论文部分内容阅读
随着现代工业的发展,电能的质量越来越重要。无功优化技术可以使电压稳定和线损降低这两个目的同时达到。无功优化问题是一个复杂的非线性有约束优化问题,有很多方法都被应用于解决该问题。本文概述了求解无功优化问题的方法,这些方法可以大致分成两类:经典方法和现代方法。经典方法主要指确定性搜索方法,现代方法包括人工智能方法(尤其是遗传算法)、禁忌搜索算法和模拟退火算法等。本文建立了一个全面考虑实际约束条件和无功调节手段的无功优化数学模型,该模型是以矩阵为元素建立的,约束条件和目标函数的梯度公式也是以这些矩阵为基础建立的。可以很方便地应用于面向对象编程工具中,尤其是适合在MATLAB中应用。应用于无功优化问题的确定性搜索方法比较成熟、有完整的理论指导。可行方向类算法是其中最有效的方法之一。本文讨论了三种可行方向法—广义简约梯度(Generalized Reduced Gradient, GRG)法、可行点(Feasible Point,FP)法和序列二次规划(Sequential Quadratic Programming,SQP)法应用于无功优化问题。本文在MATLAB 优化工具箱的基础上编写了实现序列二次规划法的程序来求解无功优化问题。具有自适应步长的遗传算法可以直接搜索全局最优解。求解无功优化问题的遗传算法的主要步骤为:对系统进行数学建模,对控制变量设计染色体编码、适应度函数,然后对染色体进行选择、交叉、变异和保留操作。遗传算法的优化效果较好,在降低网损、消除电压越限中有重要的作用。本文引入了两个针对非线性有约束数值优化问题的遗传算法—GENOCOPII 和GENOCOPIII 来求解无功优化问题。GENOCOPII 系统采用两步选择方法和退火惩罚函数,从单一的随机初始点进行搜索。本文编程实现了GENOCOPII 算法来求解无功优化问题,在大量数值试验的基础上总结了选择算法参数的经验原则。GENOCOPIII 系统是一个协进化遗传算法系统。算法保持两个独立种群并且采用了不可行解修正策略。本文在原始GENOCOPIII 基础上做了一些改进并编程实现应用于无功优化问题。本地搜索方法可以改善遗传算法计算效率低的缺点,本文提出了一个启发式GENOCOPIII算法,其思想是算法中参照群体的个体根据可行下降方向进化。本文还将解耦思想应用于启发式GENOCOPIII 算法并编程实现来求解无功优化问题。文中最后以Ward&Hale6 节点系统和IEEE14 节点系统为对象进行了优化计算,并且同其它文献的计算结果进行了比较,证明了这些算法的有效性和优越性。