基于混沌搜索的遗传算法在电力系统无功优化中的研究

《基于混沌搜索的遗传算法在电力系统无功优化中的研究》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、华北电力人学硕十学位论文摘要本文针对无功优化多变量、多约束、非线性的特点，提出了一种应用于电力系统无功优化的新算法一一利用混沌搜索全局最优解的混合遗传算法。该混合算法在遗传算法的计算基础上引入混饨搜索，使种群中适应值最大的几个个体，特别是最优个体不断变优，引导种群新一轮进化。利用混沌搜索遍历性特点避开了遗传算法难以产生最优个体的缺陷，同时有效地解决了遗传算法搜索在接近全局最优解时速度减慢的问题。根据此混合算法的思想编制了电力系统无功优化软件，将该软件应用于Ward-Hale6节点系统和IEEE30节点系统的

2、无功优化计算，结果达到了预期效果，证明了本文所提出的方法和编制的软件是正确和有效的。关键词:电力系统，无功优化，遗传算法，混沌搜索ABSTRACTReactivepoweroptimizationisalargescalenonlinearoptimizat]onproblemwithalargenumberofvariablesandterms.Accordingtothesecharacteristics,anewhybridgeneticalgorithmusingchaosforglobally(〕

3、扫timizationsolutionhasbeenpresentedtouseinVARoptimization.Basedonthegeneticalgorithm(GA)’scalculation,thishybridalgorithmintroduceschaossearchintoGAtooptimizetheindividualswhichhavebetterfitness,especiallythebest，andtoleadthepopulationtoevolveagainandagain

4、.Takingtheadvantageoftheergodicity，thishybridalgorithmsalvestheproblemthatthesingleGAhasdifficultyinfindingthebestandacceleratesthesearchofGAwhenthesolutionisneartothebesteffective}v.Accordingtothetheoryofthishybridalgorithm,thecorrespondingsoftwareisalsog

5、ivenandappliedtotheWard-Hale6bussystemandtheIEEE-30bussystem.]'hevalidityandefficiencyareconfirmedbythenumericalresultsSuLing(powersystemanditsautomation)DirectedbyprofZhaoDengMeiKeywords:PowerSystem,ReactivePowerOptimization,GeneticAlgorithm,ChaosOptimiza

6、tion华北电力人学硕十学位论文摘要本文针对无功优化多变量、多约束、非线性的特点，提出了一种应用于电力系统无功优化的新算法一一利用混沌搜索全局最优解的混合遗传算法。该混合算法在遗传算法的计算基础上引入混饨搜索，使种群中适应值最大的几个个体，特别是最优个体不断变优，引导种群新一轮进化。利用混沌搜索遍历性特点避开了遗传算法难以产生最优个体的缺陷，同时有效地解决了遗传算法搜索在接近全局最优解时速度减慢的问题。根据此混合算法的思想编制了电力系统无功优化软件，将该软件应用于Ward-Hale6节点系统和IEEE30节

7、点系统的无功优化计算，结果达到了预期效果，证明了本文所提出的方法和编制的软件是正确和有效的。关键词:电力系统，无功优化，遗传算法，混沌搜索ABSTRACTReactivepoweroptimizationisalargescalenonlinearoptimizat]onproblemwithalargenumberofvariablesandterms.Accordingtothesecharacteristics,anewhybridgeneticalgorithmusingchaosforglobal

8、ly(〕扫timizationsolutionhasbeenpresentedtouseinVARoptimization.Basedonthegeneticalgorithm(GA)’scalculation,thishybridalgorithmintroduceschaossearchintoGAtooptimizetheindividualswhichhavebetterfitness,especiall