论文部分内容阅读
电力系统无功优化是电网节能降损研究重要的一环,是改善电能质量的重要手段,是电力系统运行、分析和控制的基础,也是电力系统长期研究的重点内容,解决好无功优化问题将给电力系统的运行带来显著的改善。本论文是从电力系统供配电节能的考虑出发,对系统无功优化的问题进行专项研究,采用的优化方法是遗传算法,并针对电力系统自身的特点和实际情况对简单遗传算法做了一定的改进,并在Matlab平台上通过IEEE标准节点系统验证改进遗传算法的优势。研究遗传算法在电力系统无功优化问题中的实际应用,针对简单遗传算法通常存在的收敛慢,停滞早,局部最优等问题,结合无功优化数学模型的特点,对遗传算法进行了一些改进。包括采用实整数混合编码的方式,精确处理离散变量,相比单一的二进制编码,有效提高算法的计算速度;引用了模拟退火算法进行适应度的拉伸,不仅可以有效避免早熟陷入局部最优的经典难题,还有效地提高了遗传后期的进化速度;选择算子采用锦标赛方法和最优保存相结合的方式,为后续的遗传操作奠定了更好更稳定的进化基础,自适应遗传算法的应用和交叉、变异算子的改进都更好改善了遗传算法的搜索优化性能;在终止判据中设置了最大遗传代数和最少保留代数两个定值,进一步保证了算法有更好的精确度。无功优化是多变量、多目标、非线性的复杂系统优化过程,本文选择以有功网损最小并应用罚函数进行电压越限处理的目标函数,这也是本文计算的基础;潮流计算是分析电力系统问题最基本的计算,无功优化过程中,潮流计算主要为无功优化计算出有功功率损耗和相关状态变量是否满足要求,从而可得到满足约束条件的最终目标函数值;比较分析了三种经典潮流计算方法的优缺点,并选定P-Q分解法作为本文潮流计算方法,为无功优化运行保证良好的基础,也能让遗传算法得到更好的应用。为了验证如上改进的遗传算法解决无功优化问题的优化效果,本文结合Matlab软件和IEEE标准测试系统来对简单遗传算法和改进遗传算法进行仿真比较,选择了IEEE-30节点系统来进行了测试,结果表明:改进的遗传算法的收敛性能和优化效果相较于简单遗传算法都有明显的优势,更适合解决电力系统无功优化问题,具有一定的实际应用价值。