自适应遗传-禁忌搜索混合算法在PMU最优配置中的应用

自适应遗传-禁忌搜索混合算法在PMU最优配置中的应用

ID:46528165

大小:351.46 KB

页数:5页

时间:2019-11-24

自适应遗传-禁忌搜索混合算法在PMU最优配置中的应用_第1页
自适应遗传-禁忌搜索混合算法在PMU最优配置中的应用_第2页
自适应遗传-禁忌搜索混合算法在PMU最优配置中的应用_第3页
自适应遗传-禁忌搜索混合算法在PMU最优配置中的应用_第4页
自适应遗传-禁忌搜索混合算法在PMU最优配置中的应用_第5页
资源描述:

《自适应遗传-禁忌搜索混合算法在PMU最优配置中的应用》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、第32卷第3期四川电力技术Vo1.32。No.32009年6月SichuanElectricPowerTechnologyJun.。2009自适应遗传一禁忌搜索混合算法在PMU最优配置中的应用李新振。滕欢(四川大学电气信息学院,四川成都610065)摘要:针对PMU最优配置问题,提出一种结合自适应遗传算法与禁忌搜索算法的混合算法。通过初始配置原则,缩小了算法的寻优范围。充分利用两种算法各自的特点,结合自适应遗传算法并行计算特性与禁忌搜索算法跳出局部最优解的能力,使得该混合算法寻得全局最优解的同时,提高了

2、算法的优化效率,增强了算法的鲁棒性。最后利用IEEE14、IEEE39、IEEE57节点系统对该混合算法与其他两种遗传算法进行了对比验证。关键词:同步相量测量单元(PMU);最优配置;自适应遗传算法;禁忌搜索算算;自适应遗传一禁忌搜索混合算法Abstract:AnewhybridalgorithmintegratedadaptivegeneticalgorithmwithTabusearchispresentedforsolvingtheoptimalPMUplacementproblem.Itcanm

3、inifythesearchingscopebyinitialplacementrules.Bytakingfullyadvantageofthecharae—teristicsofthetwoalgorithmsandcombinedtheparallelcomputingfeatureofadaptivegeneticalgorithmandthecapacityofa—voidinglocaloptimalsolutionofTabusearchalgorithm,theoptimizatione

4、ficiencyandrobustnessofthealgorithmareim—provedsimuhaneouslywhenthehybridalgorithmfindstheoptimalsolutionoftheoverallsituation.Thecontrastandvefifiea—tionbetweenthehybridalgorithmandtheothertwogeneticalgorithmsarecarriedoutbythenumericalcalculationofIEEE

5、14一bus,IEEE39一busandIEEE57一bussystem,respectively.Keywords:phasormeasurementunit(PMU);placementoptimization;improvedadaptivegeneticalgorithm;Tabusearch;hybridadaptivegeneticalgorithm—Tabusearchalgorithm中图分类号:TM71l文献标识码:A文章编号:1003—6954(2009)03—0056—05相量测量

6、单元PMU在电力系统中的应用,为电中。网实时监控和在线闭环控制提供了有效的手段。在在以系统状态完全可观测为目标的PMU配置研电网的所有节点上都安装PMU,将大大改善电力系究方面,Baldwin开创性的将修正的二分搜索法和模统的监控水平,但由于目前PMU价格昂贵,如何在保拟退火方法相结合的双搜索法用于此问题的求证电力系统可观测性的基础上,安装最少数量的解Hj,但模拟退火法中采用的配置模型和调整方法PMU(OPP——optimalPMUplacement)成了国内外学比较简单,不适于较大规模系统。禁忌搜索算

7、法者广泛关注的问题之一¨。通过禁忌列表来减少搜索空间,加快搜索速度,但该在哪些节点安装PMU,才能即保证测量系统可算法对初始解依赖性较强。遗传算法是基于“适者观又使PMU安装数量最少,涉及到组合优化问题:生存”的一种高度并行、随机和自适应的优化算法。J=min{K}文献[5]提出了一种改进的自适应遗传算法,在算法∈S中加入了进化参数衰减因子,克服了遗传算法早熟的SubjecttoNu=0缺点,但算法易陷人局部最优解,且未充分利用系统其中s为解空间,为PMU安装的数量,Nu为拓扑结构,解空间未作优化,对大

8、系统适应性不强。所有不可观测母线数。求解这类最优化问题主要有昆合优化策略¨。。将不同的算法组合起来,各取所长,三种方法:枚举法、启发式算法和搜索算法。枚举法近年来得到广泛应用,取得了理想的效果。不适于空间规模较大的情况。启发式算法效率较高,基于混合优化思想,提出了一种结合禁忌搜索与但针对不同的问题需要找出特定规则,通用性不强。自适应遗传算法的混合算法,并利用初始配置原则,搜索算法使用某种规则随机搜索最优解,在解的质量在配置初期,给出了必须配

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。