本文關(guān)鍵詞：基于自適應(yīng)粒子群算法的艦船電力系統(tǒng)無功優(yōu)化

  更多相關(guān)文章： 艦船電力系統(tǒng) 無功優(yōu)化 潮流計(jì)算 自適應(yīng)粒子群算法 多目標(biāo)無功優(yōu)化

【摘要】：隨著世界經(jīng)濟(jì)的飛速發(fā)展和生產(chǎn)生活的需求，人類對于艦船電力系統(tǒng)運(yùn)行的安全性、經(jīng)濟(jì)性、穩(wěn)定性也提出了更高的要求。艦船電力系統(tǒng)無功優(yōu)化是合理調(diào)度和配置無功電源的一種有效方式，通過對艦船電力系統(tǒng)的無功優(yōu)化，不僅可以減少艦船電力系統(tǒng)的網(wǎng)絡(luò)有功損耗，降低運(yùn)行成本；還能夠大幅改善艦船電力系統(tǒng)的電能質(zhì)量。因此，對于艦船電力系統(tǒng)無功優(yōu)化的研究既有理論意義，又具有實(shí)際應(yīng)用價(jià)值。 本文分析論述了艦船電力系統(tǒng)的運(yùn)行特點(diǎn)、網(wǎng)絡(luò)結(jié)構(gòu)和工作要求，參考陸地電力系統(tǒng)，構(gòu)建了適用于艦船電力系統(tǒng)無功優(yōu)化的數(shù)學(xué)模型。模型中的目標(biāo)函數(shù)可以依據(jù)不同的要求來建立，本文建立了三種不同優(yōu)化目標(biāo)的目標(biāo)函數(shù)，分別是基于經(jīng)濟(jì)指標(biāo)、電壓穩(wěn)定指標(biāo)和電能質(zhì)量指標(biāo)的；并分別對艦船電力系統(tǒng)進(jìn)行了單目標(biāo)和多目標(biāo)無功優(yōu)化的求解。分析了艦船電力系統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)，針對不同類型的艦船電力系統(tǒng)，，論述了適合不同網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)類型的艦船電力系統(tǒng)潮流計(jì)算方法。本文仿真選取的是現(xiàn)在已經(jīng)被廣泛應(yīng)用于各類艦船的環(huán)形艦船電力系統(tǒng)，優(yōu)化過程中選用了節(jié)點(diǎn)電勢法來對艦船電力系統(tǒng)進(jìn)行潮流計(jì)算。 無功優(yōu)化問題包括多個(gè)變量和多種約束，變量中又包含連續(xù)變量和離散變量；是一個(gè)十分復(fù)雜的多約束、多變量的非線性規(guī)劃問題。如采用常規(guī)的數(shù)學(xué)方法來求解是十分困難的，這就需要一種適合的人工智能算法來對其進(jìn)行求解。 針對無功優(yōu)化問題多目標(biāo)、多約束、多變量和非線性的特點(diǎn)，本文以粒子群算法為出發(fā)點(diǎn)，詳細(xì)介紹了粒子群算法的基本原理和實(shí)現(xiàn)流程，并對其改進(jìn)形式進(jìn)行了歸納總結(jié)和探討分析。針對基本粒子群算法存在的一系列缺陷進(jìn)行了改進(jìn)。以帶有加速因子的局部版粒子群算法為基礎(chǔ)，借鑒自適應(yīng)粒子群算法，自適應(yīng)改變種群規(guī)模、領(lǐng)域規(guī)模、加速因子來保證粒子更新過程中種群的多樣性，并率先在其中加入了類似于遺傳算法的變異操作，進(jìn)一步保證了種群向全局最優(yōu)收斂的速度和精度。 最后，將改進(jìn)后的自適應(yīng)粒子群算法（APSO）應(yīng)用到某環(huán)形艦船電力系統(tǒng)無功優(yōu)化的求解中，在MATLAB中進(jìn)行了編程仿真，將仿真結(jié)果與標(biāo)準(zhǔn)粒子群算法（SPSO）進(jìn)行了優(yōu)化對比，驗(yàn)證了艦船電力系統(tǒng)無功優(yōu)化模型的正確性和新算法優(yōu)越的求解性能。對艦船電力系統(tǒng)無功優(yōu)化的仿真時(shí)，先采用的是基于有功網(wǎng)絡(luò)損耗最小這個(gè)單目標(biāo)進(jìn)行的；其次，采取了模糊理論將多目標(biāo)優(yōu)化問題轉(zhuǎn)變?yōu)閱文繕?biāo)優(yōu)化后，結(jié)合APSO算法再次進(jìn)行了無功優(yōu)化的求解。并將優(yōu)化結(jié)果與單目標(biāo)和SPSO算法進(jìn)行了橫向、縱向?qū)Ρ龋?yàn)證了APSO算法的優(yōu)越性能。采用多目標(biāo)無功優(yōu)化后，艦船電力系統(tǒng)的綜合性能比優(yōu)化前有了一定的提升，進(jìn)一步保證了艦船的安全經(jīng)濟(jì)穩(wěn)定的運(yùn)行。
【關(guān)鍵詞】：艦船電力系統(tǒng) 無功優(yōu)化 潮流計(jì)算 自適應(yīng)粒子群算法 多目標(biāo)無功優(yōu)化
【學(xué)位授予單位】：江蘇科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：U665.1
【目錄】：

