基于NSGA-Ⅱ算法的PSS多目标优化设计

《基于NSGA-Ⅱ算法的PSS多目标优化设计》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36卷第4期四川电力技术Vo1．36。No．42013年8月SichuanElectricPowerTechnologyAug．。2013基于NSGA一11算法的PSS多目标优化设计张利。康积涛，刘芽，刘伟波(1．西南交通大学电气工程学院，四川成都610031；2．鄂尔多斯市东胜区大规模储能技术研究所暨中国科学院工程热物理研究所东胜分所，内蒙古鄂尔多斯017000)摘要：电力系统稳定器(PSS)能够很好地抑制电力系统低频振荡，其参数的整定尤为重要。一般处理方法是将系统状态矩阵特征值实部和阻尼比分别加权转换成单目标问题，进而用优化算法对PSS控制器参数进行优化，而权重的

2、选取对参数影响极大。以特征值实部和阻尼比作为两个目标，用NSGA—II多目标进化算法优化处理，最后与传统的遗传算法相比较。仿真结果表明，采用NSGA一Ⅱ算法设计的PSS控制器，可以有效地阻尼电力系统低频振荡。关键词：低频振动；PSS；特征值；阻尼比；NSGA—II算法Abstract：Powersystemstabilizer(PSS)Callinhibitthelow一~equencyoscillationwellandtheselectionofitsparametersisparticularlyimportant．Generally，boththerealpar

3、tanddampingratiooftheeigenvalueofthesystemstatematrixareweightedandthenitistransformedintoasingleobjectiveproblemtodesignthecontrollerparametersofPSSusingoptimizationalgo—rithm，buttheparametersareinfluencedgreatlybytheselectionoftheweight．Therealpartanddampingratiooftheeigenval—Hearecons

4、ideredastwoobjectivestooptimizetheparametersusingNSGA—IImulti—objectiveevolutionaryalgorithm．Com—paringwiththetraditionalmethods，thesimulationresultsshowthatthePSScontrollerdesignedbyNSGA—IIalgorithmcandampthelow一~equencyoscillationofpowersystemeffectively．Keywords：low一~equencyoscillatio

5、n；powersystemstabilizer(PSS)；eigenvalue；dampingratio；NSGA—IIalgorithm中图分类号：TM712文献标志码：A文章编号：1003—6954(2013)04—0055—04以得到一组控制器设计方案，设计者根据自己的设0引言计偏好，选择合适的参数即可。这里所用的NSGA一Ⅱ(non—dominatedsortingingeneticalgorithms)工程经验表明，大型电力系统区域互联在带来算法就是多目标进化算法中效果非常好的一种。求优越性的同时，随之也会产生很多问题。低频振荡取了带PSS控制器的单机无穷大系

6、统状态矩阵，基便是其中颇为常见而危害也较大的一种⋯。适当于状态矩阵的特征值的实部和阻尼比提出了设计目地调整电力系统稳定器(powersystemstabilizer，标，然后用NSGA—I1算法对其进行优化，并将所得ess)一直是一个研究热点。经过多年的发展，神经结果与传统遗传算法的结果进行了比较。网络、模糊控制等现代控制技术已被采用来设计PSS控制器。目前PSS控制器优化设计方法中大多1NSGA一11算法概述是每次设计仅考虑一个指标，然而考察控制系统的性能指标有很多种，控制器设计的目标是使这多项NSGA算法是一种基于Pareto最优解的遗传算目标达到一个最佳的折衷J。

7、传统优化算法大多法，是一种非常有效的多目标进化算法；NAGA算法是将多目标问题加权转化为单目标问题进行优化，的选择、交叉和变异算子和基本遗传算法类似，主要但是各个目标函数往往没有共同的度量标准，加权区别在于：NSGA算法在选择算子执行之前根据个求解带有很大的主观性；因此，有必要引入高效实用体的支配关系对其进行了分层J。的多目标优化算法。NSGA算法利用适应度共享函数保持了种群的多目标进化算法能很好地找到Pareto前沿，通多样性，但实际应用发现还是存在不足，主要体过选择合适的设计目标，利用多目标进化算法就可现在：①计算复杂度较高，为0(，