基于相似性自适应学习的遗传算法在无功优化中的应用

《基于相似性自适应学习的遗传算法在无功优化中的应用》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16期继电器Vb1．35No．162007年8月16日RELAYAug．16，2007基于相似性自适应学习的遗传算法在无功优化中的应用蔺红，晁勤，吐尔逊，樊艳芳(新疆大学电气工程学院，新疆乌鲁木齐830008)摘要：针对常规遗传算法(GA)的不足，提出了一种改进的遗传算法一基于相似性自适应学习的遗传算法，为提高遗传算法的计算速度、收敛性和全局最优搜索能力，采取了以下改进措施：①针对遗传算法产生新解无序，提出邻域搜索策略；②为提高算法的搜索效率和效果，按适应值相

2、似性对个体分级、加速；③为提高收敛速度，提出了邻域收缩策略。将改进遗传算法应用于电力系统进行无功优化，在收敛速度和全局收敛性与常规遗传算法进行了比较，结果表明改进遗传算法的有效性。关键词：无功优化：相似性；邻域搜索；遗传算法AgeneticalgorithmbasedonsimifitudeframeofevolutionarycomputationappliedinreactivepoweroptimizationLINHong，CHAOQin，TUEr-xun，FANYan—fang(CollegeofElect

3、ricalEngineering，XinjiangUniversity,Urumqi830008，China)Abstract：Aimingattheshortageofgeneralgeneticalgorithm，amodifiedgeneticalgorithmbasedonsimilitudeframeofevolutionarycomputationisproposed．ThemodifiedstepthatisusedtOimprovecalculationspeedandastringencyanden

4、tireoptimumsearchabilityisgiven．First，aimingatGAproducingnoordernewindividual，thenearfieldsearchstrategyisproposed．Second，accordingtoadaptivevaluecomparabilitytheindividualisclassifiedandacceleratedforimprovingsearcheficiencyandefect．Third，thenearfieldshrinkage

5、strategyisproposedforimprovingrateofconvergence．Theimprovedalgorithmisusedinreactivepoweroptimizationofdistributionnetwork．Comparedwiththerateofconvergenceandtheentireastringencyofthegeneralandmodifiedgeneticalgorithm．Theresultsfromcalculationexamplesshowthatth

6、emodifiedmethodisefective．ThisprojectissupportedbyNationalNaturalScienceFoundationofXi~iangUigurMunicipalityGovernment(No．200421127)．Keywords：reactivepoweroptimum；comparability；nearfieldsearchstrategy；GA中图分类号：TM76；TM714文献标识码：A文章编号：1003—4897(2007)16—0046—04与传统算法

7、相比该算法具有简单，对目标函数不要0引言求可导、可微，且能方便地处理离散变量和获得全电力系统无功分布的合理与否直接影响电力系局最优解等优点。统的安全和稳定。电力系统运行过程中，提高电能理论研究表明，传统遗传算法的主要环节存在质量，减少电能损失具有特别重要的现实意义。在固有的缺陷，导致了早熟和局部收敛⋯，针对遗传处理无功优化问题时，控制变量的投切电容组和有算法的不足，本文提出了一种基于相似性自适应学载调压器主变抽头位置都是离散变量，发电机端电习的遗传算法SFEC(SimilitudeFrameofEvolution—压

8、为连续变量，系统潮流的方程为非线性方程，电aryComputation)，提出了新解产生机制，按适应值力系统无功优化问题是一个多维、变量类型混和、相似性对个体分级、加速及邻域收缩策略，从而保非线性、多目标规划问题。在当前电力系统中，无证了算法的收敛速度和全局最优搜索能力。功优化研究是一个十分热门的课题，近年来国内外学者对此进行了大量的研究工作，