欢迎来到天天文库
浏览记录
ID:36779397
大小:1.76 MB
页数:70页
时间:2019-05-15
《基于虚拟种群遗传算法的电网无功优化》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、附件一:原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名:毖日’期:!!!!:三:!?关于学位论文使用授权的声明本人完全了解山东大学有关保留、使用学位论文的规定,同意学校保留或向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅;本人授权山东大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或
2、其他复制手段保存论文和汇编本学位论文。(保密论文在解密后应遵守此规定)论文作者签名:.趁查兰导师签名越日期:?o口5、5、2-0摘要随着国民经济的迅速发展,用电负荷的急剧增加,电力系统的安全经济运行日益受到人们重视。无功优化是电网安全经济运行研究的一个重要组成部分,对于保证电压质量、降低运行损耗以及实现电网的安全稳定运行具有十分重要的意义。遗传算法是一种借鉴生物界自然选择和自然进化机制的搜索方法,通过对个体进行复制、交叉、变异操作完成搜索过程。与其他传统优化算法不同,除具有高度并行、随机搜索等特性外,遗传算法还具有不要求目标函数是否连续或可微等优点。目前,基于遗
3、传算法的各种优化方法在电力系统中得到广泛的应用,如系统规划、经济调度、机组检修及故障诊断等。在背景章节里,本文对电力系统无功优化问题的研究内容、研究方法,数学模型以及目标函数进行了详细的探讨和划分,并对所采用的无功优化研究方法一一遗传算法进行综述,简要的介绍了常规遗传算法的工作原理及算法的一些高级实现技术。在此基础上,本文提出一种应用于电力系统无功优化的改进型遗传算法。该算法采用两种虚拟种群的方法对常规遗传算法及浮点数遗传算法的种群实行改进。最终,将所得算法应用到实际电网无功优化问题中,比较与分析了各算法的仿真试验结果。具体研究内容包括:第一,在广泛深入的查阅国
4、内外文献的基础上,提出了基于改进型遗传算法的电网无功优化的完整实现方案。本文对无功优化的数学模型,包括目标函数及约束条件都进行了重新的选择和建立。第二,针对无功优化问题的特点,在改进常规遗传算法时,本文对编码方案及遗传算子进行了改进,实行了优秀个体保护法、混合交叉算子及增大变异概率等方法,在增强算法寻优能力的同时,充分考虑到计算的精度和速度。第三,在大系统规划优化计算中,遗传算法存在计算速度慢、易陷入局部最优及难寻全局最优的弱点。针对这些弱点,本文对遗传算法的搜索第3页路径进行了研究.对实际电网的仿真实验表明,改进后的遗传算法在计算时间上以及最优解质量上比之常规
5、遗传算法都有不同程度的提高。最后,将各算法的仿真结果进行综合讨论,分析与比较了各个算法优劣,并对未来遗传算法的发展提出了展望。采用遗传算法对电力系统无功优化问题进行研究,能够充分利用遗传』●算法的高度并行、随机搜索以及对目标函数及变量没有限制的优点,比较方便的解决了电力系统无功优化问题。仿真结果表明,本文提出的改进方案在各方面具有优越性。关键词:无功优化无功优化规划常规遗传算法浮点数遗传算法改进型遗传算法虚拟种群可行解搜索路径第4页堡』坠』§』二堡—主』釜』L丝.一坠ABSTRACTWiththefastdevelopmentofnationaleconomy,
6、demandforelectricityhasbeenincreasingrapidlyaswell.Consequently,itisveryimportanttoensuresecurityandeconomyofpowersystemoperationundersuchademandingsituation.Reactivepoweroptimization(RPO)isaveryimportantpartofpowersystemsecurityandeconomicoperationresearch.RPOisessentialforsystemvol
7、tagestabilityenhancement,powerlossminimizationandthereforeessentialforpowersystemsecurityandreliabilityaswell.GeneticAlgorithms(GAs)aresearchalgorithmsbasedonofnaturalevolutionprocessingincludingselection,mutationandcrossoveroperationsonthegenesofindividualsorpotentialsolutions.GAsar
8、estochastico
此文档下载收益归作者所有