基于改进型粒子群算法的电力系统无功优化研究
发布时间：2021-12-12 08:01
电力系统无功优化是十分复杂的,它是一种非线性规划问题,该问题当中含有多个变量和多个约束。考虑到变量共存性的问题,我们需要对连续变量和离散变量进行适当的处理。潮流方程是一种非凸的高阶方程组等式,它的约束条件中含有多变量和约束,寻常的算法不易求出潮流方程的解,只有选择适当的算法才能够更好的对方程求解。在无功优化过程中,也要选取一种符合要求的优化算法,目前应用广泛的优化算法是传统算法和人工智能算法,本文通过对比两者的优缺点,选择适合无功优化的算法。粒子群算法是本文采用的方法,它的特性与无功优化的特点较为符合,以有功网损最小为目标函数与罚函数相结合的模型,通过牛顿-拉夫逊法求解进行潮流计算。细致的介绍了粒子群算法的基本原理及其优化流程,对粒子群算法存在早熟及易形成局部最优等问题提出了改进方案。利用单纯体法构成初始粒子群,提高初始粒子的质量,选用分组变化的惯性权重,基于此特点种群可划分为大小两组,大组的策略为典型的线性递减,而小组策略则为基于反正切函数的非线性递减;对加速因子采用线性策略并与遗传算法中的选择操作进行结合改进算法,提高了算法的性能,改进的算法能够快速中跳出局部最优解并可以很快的收敛...
【文章来源】：辽宁工程技术大学辽宁省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
图3.1粒子移动的示意图
图 3.2 基本粒子群算法的简单流程图Figure 3.2 Simple flow chart of elementary particle swarm准粒子群算法98 年 Y.Shi 与 R.C.Eberhart 联合提出了标准粒子群算法它在速度方程的第一部分中添加了惯性权重系数 ，能力，其中标准粒子群算法为： 1 1 2 211 1k k k k kv c r p x c r p xid id id gd idk kx vid id 惯性由惯性权重系数 决定，需选择对自身的搜索。当 =1时，与 PSO 算法的计算方法一样。文献[21]析指出，算法可以收敛更快的取值是 在[0.8,1.2]之收敛较慢而且容易造成局部最优。文献[22]表明，较而较大的惯性重量对全球的优化是有利的。通过大量
图 3.3 单纯体法初始化流程框图Schematic diagram of initialization process of simple b进权重 是十分重要的参数，选择适当的 对 选值比较小的情况下，全局搜索能力下降解；在选值大的情况下各结果则相反，即局时收敛速度提升。根据惯性权重的特征，专将这些成果划分成两大类，即线性方案和非就是传统的线性递减方案，上面已详细描述从 0.9 到 0.4 的线性递减进行了实验，在一定群算法可快速锁定最优解区域范围， 逐渐加细致的进行局部的搜索。但是 的逐渐下粒子群算法局部最优。文献[26]提出了一种
【参考文献】：
期刊论文
[1]铁路行车调度问题的改进粒子群优化研究[J]. 韩广,李雪杨,孙晓云,贾学梅,张超,聂怡凡. 控制工程. 2017(09)
[2]基于遗传细菌觅食混合算法的电力系统无功优化[J]. 武学伟,陈永刚. 电力电容器与无功补偿. 2017(01)
[3]自适应网格密度改进粒子群算法在多目标无功优化中的应用[J]. 徐基光. 电网与清洁能源. 2017(02)
[4]粒子群算法在船舶电网系统中的应用[J]. 苟元琴. 舰船科学技术. 2016(16)
[5]多目标萤火虫算法的电力系统无功优化方法[J]. 谢国民,郭小娟,刘键更. 辽宁工程技术大学学报(自然科学版). 2016(04)
[6]改进黑洞粒子群算法在电力系统环保经济调度中的应用[J]. 宗超凡,代奇迹,赵海丽. 电工电气. 2016(01)
[7]一种改进的粒子群优化算法[J]. 杨华芬,董德春,杨丽华,李丽. 重庆师范大学学报(自然科学版). 2015(05)
[8]电力系统无功优化模型的研究综述[J]. 王晓文,赵彦辉. 华北水利水电大学学报(自然科学版). 2015(02)
[9]基于自适应遗传算法的分布式电源多目标功率优化与模糊决策[J]. 曾强,谢善益,袁澎,曾联想,李豪天,朱旭坤,艾芊. 电器与能效管理技术. 2015(03)
[10]基于改进粒子群算法的船舶电力系统无功优化[J]. 李彦,董龙龙,雍建容,邵坤明. 中国航海. 2014(04)
博士论文
[1]粒子群算法改进及其在电力系统的应用[D]. 黄平.华南理工大学 2012
