改进粒子群算法在电力系统无功优化中的应用
发布时间：2020-12-27 05:41
随着我国经济快速发展,电力网的覆盖范围不断扩大、电网结构愈发复杂、主干电网电压等级越来越高,居民用电量也随之增加,同时用户对供电可靠性的要求也越来越高。在电力行业逐渐市场化的前提下,如何在确保电网安全稳定运行的同时,进一步科学优化资源配置、最大程度降低技术网损、提高系统的运行性能和经济效益,成为电力部门亟待解决的课题。电力系统无功优化问题是一个多目标、多约束条件、混合变量的非线性组合优化问题。传统无功优化方法虽然在运算速度以及收敛性能上体现出较好的优势,但需要满足一些前提条件,如要求目标函数可微、控制变量连续等。近些年,人工智能算法的发展和应用为解决无功优化问题上提供了新思路,其中智能优化算法中的粒子群算法以其良好的全局随机搜索能力在优化问题中表现尤为突出。粒子群算法鲁棒性好,易于实现,计算效率高,但也可能陷入局部最优解。本文针对这一问题对粒子群算法进行改进,提高算法的收敛速度以及收敛精度,并将改进的粒子群算法运用到电力系统无功优化问题中,为解决无功优化问题提供新思路。首先介绍无功优化问题的产生背景,由此引出研究无功优化问题的目的和意义,介绍与分析现有处理无功优化问题的典型算法并对其原...
【文章来源】：陕西理工大学陕西省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
图2-1粒子群算法的基本流程
第2章标准粒子群算法及改进粒子群算法-17-蓝色曲线表示标准粒子群算法的仿真曲线，红色曲线表示改进粒子群算法仿真曲线。在单峰函数1fSphere函数和2fSchwefel函数中改进粒子群算法的收敛速度相比标准粒子群算法的收敛速度表现出明显的优越性，且收敛精度更高。在多峰函数3fRosenbrock函数中改进后算法和标准粒子群算法相比较，改进后的算法能够更早的跳出局部最优，以更快速度寻求到全局最优解；在复杂的多峰函数4fRastrigin函数中改进粒子群算法和标准粒子群算法相比较在收敛精度方面表现出明显的优越性。4组测试结果分析如表2-1所示：图2-2Sphere函数仿真曲线图2-3Schwefel函数仿真曲线图2-4Rosenbrock函数仿真曲线图2-5Rastrigin函数仿真曲线Fig.2-2SpherefunctionsimulationcurveFig.2-4RosenbrockfunctionsimulationFig.2-3SchwefelfunctionsimulationcurveFig.2-5Rastriginfunctionsimulation
第2章标准粒子群算法及改进粒子群算法-17-蓝色曲线表示标准粒子群算法的仿真曲线，红色曲线表示改进粒子群算法仿真曲线。在单峰函数1fSphere函数和2fSchwefel函数中改进粒子群算法的收敛速度相比标准粒子群算法的收敛速度表现出明显的优越性，且收敛精度更高。在多峰函数3fRosenbrock函数中改进后算法和标准粒子群算法相比较，改进后的算法能够更早的跳出局部最优，以更快速度寻求到全局最优解；在复杂的多峰函数4fRastrigin函数中改进粒子群算法和标准粒子群算法相比较在收敛精度方面表现出明显的优越性。4组测试结果分析如表2-1所示：图2-2Sphere函数仿真曲线图2-3Schwefel函数仿真曲线图2-4Rosenbrock函数仿真曲线图2-5Rastrigin函数仿真曲线Fig.2-2SpherefunctionsimulationcurveFig.2-4RosenbrockfunctionsimulationFig.2-3SchwefelfunctionsimulationcurveFig.2-5Rastriginfunctionsimulation
【参考文献】：
期刊论文
