基于改进蚁群算法的配电网电容器优化配置研究.pdf

基于改进蚁群算法的配电网电容器优化配置研究.pdf

ID:52480466

大小:346.99 KB

页数:4页

时间:2020-03-28

基于改进蚁群算法的配电网电容器优化配置研究.pdf_第1页
基于改进蚁群算法的配电网电容器优化配置研究.pdf_第2页
基于改进蚁群算法的配电网电容器优化配置研究.pdf_第3页
基于改进蚁群算法的配电网电容器优化配置研究.pdf_第4页
资源描述:

《基于改进蚁群算法的配电网电容器优化配置研究.pdf》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、《电气自动'~2010年第32卷第6期电力系统及其自动化PowerSystem&Automation基于改进蚁群算法的配电网电容器优化配置研究王秀华苏宏升(兰州交通大学自动化与电气工程学院,甘肃兰州730070)摘要:提出一种改进蚁群算法求解辐射状配电网电容器优化配置问题,以系统的有功功率损耗费用和电容器的购买、安装和维护费用之和最小为目标函数,建立优化模型。以IEEE33节点系统为算例进行仿真分析,验证了算法的可行性和有效性。关键词:电容器优化配置蚁群算法[中图分类号】TM761【文献标识码】A[文章编号】1000.3886(2010)06—0054

2、—04ResearchOnCapacitors0ptimizationPlacementinDistributionNetworkBasedOnImprovedAntColonyAlgorithmWangXiuhuaSuHongsheng(SchoolofAutomationElectricalEngineering,LanzhouJiaotongUniversity,IxmzhouGansu730070,China)Abstract:AnimprovedantcolonyalgorithmispresentedtoSolvetheproblemoft

3、hecapacitoroptimizationplacementindistributionnetwork.Aoptimizationmathematicalmodelisestablished,whoseobjectivefunctionisthatthetotalcost,includingthecostfortherealpowerlossesofdistributionnetwork,thepurchasingcost,theinstallationcostandthemaintenancecostol。capacitors,shouldbem

4、inimum.BasedonthedataofIEEE22nodedistributionsystem,acomputerprogramisdeveloped.Theresultsshowthatthepresentedalgorithmisfeasibleandeffective.Keywords:capacitoroptimalplacementantcolonyalgorithm0引言本蚁群算法收敛速度慢和容易陷入局部最优等缺点。它采用了一合理地配置电容器对配电网进行无功补偿,可以有效地降低种更具有积极性的行为选择规则,从而能够更好的开发和利用蚂

5、配电网的有功损耗,提高电压质量,是实现配电网安全和经济运行蚁所积累的搜索经验;信息素蒸发和信息素释放动作只在至今最的重要手段。传统的依据相关规程和经验配置电容器的方法,日优路径的边上执行;蚂蚁每一次使用边(i,)从城市i移动到城市益显示出其局限性,具体表现在电容器配置的不足或过剩。考虑后,它就会去掉该边上一定量的信息素,来增加探索其余路径的到电容器配置问题是一个离散的组合优化问题,引入了适合于离可能性。蚁群系统算法已成功的应用于解决许多组合优化问题。散变量的蚁群算法来求解。针对蚁群算法收敛速度慢和易于陷入1.1路径构建局部最优等缺点,采用了一种改进的蚁

6、群优化算法——蚁群系统在ACS算法中,位于城市i上的蚂蚁在选择下一个访问的算法。为了提高算法的全局搜索能力和收敛速度,利用全局信息城市时根据伪随机比例规则:素放大系数的自适应调整,进一步提高算法的性能。一(£)]‘,ifq≤:(1)本文在考虑潮流约束、电压约束和电容器容量约束的前提下,建立了使系统的有功功率损耗费用和电容器的购买、安装和维护费用之和最小的数学模型。用障碍物和绕过障碍物的路径分别表:』{—:!)]¨新币Ea1l。wed(2)示电容器的安装位置和容量,将该问题抽象成类似于旅行商【0,。therwise(TravelingSalesmanPr

7、oblen1,TSP)问题,通过模拟蚁群搜索食物的式中,Nlowed{C—tabu};q为均匀分布在区间[0,1】中的过程来寻找最优解。一个随机变量,q。(0≤q。≤1)是一个参数;S是根据式(2)给出的1蚁群系统算法概率分布产生出来的一个随机变量。在每个时刻,位于城市i的蚂蚁群算法(AntColonyAlgorithm,ACA)是意大利学者Marco蚁都会按照随机数q选择下一个城市。通过调节参数qo,可以调Dorigo等人于20世纪90年代提出的一种新型模拟进化算法,它节算法对新路径的探索度,从而决定算法是应该集中搜索至今最通过模仿蚂蚁的觅食过程,按

8、照启发思想,利用信息素的诱发作优路径附近的区域,还是应该搜索其它的区域。很显然,该策略增用,逐

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。