改进遗传算法在电力系统无功优化中的研究

摘要

电力系统无功优化既是保证电力系统安全、经济运行的有效手段，又是提高电能质量的重要措施，随着电力系统的不断发展，无功优化变得越来越重要。从数学的角度上看电力系统无功优化问题又是一个多变量、多约束的混合非线性规划问题，其中既有离散变量又有连续变量，从而使得优化过程十分复杂。因此在无功优化控制系统中，无功优化算法的好坏对寻优速度和提高电能质量起着重要作用。
　　 本文除了介绍电力系统无功优化领域的研究现状及其发展和简单遗传算法的原理外、还在P-Q分解法潮流计算的基础上建立起以有功网损最小为目标函数的无功优化的数学模型。同时由于简单遗传算法存在的不足之处，如简单遗传算法的编码串过长，算法的效率较低，收敛速度慢和容易陷入局部最优解等问题。因此本文对简单遗传算法进行了相应的改进，以便在电力系统无功优化中得到更好的应用，以获得更好的优化性能，达到降低电网有功网损和提高电压质量的目的。主要是将连续变量采用二进制编码，离散型变量采用的实数的编码方式，从而形成本文采用的混合编码的方式，此方法既可以克服了二进制编码在处理离散变量时出现的误差，又可以克服了二进制编码在处理离散变量时出现的不足，并且解决了解的精度不再依赖编码串的长度，保留了实数编码求解精度高、便于较大空间的搜索的优点。还采用的是适应度函数值比例法和最优保存法相结合的混合选择策略，这样能防止群体中的最优个体被淘汰和防止最差个体被选中。本文对交叉和变异的改进采用的是自适应遗传的交叉和变异算子，这样可以加快遗传算法的收敛速度，有效的提高了遗传算法的优化能力。本文还采用了最优个体最少保留代数与最大遗传代数相结合的终止进化准则，这样可以保证能在全局范围内找到最优解，避免陷入局部最优。将改进遗传算法应用到电力系统无功优化中不但能提高算法收敛速度，同时也能提高算法精度。为证明本文改进遗传算法对无功优化的效果，用改进遗传算法对IEEE30节点系统进行了仿真计算，结果显示改进遗传算法与简单遗传算法相比具有寻优时间短、收敛速度快和全局寻优能力强等特点。

目录

文摘

英文文摘

第1章 第1章 绪论

1.1 无功优化的内容、目的及其意义

1.2 无功优化的发展现状

1.2.1 经典算法

1.2.2 人工智能算法

1.3 本文研究的主要内容

第2章 电力系统无功优化的数学模型

2.1 无功功率与电压的关系

2.2 有功网损与无功功率的关系

2.3 电网中常用的无功控制设备

2.3.1 电力系统中的无功功率电源

2.3.2 有载调压变压器

2.4 潮流计算

2.4.1 电力系统中潮流计算的数学模型

2.4.2 电力系统中各类节点

2.4.3 牛顿一拉夫逊法潮流计算

2.4.4 P-Q分解法潮流计算

2.5 无功优化的数学模型

2.5.1 目标函数

2.5.2 功率约束方程

2.5.3 变量约束条件

2.6 本章小节

第3章 遗传算法在无功优化应用中的改进

3.1 遗传算法的基本原理

3.2 遗传算法的基本操作与方法

3.3 遗传算法基本流程

3.4 遗传算法的特点

3.5 改进遗传算法在电力系统无功优化中的应用

3.5.1 十进制数和二进制数交叉编码的方式

3.5.2 选择操作的改进

3.5.3 自适应遗传的交叉和变异算子

3.5.4 进化终止准则

3.6 改进遗传算法的无功优化的流程图

3.7 本章小结

第4章 算例分析

4.1 IEEE-30节点系统介绍

4.2 仿真结果

4.3 本章小结

结论

参考文献

攻读硕士学位期间发表的学术论文

致谢