改进的粒子群算法及其在电力系统无功优化中的应用

《改进的粒子群算法及其在电力系统无功优化中的应用》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、万方数据分类号UDC密级学位论文改进的粒子群算法及其在电力系统无功优化中的应用作者姓名：指导教师：申请学位级别：学科专业名称：论文提交日期：学位授予日期：评阅人：侯硕楠刘金海副教授东北大学信息科学与工程学院硕士学科类别：专业学位电气工程2014年6月论文答辩日期：2014年6月2014年7月答辩委员会主席：王占山杨瑶、张小辉东北大学2014年6月万方数据AThesisinElectricalEngineeringImprovedParticleSwarmAlgorithmandItsApplicationintheR

2、eactivePowerOptimizationofPowerSystemByHouShuonanSupervisor：AssociateProfessorLiuJinhaiNortheasternUniversityJune2014万方数据独创性声明本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签

3、名：日期：z41尹．口‘，彬学位论文版权使用授权书本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交流。作者和导师同意网上交流的时间为作者获得学位后：半年口一年口一年半口两年囤／学位论文作者签名：懒签字日期：20I牛．D‘．7-3导师签名：》^)、之“缅f签字日期：2D件。护6．z,7万方数据东北大学硕士学位论文摘要改进的粒子群算法及其在电力系统

4、无功优化中的应用摘要电力系统无功优化是典型的非线性优化问题，具有多约束、多变量、离散性等特点，在利用目前的优化方法求解时存在很多问题，例如难以找到全局最优、求解时间长、求解精度低等。因此我们有必要研究新的方法或者新的改进策略。以粒子群算法为代表的群智能算法是求解无功优化这类复杂非线性优化问题的有力工具，但粒子群算法是一种相对新的优化技术，在理论分析和应用研究等方面还处于初级阶段，有很多问题值得研究，例如如何提升算法跳出局部最优解的能力，如何提升算法求解高维度、复杂、多峰问题的精度和速度。本文首先针对标准粒子群算法容易

5、陷入局部最优解的缺陷进行改进，提出了两种改进策略一一包含精英权重的全面学习策略和锦标赛邻域拓扑改进策略，并将两种改进策略与标准粒子群算法相结合，形成改进的粒子群算法并将其运用到了电力系统无功优化领域。然后本文进一步研究大规模复杂电力网络无功优化的模型及求解方法，在改进粒子群算法的基础上提出了基于协同进化理论框架的大规模复杂电力网络无功优化的求解方法一一分布协作粒子群算法，在电网分区的基础之上，以一种分布协作的方式处理复杂系统的无功优化问题。相比传统的集中式的优化计算方式，该方法不仅能够降低问题的复杂程度，加快算法的计

6、算速度，而且能处理各分区无功调节设备的协调配合问题，有利于实现电力系统综合无功电压控制。最后，本文将理论研究成果应用到某市分散式风电项目之中。在对项目调研的基础上，设计了一套综合无功电压控制系统，并利用分布协作粒子群算法完成其中的无功优化部分。通过对比引入综合无功电压控制系统前后风电场无功电压调节设备的动作次数、网损大小及优化计算的时间等关键指标，可以看出本文设计的基于分布协作粒子群算法的综合无功电压控制系统相比传统各风电场单独优化控制和集中式的优化计算方式有很大的优越性。关键词：无功优化；粒子群算法；全面学习；锦标

7、赛策略；分布协作．ⅡI．万方数据东北大学硕士学位论文AbstractImprovedParticleSwarmAlgorithmandItsAbstractThereactivepoweroptimizationofpowersystemisatypicalnonlinearoptimizationproblem，whichhasmanycharacteristics，suchasconstraints，multivariableanddiscreteness．Whenusingthecurrentoptimizat

8、ionmethods，therestillhavelotsofproblerm，forexample，lowprecision,longoptimaltimeanddifficultinfindingaglobaloptimalsolution．SoitisnecessaryforUStoexplorenewmethodsortoimprove