配电网多目标优化重构研究

发布时间：2017-08-16 15:24

  本文关键词：配电网多目标优化重构研究

  更多相关文章： 电力系统 多目标优化 配电网重构 粒子群算法 Pareto支配

【摘要】：随着国民经济的快速发展,用电负荷不断地增加,如何降低网络损耗,以提高供电企业的经济效益并提高供电质量的问题日益突出。配网重构是配电系统优化运行的重要方式,由于无需增加额外的投资,却能极大程度地提高配电网的运行质量,因此越来越受重视。配网重构是配电系统自动化的重要组成部分之一,在正常运行条件下,配电调度员可根据运行的情况对开关进行操作以调整网络的结构,一方面可平衡负荷,消除过载与轻载,提高供电的电压质量;另一方面可降低网络损耗,提高系统的经济性。在出现故障时隔离故障,缩小停电范围,并在故障后迅速恢复供电。配电网重构是一个多目标非线性混合优化问题。针对基本粒子群算法无法直接应用于求解多目标优化问题,提出了基于pareto支配的多目标粒子群算法。本文建立了系统有功损耗、节点最低电压幅值及开关操作次数的配电网多目标优化重构模型,并运用多目标粒子群优化算法(Multi-Objective Particle Swarm Optimization,MOPSO)求解。多目标粒子群算法的关键是如何选取个体的极值,本文结合Pareto概念对个体极值依据Pareto支配关系进行选择,依据Pareto支配关系构造非支配解集并插入外部存储器,外部存储器中的解集就是全局极值的候选解集,计算外部存储器中各粒子与其他粒子的海明距离之和并作为各粒子的适应值,然后采用与适应值成比例的轮盘赌方式选取粒子的全局最优位置。采用基于拥挤距离的逐步淘汰策略对外部存储器的规模进行删减,避免了种群多样性的丧失。带时限的粒子全局极值淘汰策略使粒子能跳出局部最优,防止算法早熟收敛,保持了良好的收敛性。通过IEEE 33节点测试系统仿真计算,实验结果表明了该方法的可行性和有效性。
【关键词】：电力系统 多目标优化 配电网重构 粒子群算法 Pareto支配
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM711
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-18
• 1.1 配电网络重构的研究背景及其重要意义9-10
• 1.2 国内外配电网络重构的研究现状10-15
• 1.2.1 传统数学方法11
• 1.2.2 启发式方法类11-12
• 1.2.3 人工智能类12-15
• 1.2.4 混合算法15
• 1.3 配电网多目标重构研究概述15-16
• 1.4 本文主要内容及结构16-18
• 第2章 多目标优化问题18-24
• 2.1 多目标优化的基本概念18-19
• 2.1.1 多目标优化的数学模型18-19
• 2.1.2 Pareto最优19
• 2.2 多目标优化方法19-23
• 2.2.1 主要目标法20-21
• 2.2.2 统一目标法21-22
• 2.2.3 分层序列法22-23
• 2.3 多目标进化算法23
• 2.4 本章小结23-24
• 第3章 粒子群算法简介及其数学模型24-33
• 3.1 基本粒子群算法24-26
• 3.1.1 基本粒子群算法原理24
• 3.1.2 基本粒子群数学模型24-25
• 3.1.3 基本粒子群算法流程图25-26
• 3.2 二进制粒子群算法26-28
• 3.2.1 粒子编码方式的改进27-28
• 3.2.2 参数的动态调整28
• 3.3 多目标粒子群算法28-32
• 3.3.1 多目标粒子群算法概述28-29
• 3.3.2 多目标粒子群算法的几个关键算子29-32
• 3.4 本章小结32-33
• 第4章 配电网络重构的数学模型33-46
• 4.1 配电网络重构的常用目标函数33-35
• 4.1.1 目标函数33-34
• 4.1.2 约束条件34-35
• 4.2 配电网络常用供电模式35-38
• 4.3 配电网络拓扑分析38-41
• 4.3.1 配电网辐射状判据38-39
• 4.3.2 配电网辐射状判据流程39-41
• 4.4 配电网络潮流计算41-45
• 4.5 本章小结45-46
• 第5章 基于MOPSO的配电网多目标优化重构46-56
• 5.1 引言46
• 5.2 配电网多目标优化重构数学模型46-47
• 5.2.1 数学模型47
• 5.2.2 约束条件47
• 5.2.3 目标函数的求解47
• 5.3 多目标粒子群算法在配电网多目标优化重构中的应用47-49
• 5.3.1 速度和位置的更新48
• 5.3.2 极值更新48
• 5.3.3 参数调整48
• 5.3.4 Pareto解集的存储48-49
• 5.3.5 外部存储器规模的控制49
• 5.3.6 全局极值时限值的调整49
• 5.4 算法流程图49-50
• 5.5 算例分析50-55
• 5.6 本章小结55-56
• 总结与展望56-58
• 参考文献58-63
• 致谢63-64
• 附录A 攻读学位期间所发表的学术论文目录64

