粒子群优化算法在电力系统规划中的应用研究new

《粒子群优化算法在电力系统规划中的应用研究new》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、Y1213436洳；：≥．唼硕士学位论文论文题目粒王鞋位丝簋选垄曳左苤箕趣型虫笪廛眉盟蕴作者姓名堡墅蛊指导教师重匿翅塾塑学科(专业)皇盘丕堑垦基自盐些所在学院皂玉三蓬堂睦提交日期三墨墨主至曩旦摘要电力系统规划由电力负荷预测、电源规划和电网规划构成。电力负荷预测是电力系统规划的基础，它的准确性对规划的影响很大。电网规划可以进一步分为输电网规划和配电网规划。变电所规划是配电网规划中的重要组成部分，变电所容量和变压器台数是影响城网结构、可靠性和经济性的一个重要因素。因此，针对负荷预测以及变电所规划中变电所容量和变压器台数的优化这两个具体问题进行深入研究，具有深刻的实际意义。本文在标准粒子群优化算法

2、的基础上提出了一种改进粒子群优化算法。它考虑了整个种群中其他微粒对每个微粒运动的社会影响，而不仅仅是单一的具有全局极值的微粒的影响，并且这种社会影响程度随着搜索的进行而动态调整。标准函数的测试证明了这种改进算法具有更强的全局搜索能力，能够有效提高原算法的精度，具有较好的实用价值。针对负荷预测问题，本文给出了一种基于改进粒子群优化算法的电力负荷组合预测方法，用改进粒子群优化算法确定组合权重。通过实际电网数据计算证明，基于改进粒子群优化算法的负荷组合预测方法的预测误差明显小于各个参与组合的预测模型，并优于基本的粒子群优化算法和其他传统的组合预测方法，得到更好的预测效果。针对变电所优化规划问题，本

3、文在前人研究基础上，给出了一种基于离散形态的改进粒子群优化算法的变电所优化模型。模型以网络的建设费用和运行损耗费用最小化为目标函数，以变电所容载比和供电半径等为约束，对给定负荷水平下的城市中心负荷区llOkV变电所个数、变压器台数、容量以及]OkV出线回路数进行优化，并用改进粒子群算法计算求得最优解。该方法应用数学优化算法与工程实践相结合，算例优化结果和分析结论有较强的实用价值。关键词：电力系统规划，粒子群优化算法，电力负荷预测，组合预测方法，配电网规划，变电所优化规划ABSTR^CTAbstractTheelectricalpowersystemplanningiscomprisedofp

4、owerloadforecasting,powerSOIlr∞planningandelectricalnetwofl(planning．PowerloadforecastingisthebaseofelectricalpowersystemplmliJlg．ItsveracityhasgreatimpactOilplanningres'Dlt．TheelectricalnetworkplanninⅡDgmayfurtllerbederidedimotransmissionmtwofl【plaiminganddistriblItionnetworkplanning．Transformersu

5、bstationplalmingistheimportampartofdistrmutionnetworkplamng．11leCa-p觞ityoftl'an蚰oilnCi-,the越mbefofll'an西onllel'Sandsubstations神OIICoftheimportantele-lmentswhichinfluencethegmlcture，thereliabilityandtheeconomyofurbanelectricalndtwoIk,Thel'efore,aoingresearcl№sinloadfonmaslingandtl'ansfomlersubstatio

6、noptimizeplanninghavepracticalmeanings．BasingOilthestandardparticlesw枷optimization口SoXthisthesisbringsforwant柚im-provedpardcle5Warln01)tinlizalionoPs西．PSOconsidersthesocialiilfl嘲ofotherparticles缸thewholeswarllltoeachpattiele,notonlythesingleparticlelhatintheglobalbestposition．Fmlltrmore．thesocialin

7、fluencefactorisadjustedaymmicallyalongingwithtlksearchingbe-haviOl'．n呻啦thetestofseveralstandardtestingfunctions，IPSOshowsbetterabilityofsearchingglobalbestresultandavoidingfallingintolocalbestposilion．Itisa