电网规划的多目标满意优化

电网规划的多目标满意优化

ID:37119809

大小:405.41 KB

页数:3页

时间:2019-05-18

电网规划的多目标满意优化_第1页
电网规划的多目标满意优化_第2页
电网规划的多目标满意优化_第3页
资源描述:

《电网规划的多目标满意优化》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第25卷第1期电力学报Vo1.25No.12010年2月JOURNAL0FELECTRICPOWERFeb.2010文章编号:1005—6548(2010)01—0061—02电网规划的多目标满意优化罗智慧,李建兵,李爱武(西南交通大学电气工程学院,成都610031)摘要:为解决电网规划的多目标、非线性、离散型的NP难的寻优问题。利用满意优化理论建立了电网规划的多目标满意优化模型。模型中考虑了电网规划的经济性最好与可靠性最高两个目标函数,用满意解定义它们各自的满意度,同时采用线性加权法确定其综合满意度。并通过改进的粒子群算法来对模型进行求解。

2、18节点的系统算例表明所提模型及算法是可行的。关键词:电网规划;多目标规划;满意优化;粒子群算法中图分类号:TM715文献标识码:A电网规划已被证明是一个具有多目标、不确定建线路后系统电力不足的期望值。z为第i条线路性、非线性和多阶段性等特点的复杂系统优化问题,的拟扩建线数量。属于NP难问题口]。电网规划是个多目标优化问题,(2)运行模拟。最小缺电希望值需对系统在各而各个目标函数往往是相互矛盾的,传统的启发式方种状态下进行行为模拟,系统状态包括发电机,线法和优化方法无法得到满意的解决方案。传统优化路,变压器,无功补偿设备等状态,本文中只考虑单

3、方法中的模型都是实际情况的简化,必然忽略一些影回路停运状态,忽略重复故障。行为模拟采用的模响因素,而电网规划从负荷预测到电源规划再到电网型为:规划时已经存在前两个阶段存在模糊不确定因素,而天气影响,负荷条件,水文条件这些未来的不确定情E一∑ZP.(3)况使传统优化方法的优化结果往往不是最优的结果,式中P为第i条线路故障的概率,本文用线路的长反而还会与实际的最优解相差甚远。目前大多数的度表示。是第i种状态系统的缺负荷。满足潮流解决方法是用模糊数学的方法来建立模型并求满意约束,投资费用小于预定的投资费用和可靠性大于解。虽然基于模糊数学的满意度的定

4、义反映了满意最低的要求。度具有模糊性的本质特性,受限于隶属度的表示方(3)多目标模型的满意解。本文的多目标优化式,并没有正确反映满意度的本质内涵I2]。满意优化问题采用基于线性取值的满意度定义]。本文将满意优化应用到电网规划的多目标优化引入变量,z分别表示对目标函数(1)(2)的满意中来,综合各个目标函数建立总体满意度单目标函程度。,。的定义如下:数,以总体最优为目标函数。由于电网规划是多维数的的规划,所以采用适宜并行计算的现代启发式f0≥算法对算例进行求解,更能够满足实际情况的需要。l—一≥≥t;(L4)1数学模型【1一£.f0k≥k;(1

5、)考虑经济性和可靠性,模型陈述如下:n:2一—{1一k≥,/忌≥,/鱼兰;’(5。)z。一>CiX.(1)i=1【1一三三=愚.MiZ2一EENs.(2)式中为可供选择的线路总数;C为第i条线路的式中:t为系统的投资Z1,忌表示系统的可靠性即电网扩建费用,本文用线路的长度表示。E。是选定新的缺负荷Z2。综合满意解一+z。其中a,分收稿日期:2009—12-10作者简介:罗智慧(1982一),男,硕士研究生,主要研究方向为电网规划的优化,(E—mail)Youxionglou@163.com62电力学报第25卷别为系统的投资权重系数和可靠性的权

6、重系数。度值,表示当前微粒的凝聚度因子,P表示某次迭2应用改进粒子群算法算法求目标函数的代时微粒群的最优适应度值,p表示相应代数的所综合满意度有粒子的适应度值之和。在电网规划中,现代启发式方法相比较传统启3算例发式方法和优化方法的优点使它在电网规划中应用越来越广泛。而粒子群算法作为新型的智能算法拥为了验证本文方法的可靠性,选用文献[4]10有比其它算法更快的收敛能力,且在解决大规模数节点扩建为18节点的典型电网扩展规划问题。系学问题时有更好的全局收敛能力。需要的参数少,统初始网络结构图如图1所示。图中实线为已有线容易实现。所以本文选择PSO(

7、粒子群算法)来对路的,虚线为扩建的预备线路。本文假设权重系数电网规划进行求解。a一一0.5.收敛条件为综合满意度达到97。按PSO算法虽然收敛速度快却容易收敛到目标照算法收敛的一般经验,算法搜索运行的参数为函数的局部最优解,影响全局最优解的求解,主要原c一c。一1.0,速度因子的下限为0.6,凝聚度因子的因在于其缺乏类似遗传算法中的交叉变异机制。所上限为0.4;连续50次求解均成功获得优化结果,以本文将遗传算法中的交叉变异机制引入到PSO总共优化代数3310次。说明算法是可靠的。选取算法中来。由于影响算法的性能的一个因素为进化其中最优的两个方

8、案如表1所示。速度因子,而另一个因素是粒子群的凝聚度因子[3],最高的两个方案。网络结构的变化对网络的建所以本文在给定收敛代数范围的基础上,根据种群设成本和系统的缺

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。