基于混合编码改进遗传算法的无功优化-研究

基于混合编码改进遗传算法的无功优化-研究

ID:31978786

大小:2.23 MB

页数:62页

时间:2019-01-30

基于混合编码改进遗传算法的无功优化-研究_第1页
基于混合编码改进遗传算法的无功优化-研究_第2页
基于混合编码改进遗传算法的无功优化-研究_第3页
基于混合编码改进遗传算法的无功优化-研究_第4页
基于混合编码改进遗传算法的无功优化-研究_第5页
资源描述:

《基于混合编码改进遗传算法的无功优化-研究》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、3.1.4MutationOperation⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..303.1.5ConvergenceCriterion⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯303.1.6SolvingStepsforSimpleGeneticAlgorithm⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..313.2TheCharacteristicsofGeneticAlgorithms⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.323.3TheImprovementofGeneticAlgorithm⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯.323.4Imp

2、rovedGeneticAlgorithmApplinginPowerOptimizationofPowerSystemReactive⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯343.4.1HybridEncoding⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯343.4.2TheInitialPopulation⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.353.4.3FitnessFunction⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.353.4.4SelectingOperation⋯⋯⋯⋯⋯⋯⋯

3、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..363.4.5InterlaceOperation⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯363.4.6MutationOperation⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..373.4.7TheSecondMutationOperation⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯383.4.8ConvergenceCriterion⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯383.4.9CalculationStepsoftheImprovedGeneticAlgorithminPowe

4、rOptimizationofPowerSystemReactive⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.393.5Summary⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..41Chapter4ExamplesandResultsAnalysis⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯424.1BriefIntroductionofMATLAB⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯424.2AnalysisoflEEE14BusSystemSimulation⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯424.2.1TheIntr

5、oductionofIEEE14BusSystem⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.424.2.2TheParameterSettingsofReactivePowerOptimizationandResultsAnalysis⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..444.3Summary⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..47Chapter5ConclusionandExpectation⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯48References⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

6、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..50Acknowledgement⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.55山东大学硕士学位论文摘要进入二十一世纪以来,我国的电力工业迅速发展,电力用户对电能质量的要求越来越高,如何保证现代电力系统的安全、稳定、经济运行成为当代电力工作者面临的一个重要问题。电力系统无功优化能有效地降低电力系统的有功功率损耗、改善电网的电压质量,是保证电力系统安全、稳定、经济运行的重要手段。因此,对电力系统无功优化问题的研究,具有重要的理论指导意义和较高的实际应用价值。电力系统无功优化是一个既含有连续

7、变量又含有离散变量的复杂的非线性规划问题,其求解过程异常繁琐。传统的无功优化算法依赖于精确的数学模型,~般要求目标函数连续、可导,且不能精确的处理离散变量,致使在求解含有大量离散变量的电力系统无功优化问题时产生较大误差,影响了计算结果的准确性。而人工智能优化算法不需要精确的数学模型,就能够很好地处理非线性及离散性问题,因此在优化运算中得到了广泛的应用。本文在综合分析当前各种传统优化算法和人工智能算法优缺点的基础上,结合电力系统的实际,选取遗传算法作为求解电力系统无功优化问题的方法。针对电力系统无功优化的特点,本文选取电力系统有功网损最小为目标函数,采用罚函数处

8、理电力系统状态变量的约束条件,运用计算

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。