基于改进遗传模拟退火算法的PMU优化配置

《基于改进遗传模拟退火算法的PMU优化配置》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、维普资讯http://www.cqvip.com第35卷第11期妻氧电力V01．35No．1lEastChinaElectricPower2007年11月NOV．2Oo7基于改进遗传模拟退火算法的PMU优化配置田伟，王洪希，孙铁军(北华大学，吉林吉林132021)摘要：分析了遗传算法和模拟退火算法的优缺点，将具有较好全局寻优性能的遗传算法和具有较强局部搜索能力的模拟退火算法结合，形成的遗传模拟退火MGASA算法用于解决以电力系统状态完全可观测和PMU配置数目最小为目标的PMU优化配置问题。在寻优过程中，先将每一代群体进行遗传操作，再对产生的新群体中

2、各个体进行模拟退火操作，同时在选择、交叉、变异和复制操作过程中实施最优保留策略，复制策略采用Metropolis判别准则。通过采用IEEE14和IEEE39节点系统对该算法进行验证表明，MGASA算法在解决PMU优化配置问题上具有较高的寻优性能和搜索效率。关键词：电力系统；相量测量装置(PMU)；遗传算法；模拟退火算法；优化配置基金项目：吉林省教育厅科研计划项目(200688)作者简介：田伟(1971．)，女，硕士，讲师，主要从事电力系统电能质量信号处理及优化算法的研究。中图分类号：TP39文献标识码：A文章编号：1001-9529(2007)11

3、-0078-04PMUoptimizationconfigurationbasedonimprovedgeneticsimulatedannealingalgorithmTIANWei，WANG舶·xi，SUNTie-jua(BeihuaUniv．，Jilin132021，China)Abstract：Themeritsanddemeritsofthegeneticalgorithm(GA)andthesimulatedannealing(SA)algorithmalean-alyzed，andtheimprovedgeneticsimulated

4、annealing(MGASA)algorithm，whichcombinesGAwithgoodglobalop—timizationperformanceandSAwithstronglocalo~imizationability，wasusedtooptimizePMUconfigurationwiththepurposeofcompleteobservabilityofpowersystemsituationandminimumPMUamounts．InMGASA，thegeneticop-erationWasconductedforeve

5、rygenerationcdonyfirstandthenthesimulatedannealingoperationwascarriedoutforeachindividualofthenewly·generatedcdony．Meanwhile，theoptimalsavingstrategyWasimplementedduringtheprocessofselection，crossover，mutationandreplicationoperations，andthereplicationstrategyadoptedMetropolisc

6、riteria．TheIEEE14-busandIEEE39-bussystemswereusedtoexamineMGASAandresultsshowthatithasgood．optimizationperformanceandefficiencyinPMUconfiguration．Keywords：powersystem；PMU；geneticalgorithm；simulatedannealingalgorithm；optimizationconfiguration随着全球定位系统的全面建成及投入运行，l问题的描述其高精度的定时功能使同

7、步相量测量技术取得了在保证电力系统完全可观的前提下，如何配很大的进展，目前同步相量测量装置(PMU)也逐置使PMU的数目最d,o对于一个n节点系统的步应用于电力系统u，2J。如果在电力系统的各个优化模型为：节点均装上PMU，则系统中各节点的电压向量均n能直接测得，这样电力系统的状态估计成为状态J．mjn(1)测量]。但由于价格和技术等原因，目前不可能Ist：．o，：1,2，．．．，n在系统的所有节点均装设PMU。因此在保证系铲统完全客观的前提下，如何使PMU的配置最少是萎不可观目前一个重要的研究方向。测点，其中i=1，2，⋯，n。本文以电力系统状态

8、完全可观测和PMU配2电力系统可观性置数目最小为目标，以改进MGASA算法来解决PMU最优配置问题，并用算例验证其有效性。