[1]粒子群算法及其参变量的分析[J]. 王凤娟,姜淑凤,徐凤霞. 齐齐哈尔大学学报(自然科学版). 2019(01)
[2]基于电压稳定影响的多目标无功优化研究[J]. 陶志东,顾浩,丁晓群. 智慧电力. 2018(10)
[3]模拟退火法在协同优化中的应用[J]. 饶太春,兰林强,罗伟林. 福州大学学报(自然科学版). 2018(03)
[4]基于动态加速因子的粒子群优化算法研究[J]. 滕志军,吕金玲,郭力文,王志新,许恒,袁丽红. 微电子学与计算机. 2017(12)
[5]基于改进PSO算法的电力系统无功优化[J]. 陈前宇,陈维荣,戴朝华,张雪霞. 电力系统及其自动化学报. 2014(02)
[6]电力系统无功优化研究综述[J]. 党存禄,张宁,邵冲. 电网与清洁能源. 2014(01)
[7]基于云自适应梯度粒子群算法的无功优化[J]. 祝洪博,徐刚刚,海冉冉,余立平. 电网技术. 2012(03)
[8]基于改进粒子群优化算法的多目标分布式发电规划[J]. 吴常胜. 广东电力. 2012(01)
[9]并行自适应粒子群算法在电力系统无功优化中的应用[J]. 刘世成,张建华,刘宗岐. 电网技术. 2012(01)
[10]基于改进小生境遗传算法的电力系统无功优化[J]. 崔挺,孙元章,徐箭,黄磊. 中国电机工程学报. 2011(19)
博士论文
[1]粒子群优化算法及其应用研究[D]. 李丹.东北大学 2007
硕士论文
[1]基于改进粒子群算法的电力系统无功优化研究[D]. 程文星.曲阜师范大学 2018
[2]基于PSASP的地区电网安全稳定性分析[D]. 陈鑫.陕西理工大学 2018
[3]基于改进伪梯度粒子群算法的电力系统无功优化[D]. 雷星雨.东北石油大学 2018
[4]电力系统潮流的云计算方法研究[D]. 佘文俊.南京理工大学 2017
[5]基于改进粒子群算法的配电网无功优化研究[D]. 张韵平.广东工业大学 2015
[6]基于果蝇优化算法的电力系统无功优化研究与应用[D]. 张毅磊.湖南大学 2015
[7]改进的粒子群算法及其在电力系统无功优化中的应用[D]. 侯硕楠.东北大学 2014
[8]基于小生境粒子群算法的电力系统无功优化[D]. 张金良.山东大学 2014
[9]基于混合量子粒子群算法的电力系统无功优化[D]. 李培帅.山东大学 2013
[10]基于改进粒子群算法的电力系统无功优化的研究[D]. 许伟伟.河北工业大学 2013
本文编号：2941199
【文章来源】：陕西理工大学陕西省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
图2-1粒子群算法的基本流程
第2章标准粒子群算法及改进粒子群算法-17-蓝色曲线表示标准粒子群算法的仿真曲线，红色曲线表示改进粒子群算法仿真曲线。在单峰函数1fSphere函数和2fSchwefel函数中改进粒子群算法的收敛速度相比标准粒子群算法的收敛速度表现出明显的优越性，且收敛精度更高。在多峰函数3fRosenbrock函数中改进后算法和标准粒子群算法相比较，改进后的算法能够更早的跳出局部最优，以更快速度寻求到全局最优解；在复杂的多峰函数4fRastrigin函数中改进粒子群算法和标准粒子群算法相比较在收敛精度方面表现出明显的优越性。4组测试结果分析如表2-1所示：图2-2Sphere函数仿真曲线图2-3Schwefel函数仿真曲线图2-4Rosenbrock函数仿真曲线图2-5Rastrigin函数仿真曲线Fig.2-2SpherefunctionsimulationcurveFig.2-4RosenbrockfunctionsimulationFig.2-3SchwefelfunctionsimulationcurveFig.2-5Rastriginfunctionsimulation
