资源描述：
《电力系统无功优化方法研究 毕业设计》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、山东科技大学学士学位论文山东科技大学本科毕业设计（论文）题目电力系统无功优化方法研究专题无功优化规划模块设计学院名称信息与电气工程学院专业班级学生姓名学号指导教师2011年6月10日山东科技大学学士学位论文摘要摘要电力系统无功优化的目的在于确定系统中无功设备的合理配置，以保证电网在满足一定的安全约束条件下，使系统的技术经济性能指标最好，即无功补偿设备的安装投资及电网的运行费用最小。电力系统的无功优化规划，是指当系统的无功出现不足时，确定最佳的补偿容量以及补偿位置，以确保较高的电压合格率和较小的运行网损，取得电压质量的
2、重要措施之一。电力系统无功优化属于非线性优化范畴，具有多约束、非连续性、非线性的特点，可归结为混合整数非线性问题(MINLP)。常规的数学规划方法在处理此类问题时有较大的局限性。本文将采用粒子群优化算法。粒子群优化算法本质上是一种多代理算法，对复杂非线性问题具有较强的寻优能力；该算法能够同时处理问题中的连续变量和离散变量，能够较好地协调全局搜索和局部搜索，并具有并行计算的特性以及较强的鲁棒性。本文对IEEE14、30节点试验系统进行了无功优化规划，取得了令人满意的结果，表明运用粒子群优化算法求解该问题是可行的。关键词
3、：无功优化无功优化规划粒子群算法山东科技大学学士学位论文ABSTRACTABSTRACTReactivepoweroptimizationisaimedatestablishingthesystemofrationalallocationofreactivepowerdevicesinordertoensuregridsecurityconstraintsinmeetingcertainconditions,thesystemisthebesttechnicalandeconomicperformanceindica
4、tors,namely,theinstallationofreactivecompensationequipmentinvestmentandnetwork minimumrunningcosts. Reactivepoweroptimizationofpowersystemplanning,isthereactivepoweroccurswhenthesystemisinsufficienttodeterminethebestlocationofthecompensationcapacity,andcompensa
5、tiontoensureahigherpassratesandlowvoltageoperationofnetworkloss,theimportanceofobtainingthevoltagequality Oneofthemeasures. Reactivepoweroptimizationofnon-linearoptimizationareas,withmultipleconstraints,non-continuous,nonlinear,andcanbeattributedtothemixed-inte
6、gernonlinearproblems(MINLP). Conventionalmathematicalprogrammingmethodsindealingwithsuchissueshasgreatlimitations. Thisarticlewillusetheparticleswarmoptimization.PSOisessentiallyamulti-agentalgorithmforcomplexnonlinearproblemswithstrongsearchingcapability;theal
7、gorithmcanalsodealwiththeproblemofthecontinuousvariablesanddiscretevariables,tobettercoordinatetheglobalandlocal search,andhasparallelfeaturesandrobustness. Inthispaper,IEEE14,30nodetestsystemforoptimalreactivepowerplanning,andachievedsatisfactoryresults,indica
8、tingthattheuseofparticleswarmoptimizationalgorithmtosolvetheproblemisfeasible. Keywords:ReactivePowerOptimization，ReactivePowerOptimizationPlanning ，ParticleSwarmOptimizatio
