基于改进遗传算法的无功优化研究
本文关键词：基于改进遗传算法的无功优化研究
【摘要】：电力系统的无功优化控制,可以有效地改善电能质量和显著地降低系统有功功率损耗,能使电力系统处于安全和经济的运行状态。无功优化本质上是数学的非线性规划问题,含有连续变量和离散变量。传统的算法要求目标函数具有连续可导的性质,对初值选取有密切关系。随着人工智能算法的发展,尤其是遗传算法在处理无功优化问题时表现出独特的优势,但同时也存在着算法的早熟、收敛速度慢、陷入局部解等缺点。本文在目前国内外研究的基础上,结合各种算法的优缺点,提出了混合牛顿法的遗传算法。同时,针对电力系统无功优化的特点,对简单遗传算法的适应度函数、编码方式、交叉算子、变异算子进行改进,以提高算法的效率,将遗传算法在无功优化方面的好处发挥得淋漓尽致。为了使电力系统无功优化研究更加科学,本文建立起的数学模型以有功损耗最小为目标函数。分别对IEEE-14节点系统和IEEE-30节点系统进行无功优化,仿真结果表明:本文提出的混合牛顿法遗传算法和改进遗传算法,具有更好的全局收敛能力与收敛速度。
【关键词】：无功优化 数学模型 遗传算法 改进算法
【学位授予单位】：西华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM714.3;TP18
【目录】：
- 摘要4-5
- Abstract5-9
- 1 绪论9-13
- 1.1 引言9
- 1.2 电力系统无功优化的研究现状9-10
- 1.3 无功功率对电力系统的影响10-11
- 1.4 电力系统无功优化的目的和意义11
- 1.5 论文的主要内容11-13
- 2 无功优化的数学模型及无功功率控制13-21
- 2.1 无功优化的数学模型13-15
- 2.1.1 目标函数的表示13-14
- 2.1.2 等式约束条件14-15
- 2.1.3 不等式约束条件15
- 2.2 电力系统无功优化问题的特点15
- 2.3 电力系统常用的无功功率控制手段15-20
- 2.3.1 无功电源—发电机16-18
- 2.3.2 同步调相机18-19
- 2.3.3 电力电容器及其静止补偿器19
- 2.3.4 静止无功补偿器19-20
- 2.4 本章小结20-21
- 3 无功优化的理论及算法21-28
- 3.1 电力系统潮流计算的数学描述21-22
- 3.2 牛顿拉夫逊法潮流计算22-26
- 3.3 优化算法的综述26-27
- 3.3.1 经典优化算法26
- 3.3.2 人工智能算法26-27
- 3.4 本章小结27-28
- 4 基本遗传算法28-35
- 4.1 遗传算法的发展过程28
- 4.2 遗传算法的基本概念、优点和缺点28-30
- 4.2.1 遗传算法的概念28-30
- 4.2.2 遗传算法的优点与缺点30
- 4.3 基本遗传算法30-33
- 4.3.1 基本遗传算法的数学模型30-31
- 4.3.2 基本遗传算法的步骤31-33
- 4.4 遗传算法的应用领域33-34
- 4.5 本章小结34-35
- 5 基于改进遗传算法的无功优化35-46
- 5.1 应用遗传算法进行无功优化步骤和流程35-36
- 5.2 小生境遗传算法36-38
- 5.2.1 小生境遗传算法综述36-37
- 5.2.2 共享机制的建立37
- 5.2.3 基于小生境遗传算法的无功优化步骤37-38
- 5.3 基于混合遗传算法的无功优化38-40
- 5.3.1 混合算法综述38-39
- 5.3.2 混合牛顿法遗传算法39
- 5.3.3 混合牛顿法遗传算法进行无功优化的原理39
- 5.3.4 混合牛顿法遗传算法进行电力系统无功优化的步骤39-40
- 5.4 遗传算法的改进40-44
- 5.4.1 改进适应度函数40-41
- 5.4.2 改进编码41-42
- 5.4.3 改进交叉算子42-43
- 5.4.4 改进变异算子43-44
- 5.5 遗传算法无功优化流程图44-45
- 5.6 本章小结45-46
- 6 算例仿真分析46-55
- 6.1 优化仿真的参数设置46
- 6.2 IEEE-14 节点标准系统仿真分析46-50
- 6.3 IEEE-30 节点标准系统仿真分析50-54
- 6.4 本章小结54-55
- 结论55-57
- 参考文献57-59
- 攻读硕士学位期间发表论文及科研成果59-60
- 致谢60-61
【相似文献】
中国期刊全文数据库 前10条
1 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期
2 王毅,曹树良;遗传算法在并联水泵系统运行优化中的应用[J];流体机械;2003年10期
3 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期
4 李凡,黄数林,张东风;一种改进的多倍体遗传算法[J];华中科技大学学报(自然科学版);2005年01期
5 韦雪洁;黎明;刘高航;田贵超;;注入式的遗传算法的分析与研究[J];南昌航空工业学院学报(自然科学版);2006年01期
6 阎纲;;遗传算法及其仿真[J];湖南工程学院学报(自然科学版);2006年04期
7 ;遗传算法[J];电网与清洁能源;2008年10期
8 吴玫;陆金桂;;遗传算法的研究进展综述[J];机床与液压;2008年03期
9 李培植;肖利明;于静涛;;基于遗传算法的结构优化方法[J];公路交通科技(应用技术版);2008年08期
10 于金;金乐;杜海璐;;基于改进遗传算法的集装箱装载优化问题研究[J];船海工程;2008年05期
中国重要会议论文全文数据库 前10条
1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年
3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年
4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年
5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年
6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年
7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年
8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年
9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年
10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年
中国重要报纸全文数据库 前1条
1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年
中国博士学位论文全文数据库 前10条
1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年
2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年
3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年
4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年
5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年
6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年
7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年
8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年
9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年
10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年
中国硕士学位论文全文数据库 前10条
1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年
2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年
3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年
4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年
5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年
6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年
7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年
8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年
9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年
10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年
，本文编号：561252
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/561252.html
