基于改进粒子群算法的电力系统无功优化

发布时间：2017-07-20 23:11

  本文关键词：基于改进粒子群算法的电力系统无功优化

  更多相关文章： 电力系统 无功优化 粒子群算法 差分进化算法

【摘要】：电力系统无功的合理分布是保证电压质量和降低网损的前提条件,电力系统中无功的优化调整,将对电力系统的安全经济运行产生重要作用。电压质量是电能质量的重要指标之一,无功潮流分布是否合理,直接决定了电压质量的好坏,这不仅关系到电力系统向电力用户提供电能质量的优劣,而且还直接影响电网自身运行的安全性和经济性。进行无功优化是确保电力系统安全性、提高供电质量和经济效益的有效措施。电力系统无功优化的主要目的是通过合理调节无功设备实现系统运行状态的优化,使系统的有功损耗下降、电压质量提高和稳定性增强。无功优化主要考虑在负荷给定的情况下,变压器分接头位置、无功补偿的最佳容量和发电机机端电压大小的优化确定。 本文首先以有功损耗最小为目标函数建立了电力系统无功优化计算的数学模型,并在此基础上建立以未来一天24h系统电能损耗最小为目标函数的动态无功优化数学模型,为解决离散控制设备动作次数约束造成的动态无功优化问题的时空耦合性,提出了动态无功优化时间—空间解耦方法。接着,本文在电力系统无功优化研究现状的基础上,深入分析了近年来新兴的几种智能优化算法,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,提出引入差分进化思想的混合粒子群算法,通过差分变异增加粒子群种群的多样性,使之能有效地克服了基本粒子群算法容易陷入局部收敛的问题,提高了粒子群算法的优化性能。然后,本文把具有良好收敛特性的基于差分进化的改进粒子群优化算法的解决方案应用于无功优化中,针对电力无功优化问题提出了基于改进粒子群优化算法的解决方案；最后,本文以10节点系统为例用此算法进行了无功优化计算,并对优化结果进行分析,证明了基于改进粒子群优化算法在电力系统无功优化问题上的可行性和有效性。
【关键词】：电力系统 无功优化 粒子群算法 差分进化算法
【学位授予单位】：华北电力大学（北京）
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TM714.3
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-18
• 1.1 目的和意义9-10
• 1.2 无功优化算法的发展10-15
• 1.2.1 常规优化方法10-12
• 1.2.2 人工智能算法12-15
• 1.3 动态无功优化15-17
• 1.3.1 动态无功优化的基本概念15
• 1.3.2 动态无功优化的研究现状15-17
• 1.4 本论文的主要工作17-18
• 第2章 改进粒子群优化算法18-33
• 2.1 引言18
• 2.2 粒子群算法基本原理18-23
• 2.2.1 粒子群算法基本原理18-19
• 2.2.2 粒子群算法流程19-21
• 2.2.3 粒子群算法的参数设置21-23
• 2.3 差分进化算法23-29
• 2.3.1 差分进化算法基本原理24-27
• 2.3.2 差分进化算法流程27-28
• 2.3.3 差分进化算法的参数设置28-29
• 2.4 差分进化粒子群算法29-31
• 2.5 本章小结31-33
• 第3章 基于改进粒子群算法的无功优化研究33-44
• 3.1 引言33
• 3.2 无功优化数学模型33-36
• 3.2.1 功率约束方程33-34
• 3.2.2 变量约束方程34-35
• 3.2.3 目标函数35-36
• 3.3 动态无功优化的时间解耦法36-38
• 3.3.1 负荷分段36
• 3.3.2 控制设备预动作表36-37
• 3.3.3 动态调整动作表37-38
• 3.4 基于差分进化粒子群算法的无功优化38-43
• 3.4.1 适应值函数38-39
• 3.4.2 算法的编码39
• 3.4.3 离散变量的处理39-40
• 3.4.4 粒子群的初始化40
• 3.4.5 潮流计算40
• 3.4.6 收敛准则40
• 3.4.7 算法步骤及流程图40-43
• 3.5 本章小结43-44
• 第4章 算例分析44-49
• 4.1 引言44
• 4.2 10节点系统模型44-46
• 4.2.1 10节点系统模型参数45
• 4.2.2 10节点系统模型参数限值45-46
• 4.3 计算结果46-47
• 4.4 结果分析47-48
• 4.5 本章小结48-49
• 第5章 结论与展望49-51
• 参考文献51-54
• 攻读硕士学位期间发表的论文及其它成果54-55
• 攻读硕士学位期间参加的科研工作55-56
• 致谢56

【引证文献】

中国期刊全文数据库 前1条

1 康丽;陈裔生;杨勇;华栋;;基于PSO算法与协同进化算法的地区电网无功优化模型[J];水电能源科学;2012年08期

中国硕士学位论文全文数据库 前1条

1 王布静;微粒群算法研究及其在电力无功优化中的应用[D];山东师范大学;2012年

，

本文编号：570421