基于蜜蜂进化型遗传算法的电力系统无功优化

《基于蜜蜂进化型遗传算法的电力系统无功优化》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、摘要摘要电力系统无功优化是保证系统安全、经济运行的有效手段之一，是提高电压质量，降低网络有功损耗的重要措施。因此，电力系统无功优化问题的研究，既有理论意义，又有实际应用价值。电力系统无功优化是一个多变量、多约束的混合非线性规划问题，其操作变量既有连续变量又有离散变量，优化过程比较复杂。无功优化主要考虑的是：在负荷给定的情况下，变压器分接头位置、无功补偿的容量和发电机机端电压大小的优化确定。在研究中以减少有功网损作为目标函数来建立数学模型，对于电压越界点和发电机无功越界点等问题，采用罚函数法予以解决。通过对模拟退火算法、禁忌搜索、遗传算法等现代

2、智能算法的研究和比较，发现了这些算法有着易陷于局部收敛、收敛速度慢的问题，因此采用了一种引入蜜蜂繁殖机制的遗传算法—蜜蜂进化型遗传算法。在该算法中，种群的最优个体作为蜂王与被选的每个个体（雄蜂）以一定概率进行交叉操作，增强了对种群最优个体所包含信息的开采能力；为了避免算法过早收敛，在代进化过程中引入了一个随机种群，提高了算法的勘探能力。本文提出将蜜蜂进化型遗传算法用于电力系统无功优化。最后IEEE6系统和我国某地区实际电网系统的试验测试结果表明，蜜蜂进化型遗传算法在降低网损方面取得了显著效果，说明将BEGA应用到无功优化领域是有效的、可行的。

3、关键词电力系统无功优化遗传算法蜜蜂进化型遗传算法IAbstractAbstractReactivepoweroptimizationinpowersystemsisoneofthemosteffectivecontrolmethodstoensurepowersystemoperationsecurelyandeconomically,andanimportantmeasuretoimprovethevoltageprofileandreducethenetrealloss,sothatthestudyoftheproblemofreacti

4、vepoweroptimizationhasthegreatsignificanceintheoryandpracticalapplication.Reactivepoweroptimizationinpowersystemisamixednonlinearoptimizationproblemwithmanyvariablesandconstraints,theoperatingvariablesincludecontinuousanddiscretevariables,sotheoptimizationbecomesverycomplic

5、ated.ThemeasureofReactivepoweroptimizationmainlyconsiderson-loadtapchanger,optimalcapacityofthecapacitor,thevoltageofgeneratorunderthesteadyload.Reducingactivepowerlossisconsideredofthemainobjectfunctioninthispaper.Themodelofreactiveoptimizationwasestablishedbasedonthis.And

6、thepenaltyfunctionisconsideredtodealwithvariablesviolatingtheconstraints.ComparedwithSimulantAnneal,TabuSearchingandGA,wefoundthatalltheseintellectivealgorithmshaveweakness,justliketendrunningintopartialsearching.So,weintroducetheprinciplesofbeesbreedingofthenatureintothege

7、neticalgorithm,namedBeeEvolutionaryGeneticAlgorithm,BEGAforshort.InBEGA,optimumindividualbeingaqueen-beeinpopulationcrossoverwitheachselectedindividual(drone).Asaresult,itreinforcestheexploitationofgeneticalgorithm.Inordertoavoidprematureconvergence,BEGAintroducesarandompop

8、ulationthatextendssearcharea.Consequentiallyitenhancestheexplorationofgeneticalgor