基于FGABP算法的配电网无功优化研究

《基于FGABP算法的配电网无功优化研究》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、山东大学硕士学位论文!!!!!!!!!!!!寡IIIIIIi!!!!!!!!!!曼摘要配电网是电力系统的重要组成部分，它直接面向用户，对系统的可靠性和电压质量有较高的要求。配电网无功优化控制是解决配电网实际运行中刚损高、电压水平低的有效方法，也是配电自动化的重要内容。本文对配电网无功优化控制问题进行了广泛深入的研究和探讨。为了减小求解配电网无功优化问题的计算时间，本文在前人研究结果的基础上，将模糊遗传算法和BP神经网络结合起来进行配电网络无功优化计算。算法由两部分组成：1)采用模糊遗传算法进行配

2、电网无功优化计算得到训练样本和测试样本；2)用训练样本训练BP神经网络，得到配电网无功优化的BP神经网络模型劳保存，然后用测试样本对BP网络模型进行测试。最后向训练好的神经网络模型输入新的负荷模式，在相当短的时间内就可以得到无功优化结果。由于模糊遗传算法能有效地处理整数问题、优化效果好、搜索速度快、是一个高效的优化算法，所以我们用模糊遗传算法进行配电网无功优化计算以得到训练样本和测试样本。将模糊控制理论应用予遗传算法中，根据种群进化情况在线模糊调节交叉率P。和变异率P。。本文根据试验和前人的经验

3、建立了模糊控制规则表，并事先离线计算出了交叉率P。和变异率P。的模糊控制查询表，使算法在解的精度和计算速度上得到进一步提高。针对配电网无功优化控制的实际，本文研究了离散变量的处理问题。在遗传操作中，提出了适应于配电网无功优化问题的交叉方式，使子代个体的产生更为台理。采用晟大遗传代数和群体平均相对适应函数值与最大相对适应函数值之比大于某～设定值做为算法停止准则，避免了单因素控制准则的缺陷。采用罚函数法处理约束越界问题，对罚因子的取值采用摄动取值法以适应遗传算法不同进化阶段的要求。最后，本文将FGA

4、．P,P算法应用于IEEE69节点算例。针对IEEE69节点冀．例设计一j-FGA算法参数和BP神经网络结构参数，并Vll练出了删于无功优化的BP神经网络模型。计算结果表明，将FGA算法与BP神经网络结合，用FGA算法米产生BP神经网络的训练集，汁算效率比较高。煽训练好的BP网络模型进行配电网无功优化计算时，计算速度比普通优化算法快得多，并且山东大学硕士学位论文具有很好的鲁棒性，误差率低，适于在线应用，很适合现代配电网自动化技术的发展。关键词遗传算法：配电网络：无功优化；BP神经网络山东大学硕士

5、学位论文ABSTRACTDistributionsystems，facingusersdirectly,arehighlyrequiredintheoperationreliabilityandvoltagequailty．ReactivepoweroptimizationofdistributionsystemswhichistheimportantmeasureofdistributionautomationisallefficientmethodtOnetworklossreduction

6、andvoltageimprovementinthedistributionsystemoperation．Toreducethetimerequiredtosolvethereactivepoweroptimizationofdistributionsystems，amethodwhichcombinesthefuzzygeneticalgorithmwiththeBPnetworkhasbeendevelopedinthispaper．Itcomprisesoftwosteps：1、wjth

7、thehelpofthefuzzygeneticalgorithm，asetoftrainingdataandtestingdataisobtained；2)OncetheBPnetworkistrained，withsufficientlylargenumberoftrainingdata，thenetwork‘learns’theimplicitcorrelationbetweentheloadingpaaernsandtheoptimalswitchingpatterns(input：lo

8、adingpaaern，output：opfimalswitchingpattem)．Next，new10adingpatterns(whichhasnotbeenusedtotrainthenetwork)wouldbefedtOthenetworkandthenetworkwouldprovidetheoptimalswitchingpaaernatitsoutputwithinaveryshortspan．Thefuzzygeneticalgorithmisanalgorithmwhich