基于粒子群与人工免疫混合智能算法配电网无功优化

《基于粒子群与人工免疫混合智能算法配电网无功优化》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、独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。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了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津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，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家

2、有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日摘要无功补偿优化问题一直在电力网络的规划设计和安全经济运行中占有重要的位置，不仅有利于节点电压水平的改善，也能加强对网络损耗成本的控制。而随着大量的分布式电源引入中低压电网中的情况将会越来越多，关于无功补偿优化问题的研究也将具有新的意义。本文对无功优化所针对的电网算例进行模型化的数学处理，对应的目标函数取为系统的有功功率网损费用和无功补偿装置安装维护费用之和为最小。按照网络和电源的结构特点得出等效的分布式电源的数学模型和电

3、气网络的数学模型。并且提出了含有无功注入补偿法的前推回代潮流计算方案。将对应的潮流约束条件确定为网络电压的指标合格，线路上流过的功率不越限和保证功率平衡。提出和使用MATLAB程序编写了人工免疫原理与二进制粒子群相结合的混合智能算法程序，以在保持粒子群算法的收敛速度的同时结合人工免疫原理算法的优点提高算法的全局最优解的搜索能力。根据现实生活中分布式电源的输出功率和电网中用户负荷随着季节气候的变化而变化的情况，将算例所对应的网络负荷方式取为四个季节共四个时间段的情况，再考虑到计算的精度将其拟合为四种负荷方式，从而使算例情况更符合实际的规律。本文使用28节点算例

4、和33节点算例。通过对算例的计算，表明本文所提出的算法能够有效地解决带有分布式电源的电网无功优化补偿问题，补偿效果显著，说明该方法具有很好的实用性，具有一定的使用前景。关键词：无功优化，人工免疫，二进制粒子群，多负荷方式ABSTRACTThereactivepowercompensationoptimizationalwaysoccupiestheimportantpartinpowersystemplanningandoperationinsafetyandeconomy.Andwiththeincreasingdistributiongeneration

5、sinvolvingindistributionnetworkbecomemoreandmore,itwillbringanewmeaningtothesolvingreactivepowercompensationoptimization.Firstly,thepowersystemexamplehasbeenprocessedintomathematicalmodelinwhicheachkindofdistributiongenerationhasitsownmodelandthetopologyofnetworkhasbeenbuilt,astoth

6、eobjectivefunctiononthisoptimization,thecostaboutthesystempowerlossandreactivecompensationequipmentsisinvolved;secondly,theforwardandbackwardsweepmethodwithreactiveinjectingcompensationprincipleisproposed,correspondinglytheconstraintsincludenodes'voltageslevelisinqualifiedrange,pow

7、erislimitedbycertainvaluesandinbalance;thirdly,themixedartificialintelligencealgorithmscombinedwithbinaryparticleswarmoptimizationalgorithmandartificialimmunealgorithmisproposedandbuiltbyMATLAB,whichleadtohighalgorithm'sglobalsearchabilitybenefitedfromartificialimmunealgorithmandfa

8、stconvergenceratefromparti