基于改进粒子群优化算法的哈尔滨电网改造方案的研究

《基于改进粒子群优化算法的哈尔滨电网改造方案的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华北电力人学硕?}：学位论文安排电网络的结构网架，才能能到更多的经济利益和社会效益，单纯地符合理论基础，很可能会劳民伤财，得不偿失，所以电网规划应该因地制宜，只有这样才是高效可行的网络规划，才能提高人民的生存质量，在这一方面，电网规划具有十分强大的意义，背负着艰巨的历史使命。粒子群的优化算法起源于生物进化算法，用来求解单目标或是多目标的非线性变化的，有一定的约束条件的优化算法，这些优化算法应用在实际问题的意义很大，将具体的问题落实到了数学问题上，在一定程度上简化了在实际操作过程当中不必要的选择方案。粒子群的优化算法在解决某些经典的优化问题时，具有传统的遗传算法不可比拟的优势，粒子群的优化算

2、法在电力网络领域的优势运用得十分广泛，例如电网规划的优化方法的确定、电网的检修方案、以及中短期的整体网络规划、机组组合控制、负荷控制、潮流计算等方面都得到了较为广泛的应用，而且，实际应用价值很大，粒子群的优化算法虽然和广为熟知的遗传算法共同起源于生物进化算法，但是它的理论和实际运用远没有遗传算法那样细致，而且已经形成了一套自己的理论，形成了标准的数学模型，虽然在这一方面，粒子群的优化算法有不足之处，但是对于如何完善其理论和实际应用方面，也给了众多学者研究空间，其研究前景十分可观，有利于拓展出更多更全面的研究方法。本文针对于黑龙江省哈尔滨市电网电力线路已有的安全稳定技术的基础上，根据标准粒子

3、群优化算法提出了一种改进粒子群优化算法，将其在理论上运用到了哈尔滨市江北地区的线路当中，体现出了这种改进的粒子群的优化算法具有的优越特性，有很好的应用价值。1．2国内外研究进展电网络规划在数学上分析时，是一个十分不确定的动态的，而且具有很多目标因素的问题。因为大量的不确定的因素，以目前的数学水平，很难用数学的模型加以描述，很多时候只有依靠有经验的规划人员的经验来完成相应的工作，从而使得华北电力人字坝I?学位论义电网规划一直存在缺乏科学性的缺点，随着科学技术的不断发展以及迅猛的增长电力的需求，传统的方法越来越不能满足工作的需求。依据国内外关于电网规划的理论研究的成果，实际工作的应用中已引用到

4、了了各种各样的先进的理论和方法以及科学技术，利用这些新的方法，工作人员工作量在很大的程度上减少，并保证了规划的结果具有科学性以及准确性。群集智能的计算方法就是其中的优秀成果之一。以生物的系统为主题的群集智能的计算方法，简单几个个体所组成的群落和环境以及个体它们之间的相互作用，局部的信息产生了难以估量群体行为使这种生物的社会性模拟系统可以解决一些由于过去技术落后的原因，难以建立的有效形式化模型却无法解决问题【21。自从上世纪的90年代，越来越多的专家学者在群集智能的计算方法上发现了问题，他们开始积极进行了相关的研究，所以许多相应的先进的计算方法从此而来，例如蚁群的优化算法等等，Kenndy和

5、Eberhart这两位学者在1995年的时候根据模拟鸟群、鱼群的行为过程中，加上了生命科学的研究成果，得出了现在十分著名的粒子群的优化算法，这种算法也是在群集智能的计算方法的基础上演变而来的。对粒子群的优化算法(PSO)进行了很深入的研究，而且把它应用到了电力系统的规划中的某些具体问题上的优化求解中，这是本文将提出的关键性讨论【31。在电网规划中最早采用的方法是Burstall博士于1966年提出来的启发式方法，他运用这种算法在供电线路和较小的电力网络中，虽然在那时没有得到普遍的推广和承认，但是随着社会科技水平的不断发展，虽然存在着一定的不足之处，但是这种算法的优越性也逐渐凸显出来，197

6、0年Garver提出线性潮流估计规划模型，该模型只满足约束条件，并没有考虑到安全事故的检验问题，随后也有一些科学家提出了扩大系统容量的技术，利用了线性的规划方法和动态的规划方法来寻找最优的待扩展的网络，这是最早电网规划的线性规划的模型；在1973年，Puntel等科学家提出了自动的输电规划的方法；Dechanps等于1979年提出一种对话式的输电扩展规划模型；1982年Bennon等提出用于自动输电规划的灵敏度分析算法：1996年Romero等把模拟退火算法应用于输电系统扩展。粒子群的优化算法是将优化的问题对应的解定位在了搜索空问中的一只鸟它所3华北I也力人学硕．Ij学位论文占据的位置，这

7、些鸟就是所谓的“微粒”；每一个粒子都有它们自己相对应的速度和相对应的位置，而且都遵循一个由优化算法换算出来的适应值函数，为了完成解空间中的搜索，各微粒会把以往的经验运用到当前的最优微粒的位置上来，比较分析之后不断更新其位置。粒子群的优化算法的很多优点【31，例如：不依靠问题的通用算法；能够保留住的局部个体以及全局的种群的最优粒子的信息，而且拥有记忆群体搜索的能力；与此同时还能够利用个体的局部最优粒子的信息和群体全局最优粒