基于改进粒子群和差分进化新型混合算法在可用输电能力计算中应用的论文

《基于改进粒子群和差分进化新型混合算法在可用输电能力计算中应用的论文》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、浙江大学硕士论文摘要世界范围的电力工业改革为我们带来了巨大的经济效益，但是同时也对电力系统的决策提出了全新的挑战。电力的供需平衡逐步由计划经济引导下的平衡发展为市场经济引导下的平衡。而电网的可用输电能力ATC(AvailableTransferCapability)就是其中的一个十分重要的制约因素。因此，在电力资源日益紧张的现实环境下，怎样准确而且高效的确定电力系统的可用输电能力，使得系统不仅可以满足安全可靠的运行条件，还能够最大限度的满足用电增长的需求，这就显得十分的重要。本文在考虑系统静态安全约束的基础上，构建了基于最优潮流的可用输电能力(ATC)的计算数学模型。针对本文所

2、构建的数学模型，同时通过对各种优化算法的对比分析，为了有效的克服粒子群算法以及差分进化算法在单独求解全局优化问题时所存在的不足，本文采用基于改进的粒子群和差分进化的混合算法来求解可用输电能力问题。这种改进后的新型混合算法的总体思想是将进化种群等分为独立的两部分，对其中的一部分种群采用粒子群算法的进化机制进行进化，而对于另一部分种群采用差分进化算法的进化机制来进化，而进化寻优的整个过程中，在两个种群间引入信息交流机制来交换彼此种群间优秀个体的信息。这样，每个种群通过吸收来自另一个种群的优秀个体的信息，来使整个算法的性能得到了很大的提升，有效的克服了这两种算法在单独处理优化问题时所

3、存在的不足。在本文的研究中发现，并不是所有粒子群算法经过改进以后，再与差分进化算法进行混合都能在ATC的计算中取得较为理想的效果，故本文经过大量的试验分析，对该混合算法进行了相应的改进，引入了非线性动态改进惯性权重策略和惯性交叉因子策略，不仅提高了混合算法的收敛速度，也对混合算法的整个寻优能力有了一定程度的加强。本文运用Matlab7．9．0进行程序编写，并且以IEEE．30节点系统为算例进行仿真计算分析，分别将粒子群算法、差分进化算法、基于粒子群和差分进化的混合算法以及改进的混合算法的收敛过程和计算结果分别进行对比和分析，通过比较，可以表明本文所采用的改进的混合算法相比于其他

4、的算法具有较强的全局搜索能力和较快的收敛速度，而且其计算结果的稳定性也较高。这样，也就验证了本文所采用的改进的混合算法在应用中的有效性。1浙江大学硕士论文摘要关键词：可用输电能力；电力市场；粒子群算法；差分进化算法；混合算法2浙江大学硕士论文ABSTRACTAstheworldwidepowerindustryreformbringsbenefits，thepowersystemofdecision-makingalsopresentednewchallenges．Thesupplyanddemandbalanceofelectricpowergraduallydevelopf

5、romleadingbytheplannedeconomytoleadingbythemarketeconomy．Andthetransmissioncapacityofthenetwork(AvailableTransferCapability)isoneofthemostimportantrestrainingfactors．So，intheshortagecircumstancesofelectricpowerresources，howtodeterminetheavailabletransfercapabilityaccuratelyandeffectively,tom

6、akethesystemnotonlyinsafecondition,butalsomaximummeetademandofelectricloadgrowth，whichisveryimportant．Thisthesisonthebasisofconsideringthestaticsecurityconstraints，establishedanoptimalcomputationmodelofavailabletransfercapability．Accordingtothemathematicalmodelbasedonthisthesis，andthroughthe

7、comparativeanalysisofallthealgorithms，inordertoovercomethedefectsofasinglealgorithminthesolutionoftheoptimizationproblem，thisthesisadoptedhybridalgorithmthatmixofparticleswarmoptimizationanddifferenceevolutionalgorithmtosolvetheATCproblem．Thegenera