学位论文 > 优秀研究生学位论文题录展示
基于改进粒子群算法的多目标无功优化
作 者: 何启明
导 师: 王奔
学 校: 西南交通大学
专 业: 电力系统及其自动化
关键词: 无功优化 多目标优化 粒子群算法 多目标进化算法 Pareto最优解
分类号: TM714
类 型: 硕士论文
年 份: 2009年
下 载: 376次
引 用: 4次
阅 读: 论文下载
内容摘要
电力系统无功优化的主要目的是通过合理调节无功设备来实现系统运行状态的优化,使系统的有功网损下降、电压质量提高和稳定性增强。在常规的无功优化中,网损最小是最常用的目标函数,优化结果中各节点电压往往处于或靠近其上限值,从而使无功优化的目标函数与系统电压安全发生冲突。本文在综合考虑电网安全性和经济性的前提下,提出了电力系统多目标无功优化模型,模型中考虑了系统有功网损和电压水平。电力系统无功优化属于非线性优化范畴,具有多目标、多控制变量、多约束条件、连续和整型变量混合以及不确定性等特点。常规的优化方法在处理此类问题时主要是采用加权法将多目标优化问题转化为单目标优化问题来求解,但是对于不同的目标函数,由于其物理量纲不同,所以权重因子的取值非常困难;基于模糊集理论的方法主要是通过对每个单一目标函数进行隶属度函数的归一化计算来实现多目标向单目标的转变,这种方法在寻优过程中,由于多个目标函数的隶属度函数参数的计算很复杂,从而降低了计算速度。而且由于多目标优化问题目标之间的不可公度性和矛盾性,使得不能将多目标优化问题转化为单目标优化问题来求解。本文对粒子群优化算法及其在电力系统中的应用进行了深入的研究,提出了新的解决多目标无功优化问题的思路和算法。本文提出了一种基于粒子群算法的多目标无功优化方法,该算法通过Pareto支配关系来更新粒子的个体最优值;用擂台赛算法构造群体的非支配集;采用存储池保存搜索过程中发现的非支配解;从存储池中选取拥挤距离最大的粒子作为全局最优粒子;采用拥挤度算法裁剪非支配解,以保持解的分散性;对每个粒子根据其优劣程度来确定其惯性权重值,以平衡粒子的全局和局部搜索能力。将该算法应用于IEEE-14和30节点系统的无功优化,并分别得出了一组Pareto最优解。
|
全文目录
摘要 6-7 ABSTRACT 7-9 目录 9-12 第1章 绪论 12-22 1.1 目的与意义 12 1.2 无功优化的现状 12-19 1.2.1 无功优化模型 12-14 1.2.2 无功优化的求解方法 14-19 1.3 粒子群算法(Particle Swarm Optimization PSO)在电力系统中的应用 19-21 1.4 本文所做的工作 21-22 第2章 粒子群算法 22-29 2.1 PSO算法的基本理论 22-24 2.2 PSO算法的流程 24-25 2.3 PSO算法的特点和参数选择 25-27 2.3.1 PSO算法的特点 25-26 2.3.2 PSO算法的参数选择 26-27 2.4 粒子群算法的关键 27-29 第3章 多目标优化理论及基于多目标的改进粒子群算法 29-42 3.1 多目标优化问题的背景 29 3.2 多目标优化问题描述 29-30 3.3 与多目标优化有关的概念 30-32 3.3.1 支配关系 30-31 3.3.2 Pareto最优解 31 3.3.3 Pareto最优边界 31-32 3.4 多目标优化问题的求解方法 32-33 3.5 多目标进化算法 33-34 3.5.1 进化算法(Evolutionary Algorithm EA) 33-34 3.5.2 多目标进化算法(Multi-objective Evolutionary Algorithm MOEA) 34 3.6 基于Pareto理论对粒子群算法的改进 34-40 3.6.1 非支配集的构造 34-38 3.6.2 个体极值和全局极值的选取 38-39 3.6.3 存储池的更新与裁剪 39-40 3.6.4 惯性权重的动态设置 40 3.7 改进的多目标粒子群算法流程 40-42 第4章 电力系统无功优化模型 42-53 4.1 无功功率的概念 42-43 4.1.1 无功功率的定义 42-43 4.1.2 无功功率的物理意义 43 4.2 电力线路中的电压损耗和有功损耗与无功功率的关系 43-44 4.3 无功功率平衡与系统电压水平 44-46 4.4 电力系统的无功源 46-47 4.5 电力系统调压的方式 47 4.6 电力系统多目标无功优化的数学模型 47-50 4.6.1 无功优化的目标函数 47-48 4.6.2 无功优化的约束条件 48-49 4.6.3 控制变量的改变对系统节点导纳阵的影响 49-50 4.7 算法中一些关键问题的处理 50-52 4.8 基于改进粒子群算法多目标无功优化的步骤 52-53 第5章 算例分析 53-64 5.1 IEEE14节点算例 53-57 5.1.1 IEEE14节点系统的数据 53-56 5.1.2 参数设置 56 5.1.3 优化结果 56-57 5.1.4 结果分析 57 5.2 IEEE-30节点算例 57-64 5.2.1 IEEE-30节点系统的参数 57-61 5.2.2 参数设置 61-62 5.2.3 优化结果 62-63 5.2.4 结果分析 63-64 结论与展望 64-66 致谢 66-67 参考文献 67-71 攻读硕士学位期间发表的论文 71
|
相似论文
- 基于蚁群算法的电梯群优化控制研究,TU857
- 内点法在大型电力系统无功优化中的应用研究,TM714.3
- 有源电力滤波器及其在配电网中的应用,TN713.8
- 海底管道修复连接器的研究,TE973
- 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
- 基于粒子群的分子对接算法,R91
- 基于遗传算法的矿山资源优化调度模型的研究,O224
- 基于粒子群算法的区域水资源优化配置研究,TV213.4
- 基于粒子群算法的露天矿道路路径优化研究,TP301.6
- 移动机器人路径规划研究及仿真实现,TP242
- 电火花加工参数优化的研究,TG661
- 基于克隆免疫算法的应急物流车辆路径模型的研究,U116.2
- 量子粒子群算法研究及其在图像矢量量化码书设计中的应用,TP301.6
- 变邻域搜索算法研究及在组合优化中的应用,TP301.6
- 基于遗传算法的快速航迹规划方法研究,TP18
- 电力系统无功优化的混合算法研究,TM714.3
- 基于QoS的无线传感器网络路由算法研究,TP212.9
- 参数协进化的改进和声搜索算法及其应用,TP391.3
- 非汛期水库群协同优化调度与应用研究,TV697.11
- 不确定环境下供应链多时段生产采购计划问题研究,F224
- 基于量子计算的DNA编码方法研究,Q75
中图分类: > 工业技术 > 电工技术 > 输配电工程、电力网及电力系统 > 理论与分析 > 负荷分析
© 2012 www.xueweilunwen.com
|