【相似文献】

中国期刊全文数据库 前10条

1 刘平;乔和平;;效用函数理论在工程多目标优化中的应用[J];建筑技术开发;2010年01期

2 李雨生;;在一种广义锥凸性下的多目标优化解[J];河海大学学报;1987年05期

3 李雨生,张宇明;多目标优化的锥拓扑及有关问题[J];华中理工大学学报;1988年04期

4 陈林根,胡德明,张俊迈;舰船汽轮齿轮机组一体化的初步设计多目标优化[J];中国造船;1991年02期

5 银车来,李光熹,熊曼丽;水火电联合系统多目标优化调度[J];电力系统自动化;1993年09期

6 张翔;工程设计多目标优化的评价准则[J];机械设计;1993年04期

7 周学建;师清翔;朱永宁;;模糊相似优先比在清选系统多目标优化中的应用[J];洛阳工学院学报;1993年02期

8 姚新胜,黄洪钟,周仲荣,田志刚,李海滨;基于广义满意度原理的多目标优化理论研究[J];应用科学学报;2002年03期

9 张葵葵,汪晗;一种多目标优化进化算法研究[J];长沙交通学院学报;2003年02期

10 姜斌;梁士锋;冯佳佳;;催化吸收稳定系统的多目标优化[J];计算机与应用化学;2008年01期

中国重要会议论文全文数据库 前10条

1 张翔;;一种无歧义性的多目标优化数值解法[A];中国农业机械学会成立40周年庆典暨2003年学术年会论文集[C];2003年

2 罗亚中;;航天器轨迹多目标优化研究评述[A];The 5th 全国动力学与控制青年学者研讨会论文摘要集[C];2011年

3 耿玉磊;张翔;;多目标优化的求解方法与发展[A];福建省科协第四届学术年会——提升福建制造业竞争力的战略思考专题学术年会论文集[C];2004年

4 耿玉磊;张翔;;多目标优化的求解方法与发展[A];福建省科协第四届学术年会提升福建制造业竞争力的战略思考专题学术年会论文集[C];2004年

5 程鹏;唐雁;邹显春;;约束多目标优化试验函数产生器[A];2008年计算机应用技术交流会论文集[C];2008年

6 贾小平;韩方煜;;多目标优化及其在过程工程中的应用[A];过程系统工程2001年会论文集[C];2001年

7 邢志祥;;灭火救援力量调集的多目标优化[A];第一届全国安全科学理论研讨会论文集[C];2007年

8 孙力;樊希山;姚平经;;化工过程多目标优化适宜解的模糊确定[A];第二届全国传递过程学术研讨会论文集[C];2003年

9 李颖t;昝建明;周建文;;多目标形貌优化方法研究[A];结构及多学科优化工程应用与理论研讨会’2009（CSMO-2009）论文集[C];2009年

10 许碧霞;李兆江;;基于循环经济的城市污水多目标优化配置分析[A];中国地理学会2007年学术年会论文摘要集[C];2007年

中国博士学位论文全文数据库 前10条

1 王晗丁;复杂问题的多目标进化优化算法研究[D];西安电子科技大学;2015年

2 董宁;求解约束优化和多目标优化问题的进化算法研究[D];西安电子科技大学;2015年

3 邹娟;高维多目标进化优化及降维评价的方法研究[D];湘潭大学;2014年

4 杨光;求解多目标优化问题的NWSA研究及其工程应用[D];吉林大学;2015年

5 王超;装载与车辆路径联合多目标优化问题研究[D];大连理工大学;2016年

6 叶承晋;计算智能在电力系统多目标优化中的应用研究[D];浙江大学;2015年

7 过晓芳;超多目标优化问题的几种进化算法研究[D];西安电子科技大学;2015年

8 左益;基于全局优化和局部学习的进化多目标优化算法[D];西安电子科技大学;2016年

9 卢芳;多目标优化及随机变分不等式问题的若干研究[D];重庆大学;2016年

10 徐志丹;基于生物地理算法的多目标优化理论与应用研究[D];哈尔滨工程大学;2013年

中国硕士学位论文全文数据库 前10条

1 韩伟;基于混合智能算法在造纸废水厌氧消化处理过程多目标优化中的研究[D];华南理工大学;2015年

2 东方世平;高速列车悬挂系统参数多目标优化[D];北京交通大学;2015年

3 苏贵良;基于免疫遗传微粒群智能算法的工程项目多目标优化研究[D];中国石油大学(华东);2014年

4 王学骥;多目标优化裁剪分配管理系统的研究与开发[D];东南大学;2015年

5 段雪凝;带时间窗的冷链物流车辆路径多目标优化问题研究[D];东北大学;2014年

6 赵丹;基于蚁群算法的建筑工程项目多目标优化研究[D];河北工程大学;2016年

7 孟涛;主动配电网广义电源多目标优化配置与运行[D];东北电力大学;2016年

8 李琰;黑箱多目标优化评估系统研究与实现[D];东北大学;2014年

9 孟婷婷;基于决策者偏好信息的NPS-CSS算法研究[D];东北大学;2014年

10 程慧敏;云环境中基于多目标优化的科学工作流数据布局策略研究[D];安徽大学;2016年

，

本文编号：684028