基于混沌遗传算法的电力系统无功优化

基于混沌遗传算法的电力系统无功优化

ID:3922094

大小:143.02 KB

页数:4页

时间:2017-11-25

基于混沌遗传算法的电力系统无功优化_第1页
基于混沌遗传算法的电力系统无功优化_第2页
基于混沌遗传算法的电力系统无功优化_第3页
基于混沌遗传算法的电力系统无功优化_第4页
资源描述:

《基于混沌遗传算法的电力系统无功优化》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、第18卷第5期电力系统及其自动化学报Vol.18No.52006年10月ProceedingsoftheCSU-EPSAOct.2006a基于混沌遗传算法的电力系统无功优化11231刘宝英,杨仁刚,李慧,冯小明,耿光飞(1.中国农业大学信息与电气工程学院,北京100083;2.北京机械工业学院计算机及自动化系,北京100085;3.北京双电公司,北京100083)摘要:针对遗传算法在求解大规模电力系统无功优化问题中存在的收敛速度慢、易早熟的缺点,提出了一种新的无功优化算法——混沌遗传算法CGA。该方法结合混沌优化所具有的遍历性、随机性和规律性的特点,

2、在遗传进化过程中引入混沌移民算子,通过混沌移民操作维持群体中染色体的多样性,以克服传统遗传算法中由于近亲繁殖所导致的早熟问题,确保算法的全局收敛性,加快计算速度。通过对某地区42节点系统进行仿真计算,该方法相比于简单遗传算法,计算速度提高了45%,收敛到全局最优的概率提高了1.25倍。关键词:混沌优化;移民;混沌遗传算法;无功优化中图分类号:TM761文献标识码:A文章编号:1003-8930(2006)05-0049-04ReactivePowerOptimizationBasedonChaosGeneticAlgorithminElectricPo

3、werSystems11231LIUBao-ying,YANGRen-gang,LIHui,FENGXiao-ming,GENGGuang-fei(1.CollegeofInformationandElectricalEngineering,ChinaAgriculturalUniversity,Beijing100083,China;2.DepartmentofComputerandAutomation,BeijingInstitutionofMachinery,Beijing100085,China;3.BeijingShuangdianCompa

4、ny,Beijing100083,China)Abstract:Asgeneticalgorithmhasdisadvantagesofslowconvergencespeedandearlymaturinginsolvinglargescalereactivepoweroptimizationproblem,anovelreactivepoweroptimizationalgorithmispresentedinthispapercombinedwiththecharactersofchaosoptimizationalgorithm,includi

5、ngergodicity,randomicityandregularity.AnewoperatorcalledchaosimmigrantisintroducedtotheevolutionprocessofGAtokeepthediversityofchromosome.Thealgorithmsolvestheproblemofprematuritycausedbyinbreeding,ensuresglobalconvergenceandimprovesthespeedofcomputationandconvergence.Asimulatio

6、nisperformedona42-buspowersystem,andtheresultsshowtheefficiencyoftheproposedalgorithm.ComparedwithsimpleGA,ithasbeenimprovedby0.45and1.25timesrespectivelyincomputingspeedandtheprobabilityofconvergingtoglobaloptimization.Keywords:chaoticoptimization;immigrant;chaoticgeneticalgori

7、thm(CGA);reactivepoweroptimization操作过程中,选择操作按适应度的高低进行,使群1前言体得以进化并趋于收敛;交叉、变异操作算子则可近几年来,随着人工智能技术的发展,一些基保持群体多样性,实现多路径搜索,恢复丢失的或[1]于人工智能思想的新算法已在优化领域得到广泛寻找尚未得到的优良信息。但试验表明,这种多应用。遗传算法作为新算法的代表之一,已经被成样性随着群体的不断进化而明显降低,过早地产生功应用到电力系统无功优化领域中。它的主要优点汇聚现象,易于陷入局部最优,而且遗传算法尽管是对函数无可微性约束,易于实现全局寻优。在其可

8、以用很快的速度达到最优解的90%,但要达到a收稿日期:2005-10-08;修回日期:2005

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。