论文部分内容阅读
最优化问题是生活中也是电力系统中一类常见的问题,集群智能算法(SwarmIntelligence Algorithm,SI)是近年来一种新兴的进化算法,由于其系统鲁棒性、系统扩充性、计算速度等方面优势明显而得到了广泛应用。群搜索优化算法(Group SearchOptimizer,GSO)作为二十一世纪初提出的智能优化算法,尽管其在解决高维问题上具有一定的优势,但由于问世时间较短,至今在各个领域包括电力系统中的应用仍然处在起步阶段,开展对GSO算法的研究并将其应用至电力系统领域中,提出解决电力系统中各个优化问题的新道路,对于保证电力系统稳定运行,提高电力系统经济性具有比较重要的意义。本文首先介绍了最优化问题、量子理论和集群智能优化算法的相关基础知识,对电力系统无功优化问题和机组组合问题的现状进行了综述,结合量子进化算法(quantum-inspired evolutionary algorithm,QEA)和群搜索算法的优点,提出了基于量子的群搜索优化算法(QGSO),对算法中各类型群成员的搜索策略进行了详细分析和介绍,设计了完整的算法框架,给出了算法流程,并采用Matlab编程实现,探讨其在电力系统中的应用。本文选取有功损耗最小模型为目标函数,给出了无功优化问题的控制变量约束和状态变量约束,将QGSO算法分别应用在IEEE14节点和30节点系统的无功优化问题中。分析结果表明,经过QGSO优化后,系统状态得到了改善,有功损耗均得到明显的下降,与其他算法的优化结果的对比分析表明QGSO优化性能均要优于其他算法。最后将QGSO算法应用于电力系统机组组合问题中,对算法种群初始化做了相应的改进,提出了一种启发式种群初始化策略以便能够快速得到初始可行解,对机组组合问题约束条件的处理策略进行了较为深入的探讨和分析,通过10-100机组的算例仿真分析表明,尽管在小规模系统中QGSO的优化结果并不是最优,但QGSO在大规模机组组合问题中具有明显的优势,这对于求解电力系统实际中大规模电网的机组组合问题具有一定参考意义。本论文的研究得到国家重点基础研究发展计划(973计划)(2013CB228205)、国家自然科学基金项目(50807016,51177051)资助。