论文部分内容阅读
电力系统无功优化是可以预防事故发生或扩大、改善电压质量水平、有效地降低系统网损,而且还可以充分发挥经济效益,同时保证电力系统能够安全、经济、稳定和高效地运行的最主要的措施。这也是无功优化之所以被研究许多年仍保持经久不衰的原因。
本文以现代电力系统无功优化发展的特点为背景开展研究工作,把无功优化问题作为研究对象,选用遗传算法作为优化的主要研究手段。无功优化问题的数学模型是建立在通用数学模型的基础上,主要以系统有功网损最小为目标,并对状态变量按0、1分布变化方式进行处理的惩罚函数的数学模型。此外,通过理论分析和算例实证表明P-Q分解法在较高精确度的情况下进行潮流计算时能够保证快速完成无功优化的潮流计算部分。同时针对遗传算法(GA)在电力系统无功优化实际应用的过程中存在着易陷入局部最优和收敛速度慢等不足,提出更加有效的无功优化算法即改进遗传算法(IGA)。该算法改进具体改进措施有:根据初始潮流计算的结果制定能够包含全部可能的解的初始种群;针对控制变量连续、离散性兼有的特点,采用实整数编码,使得编码串的长度和变量的个数一致,同时省去繁琐的编码和解码过程,增加实用性;分阶段设计了不同的适应度函数,使优化开始阶段的适应度值差异幅度相对较大,提高算法搜索效率;在遗传操作过程中,对选择、交叉和变异分别进行改进,能够增加种群多样性和产生出更多的优秀的个体;最大遗传代数和最优个体最少保留代数相结合的终止优化条件,使优化终止判据更加科学合理。
最后通过应用Matlab7.6软件平台编写了遗传算法和改进遗传算法的无功优化通用程序,并对IEEE-6、IEEE-14和IEEE-30节点系统进行了仿真计算。结果表明本优化算法使得电力系统无功优化的收敛速度和优化效果较遗传优化算法有显著提高,并验证本算法的有效性、优越性和具有实际参考价值。
本文以现代电力系统无功优化发展的特点为背景开展研究工作,把无功优化问题作为研究对象,选用遗传算法作为优化的主要研究手段。无功优化问题的数学模型是建立在通用数学模型的基础上,主要以系统有功网损最小为目标,并对状态变量按0、1分布变化方式进行处理的惩罚函数的数学模型。此外,通过理论分析和算例实证表明P-Q分解法在较高精确度的情况下进行潮流计算时能够保证快速完成无功优化的潮流计算部分。同时针对遗传算法(GA)在电力系统无功优化实际应用的过程中存在着易陷入局部最优和收敛速度慢等不足,提出更加有效的无功优化算法即改进遗传算法(IGA)。该算法改进具体改进措施有:根据初始潮流计算的结果制定能够包含全部可能的解的初始种群;针对控制变量连续、离散性兼有的特点,采用实整数编码,使得编码串的长度和变量的个数一致,同时省去繁琐的编码和解码过程,增加实用性;分阶段设计了不同的适应度函数,使优化开始阶段的适应度值差异幅度相对较大,提高算法搜索效率;在遗传操作过程中,对选择、交叉和变异分别进行改进,能够增加种群多样性和产生出更多的优秀的个体;最大遗传代数和最优个体最少保留代数相结合的终止优化条件,使优化终止判据更加科学合理。
最后通过应用Matlab7.6软件平台编写了遗传算法和改进遗传算法的无功优化通用程序,并对IEEE-6、IEEE-14和IEEE-30节点系统进行了仿真计算。结果表明本优化算法使得电力系统无功优化的收敛速度和优化效果较遗传优化算法有显著提高,并验证本算法的有效性、优越性和具有实际参考价值。