基于果蝇优化算法的电力系统无功优化.研究与应用

《基于果蝇优化算法的电力系统无功优化.研究与应用》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、基于果蝇优化算法的电力系统无功优化研究与应用摘要电力系统的无功功率分布是否合理决定了电压质量的好坏，并直接影响着整个电网的安全稳定和经济运行。无功优化是提高电力系统稳定性、降低网络损耗和改善电压质量的有效手段，因此研究无功优化问题具有非常重要的意义。电力系统无功优化具有连续变量和离散变量混合、多约束、非线性和高维度等特点，是一个复杂的优化问题，采用一般的数学方法求解起来相当困难，需要选择适当的优化算法进行求解。本文在研究无功优化数学模型及相关算法的基础上，综合分析了各种传统优化算法和人工智能算法的特点，对比后选取新兴的

2、果蝇优化算法作为研究对象。首先深入研究了果蝇优化算法(FruitFlyOptimizationAlgorithm,FOA)的基础理论知识，针对其搜索范围变异概率低，种群个体多样性差，可能错过最优解，寻优精度不高和易陷入局部最优等缺点，对其进行改进，提出一种多种群融合的果蝇优化算法(Multi-swarmFruitFlyOptimizationAlgorithm,MFOA)，采用多种群、修订评价函数、动态收缩搜索半径和加入局部搜索等策略，提高算法的收敛精度和跳出局部极值的能力。通过5个经典测试函数不同优化算法仿真结果对比

3、分析，表明了MFOA算法的有效性。然后将改进后的多种群果蝇优化算法应用到电力系统无功优化中。分析了改进后多种群果蝇优化算法求解无功优化问题的思路，给出了基于MFOA算法无功优化的计算步骤和流程，并对解空间编码、参数设置以及结束准则做出具体说明。完成了基于MATLAB软件平台的改进后多种群果蝇优化算法(MFOA)的电力系统无功优化程序编写，并与“Matpower”工具包中的牛顿-拉夫逊潮流计算部分相结合，对IEEE-30节点标准测试系统进行仿真计算。通过与标准粒子群算法(StandardParticleSwarmOpti

4、mization,PSO)和自适应差分算法(Self-adaptiveDifferentialEvolution,SADE)的无功优化结果进行对比分析，得到改进后的多种群果蝇优化算法显著降低了网损，改善了电压水平，提高了算法的收敛速度和全局寻优能力，而且收敛精度更高，验证了应用MFOA算法求解电力系统无功优化的有效性，具有良好的实用价值。最后，本文还利用MATLABGUI编写了基于多种群果蝇优化算法的电力系统无功优化计算平台，能够快速实现对电力系统进行无功优化计算、参数配置和数据存储等功能，使用户在进行无功优化操作时更

5、为方便和直观，为电力系统的安全稳定运行提供重要保证，是一种有意义的优化工具。关键词：无功优化；果蝇优化算法；多种群果蝇优化算法；MATLABGUIII工程硕士学位论文AbstractThedistributionofreactivepowerinpowersystemisreasonableornotdeterminesthevoltagequalityanddirectlyaffectsthesafetyandeconomicoperationofthewholepowergrid.Itisveryimportant

6、tostudyofreactivepoweroptimizationproblemthatistheeffectivemeanstoimprovethestabilityofpowersystemandreducethenetworklossandimprovethevoltagequality.Reactivepoweroptimizationofpowersystemisacomplexoptimizationproblemwiththecharacteristicsofcontinuousanddiscretev

7、ariablesmixedandmulticonstrainedandnonlinearandhighdimension.Themethodofgeneralmathematicsisverydifficulttosolvereactivepoweroptimizationofpowersystemthatneedtoselecttheappropriateoptimizationalgorithmforsolving.Wewillresearchthemathematicalmodelofreactivepowero

8、ptimizationandrelatedalgorithmsinthisthesis.Throughthecomprehensiveanalysisofthecharacteristicsofthetraditionaloptimizationalgorithmsandartificialintelligencealgorith