基于改进遗传算法的船舶电力系统无功优化研究.pdf

《基于改进遗传算法的船舶电力系统无功优化研究.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、2013年第4期工业仪表与自动化装置·17·基于改进遗传算法的船舶电力系统无功优化研究訾鸿，杨俊杰，宋婀娜‘(1．黑龙江科技大学，哈尔滨150022；2．中航工业哈尔滨飞机工业集团有限责任公司，哈尔滨150066)摘要：研究了遗传算法应用于无功优化求解的运算流程，并且对遗传算法进行了改进。应用改进遗传算法对环形船舶电力系统进行了优化计算，并与常规遗传算法的优化结果进行了比较分析。算例结果表明改进算法能有效地提高系统的寻优能力与收敛速度。关键词：船舶电力系统；无功优化；改进遗传算法中图分类号：U665文献标志码：A文章编号：10

2、00—0682(2013)04—0017—04ThestudyofreactivepoweroptimizationofshippowersystembasedonimprovedgeneticalgorithmZIHong，YANGJunjie，SONGE'nuo(1．HeilongfiangUniversityofScienceandTechnology，Harbin150022，China；2．AVICHarbinAircraftlnd~tryGroupCo．，Ltd．，Harbin150066，China)Abstra

3、ct：Theflowofsolutiontoreactivepoweroptimizationwithappliedgeneticalgorithmisstud—iedandthegeneticalgorithmisimproved．Improvedalgorithmisappliedtotheringshippowersystemandiscomparedwithstandardgeneticalgorithm．Illustrativeexamplesshowthattheimprovedgenetical—gorithmc

4、animprovetheabilityoflookingfortheoptimizationofthesystemandthespeedoftheeonver-genceeffectively．Keywords：shippowersystem；reactivepoweroptimization；improvedgeneticalgorithm水平和提高系统运行的稳定性，而且可以降低系O引言统的电能损耗，使系统的运行费用降低。随着科学技术的进步和生产生活的需要，现代电力系统无功优化是一个多变量、多约束的混船舶电力系统的容量越来越

5、大，对供电的可靠性和合非线性规划问题，其操作变量既有连续变量又有电能质量也提出了更高的要求，船舶电力系统的经离散变量，其优化过程十分复杂。遗传算法(Genet-济安全运行Et益受到重视。电力系统无功优化和无icAlgorithm，简称GA)是一种基于自然选择和遗传功补偿是船舶电力系统安全经济运行研究的一个重机制的搜索算法，比较适合于求解电力系统无功优要组成部分，通过对船舶电力系统无功电源的合理化问题。与传统方法相比，该方法实现简单，能方便配置和对无功负荷的最佳补偿，不仅可以维持电压地处理优化问题中的变量离散问题，并能以较大概率

6、达到全局最优解；但其也存在局部搜索能力差，寻收稿日期：2012—12—20优速度慢，计算时间长等缺陷。该文在遗传算法应基金项目：黑龙江省教育厅科学技术研究项目(12533059)用于无功优化求解问题的研究基础上，结合无功优作者简介：訾鸿(1978)，女(满族)，齐齐哈尔人，硕士研究生，毕业于哈尔滨工程大学，讲师，主要从事电路、电工电子技术等课程的化的特点对遗传算法中“初始种群的生成”做了适理论和实践教学工作。当改进，并采用了自适应的交叉变异率和二次变异·18·工业仪表与自动化装置2013年第4期的方法，目的是提高遗传算法在求解

7、无功优化问题择概率成正比例，然后产生一个随机数，它落入轮盘时的性能。的哪个区域就选择出相应的个体。该文选用锦标赛选择方法，即从群体中随机选1基于改进遗传算法的无功优化择k个个体，将其中适应度最高的个体保存到下一1．1基于改进遗传算法的无功优化的操作设计代。这一过程反复执行，直到保存到下一代的个数1)编码达到预先设定的数量为止。这种方式可使得适应值一般遗传算法采用二进制编码，但是对于船舶好的个体具有较大的生存机会。电力系统，由于其控制变量仅为发电机机端电压，在5)交叉概率和变异概率某些应用中可以对其作为连续变量处理，故对它可遗传

8、算法的交叉概率P和变异概率P的选择直接采用实数编码方式。是影响遗传算法行为和性能的关键参数，直接影响2)初始种群的产生算法的收敛性。p越大，新个体产生的速度就越快；初始种群是遗传算法进行搜索的起点，虽然然而，p过大时遗传算法模式被破坏的可能性也越GA具有很好的鲁棒性，对初始解