 常规优化算法
• 1.3.2 人工智能优化算法
• 1.4 论文主要工作
• 第二章 协同进化方法的形成
• 2.1 粒子群算法
• 2.1.1 PSO的数学模型
• 2.1.2 PSO的控制参数
• 2.1.3 PSO的基本步骤
• 2.2 模拟退火算法
• 2.2.1 固体退火过程
• 2.2.2 模拟退火算法
• 2.2.3 模拟退火算法的应用
• 2.3 基于粒子群与模拟退火算法的协同进化方法
• 2.3.1 粒子群算法与模拟退火算法的特点
• 2.3.2 PSO与SA的协同进化方法
• 2.3.3 SAPSO的收敛性分析
• 第三章 基于SAPSO的无功优化
• 3.1 无功优化数学模型
• 3.1.1 变量
• 3.1.2 目标函数
• 3.1.3 约束条件
• 3.2 SAPSO在无功优化中的应用
• 3.2.1 目标函数的选取
• 3.2.2 解空间编码
• 3.2.3 算法参数选择
• 3.2.4 结束准则
• 3.2.5 SAPSO用于无功优化的求解步骤
• 第四章 算例分析
• 4.1 IEEE-14节点算例
• 4.3 IEEE-57节点算例
• 4.4 小结
• 第五章 结论及前景展望
• 附录
• 附录1 IEEE-14节点系统支路数据
• 附录2 IEEE-57节点系统支路数据
• 参考文献
• 致谢
• 学位论文评阅及答辩情况表