硕士论文
[1]地区电网无功优化控制与应用[D]. 郝臻.山东大学 2014
[2]基于云模型和粒子群算法的电力系统无功优化[D]. 王立玮.华北电力大学 2014
[3]改进粒子群算法在电力系统无功优化中的应用[D]. 武鲁晓.山东大学 2012
[4]基于改进粒子群优化算法的电力系统无功优化算法研究[D]. 刘利红.太原理工大学 2012
[5]搜寻者优化算法在电力系统最优潮流中的应用[D]. 张倩.西南交通大学 2008
本文编号：3536304
【文章来源】：辽宁工程技术大学辽宁省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
图3.1粒子移动的示意图
图 3.2 基本粒子群算法的简单流程图Figure 3.2 Simple flow chart of elementary particle swarm准粒子群算法98 年 Y.Shi 与 R.C.Eberhart 联合提出了标准粒子群算法它在速度方程的第一部分中添加了惯性权重系数 ，能力，其中标准粒子群算法为： 1 1 2 211 1k k k k kv c r p x c r p xid id id gd idk kx vid id 惯性由惯性权重系数 决定，需选择对自身的搜索。当 =1时，与 PSO 算法的计算方法一样。文献[21]析指出，算法可以收敛更快的取值是 在[0.8,1.2]之收敛较慢而且容易造成局部最优。文献[22]表明，较而较大的惯性重量对全球的优化是有利的。通过大量
图 3.3 单纯体法初始化流程框图Schematic diagram of initialization process of simple b进权重 是十分重要的参数，选择适当的 对 选值比较小的情况下，全局搜索能力下降解；在选值大的情况下各结果则相反，即局时收敛速度提升。根据惯性权重的特征，专将这些成果划分成两大类，即线性方案和非就是传统的线性递减方案，上面已详细描述从 0.9 到 0.4 的线性递减进行了实验，在一定群算法可快速锁定最优解区域范围， 逐渐加细致的进行局部的搜索。但是 的逐渐下粒子群算法局部最优。文献[26]提出了一种
【参考文献】：
期刊论文
[1]铁路行车调度问题的改进粒子群优化研究[J]. 韩广,李雪杨,孙晓云,贾学梅,张超,聂怡凡. 控制工程. 2017(09)
[2]基于遗传细菌觅食混合算法的电力系统无功优化[J]. 武学伟,陈永刚. 电力电容器与无功补偿. 2017(01)
[3]自适应网格密度改进粒子群算法在多目标无功优化中的应用[J]. 徐基光. 电网与清洁能源. 2017(02)
[4]粒子群算法在船舶电网系统中的应用[J]. 苟元琴. 舰船科学技术. 2016(16)
[5]多目标萤火虫算法的电力系统无功优化方法[J]. 谢国民,郭小娟,刘键更. 辽宁工程技术大学学报(自然科学版). 2016(04)
[6]改进黑洞粒子群算法在电力系统环保经济调度中的应用[J]. 宗超凡,代奇迹,赵海丽. 电工电气. 2016(01)
[7]一种改进的粒子群优化算法[J]. 杨华芬,董德春,杨丽华,李丽. 重庆师范大学学报(自然科学版). 2015(05)
[8]电力系统无功优化模型的研究综述[J]. 王晓文,赵彦辉. 华北水利水电大学学报(自然科学版). 2015(02)
[9]基于自适应遗传算法的分布式电源多目标功率优化与模糊决策[J]. 曾强,谢善益,袁澎,曾联想,李豪天,朱旭坤,艾芊. 电器与能效管理技术. 2015(03)
[10]基于改进粒子群算法的船舶电力系统无功优化[J]. 李彦,董龙龙,雍建容,邵坤明. 中国航海. 2014(04)
博士论文
[1]粒子群算法改进及其在电力系统的应用[D]. 黄平.华南理工大学 2012
硕士论文
[1]地区电网无功优化控制与应用[D]. 郝臻.山东大学 2014
[2]基于云模型和粒子群算法的电力系统无功优化[D]. 王立玮.华北电力大学 2014
[3]改进粒子群算法在电力系统无功优化中的应用[D]. 武鲁晓.山东大学 2012
[4]基于改进粒子群优化算法的电力系统无功优化算法研究[D]. 刘利红.太原理工大学 2012
[5]搜寻者优化算法在电力系统最优潮流中的应用[D]. 张倩.西南交通大学 2008
本文编号：3536304
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/3536304.html