第2章标准粒子群算法及改进粒子群算法-17-蓝色曲线表示标准粒子群算法的仿真曲线，红色曲线表示改进粒子群算法仿真曲线。在单峰函数1fSphere函数和2fSchwefel函数中改进粒子群算法的收敛速度相比标准粒子群算法的收敛速度表现出明显的优越性，且收敛精度更高。在多峰函数3fRosenbrock函数中改进后算法和标准粒子群算法相比较，改进后的算法能够更早的跳出局部最优，以更快速度寻求到全局最优解；在复杂的多峰函数4fRastrigin函数中改进粒子群算法和标准粒子群算法相比较在收敛精度方面表现出明显的优越性。4组测试结果分析如表2-1所示：图2-2Sphere函数仿真曲线图2-3Schwefel函数仿真曲线图2-4Rosenbrock函数仿真曲线图2-5Rastrigin函数仿真曲线Fig.2-2SpherefunctionsimulationcurveFig.2-4RosenbrockfunctionsimulationFig.2-3SchwefelfunctionsimulationcurveFig.2-5Rastriginfunctionsimulation
【参考文献】：
期刊论文
[1]粒子群算法及其参变量的分析[J]. 王凤娟,姜淑凤,徐凤霞. 齐齐哈尔大学学报(自然科学版). 2019(01)
[2]基于电压稳定影响的多目标无功优化研究[J]. 陶志东,顾浩,丁晓群. 智慧电力. 2018(10)
[3]模拟退火法在协同优化中的应用[J]. 饶太春,兰林强,罗伟林. 福州大学学报(自然科学版). 2018(03)
[4]基于动态加速因子的粒子群优化算法研究[J]. 滕志军,吕金玲,郭力文,王志新,许恒,袁丽红. 微电子学与计算机. 2017(12)
[5]基于改进PSO算法的电力系统无功优化[J]. 陈前宇,陈维荣,戴朝华,张雪霞. 电力系统及其自动化学报. 2014(02)
[6]电力系统无功优化研究综述[J]. 党存禄,张宁,邵冲. 电网与清洁能源. 2014(01)
[7]基于云自适应梯度粒子群算法的无功优化[J]. 祝洪博,徐刚刚,海冉冉,余立平. 电网技术. 2012(03)
[8]基于改进粒子群优化算法的多目标分布式发电规划[J]. 吴常胜. 广东电力. 2012(01)
[9]并行自适应粒子群算法在电力系统无功优化中的应用[J]. 刘世成,张建华,刘宗岐. 电网技术. 2012(01)
[10]基于改进小生境遗传算法的电力系统无功优化[J]. 崔挺,孙元章,徐箭,黄磊. 中国电机工程学报. 2011(19)
博士论文
[1]粒子群优化算法及其应用研究[D]. 李丹.东北大学 2007
硕士论文
[1]基于改进粒子群算法的电力系统无功优化研究[D]. 程文星.曲阜师范大学 2018
[2]基于PSASP的地区电网安全稳定性分析[D]. 陈鑫.陕西理工大学 2018
[3]基于改进伪梯度粒子群算法的电力系统无功优化[D]. 雷星雨.东北石油大学 2018
[4]电力系统潮流的云计算方法研究[D]. 佘文俊.南京理工大学 2017
[5]基于改进粒子群算法的配电网无功优化研究[D]. 张韵平.广东工业大学 2015
[6]基于果蝇优化算法的电力系统无功优化研究与应用[D]. 张毅磊.湖南大学 2015
[7]改进的粒子群算法及其在电力系统无功优化中的应用[D]. 侯硕楠.东北大学 2014
[8]基于小生境粒子群算法的电力系统无功优化[D]. 张金良.山东大学 2014
[9]基于混合量子粒子群算法的电力系统无功优化[D]. 李培帅.山东大学 2013
[10]基于改进粒子群算法的电力系统无功优化的研究[D]. 许伟伟.河北工业大学 2013
本文编号：2941199
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/2941199.html