• 摘要6-8
• Abstract8-14
• 第1章 緒論14-23
• 1.1 課題研究的背景及意義14
• 1.2 艦船電力系統(tǒng)無功優(yōu)化的目的和意義14-16
• 1.3 無功優(yōu)化的研究現(xiàn)狀16-17
• 1.3.1 無功優(yōu)化問題的特點(diǎn)16-17
• 1.3.2 無功優(yōu)化問題的數(shù)學(xué)模型17
• 1.4 無功優(yōu)化問題的求解方法17-21
• 1.4.1 常規(guī)優(yōu)化算法18-19
• 1.4.2 人工智能優(yōu)化算法19-21
• 1.5 論文的研究目的及主要工作21-23
• 第2章 艦船電力系統(tǒng)及其無功優(yōu)化的數(shù)學(xué)模型23-32
• 2.1 引言23
• 2.2 艦船電力系統(tǒng)綜述23-25
• 2.2.1 艦船電力系統(tǒng)23-24
• 2.2.2 艦船電力系統(tǒng)的工作環(huán)境24
• 2.2.3 艦船電力系統(tǒng)的運(yùn)行要求24-25
• 2.3 無功平衡與電壓水平的關(guān)系25-26
• 2.4 無功平衡與有功損耗的關(guān)系26-27
• 2.5 艦船電力系統(tǒng)中常用的無功控制設(shè)備27-28
• 2.6 艦船電力系統(tǒng)無功優(yōu)化的數(shù)學(xué)模型28-31
• 2.6.1 功率約束方程28-29
• 2.6.2 變量約束條件29-30
• 2.6.3 目標(biāo)函數(shù)30-31
• 2.7 本章小結(jié)31-32
• 第3章 艦船電力系統(tǒng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)分析和潮流計(jì)算32-49
• 3.1 引言32
• 3.2 艦船電力系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)32-34
• 3.3 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)分析34-37
• 3.3.1 節(jié)點(diǎn)和支路編號34-37
• 3.3.2 擴(kuò)展關(guān)聯(lián)矩陣的建立37
• 3.4 潮流計(jì)算37-48
• 3.4.1 節(jié)點(diǎn)電勢法38-43
• 3.4.2 前推回代法43-48
• 3.5 本章小結(jié)48-49
• 第4章 自適應(yīng)粒子群優(yōu)化算法49-59
• 4.1 引言49
• 4.2 標(biāo)準(zhǔn)粒子群算法的基本原理49-54
• 4.2.1 標(biāo)準(zhǔn)粒子群算法50-51
• 4.2.2 粒子群算法的參數(shù)分析51-53
• 4.2.3 粒子群算法的特點(diǎn)及其改進(jìn)措施53-54
• 4.3 粒子群算法的實(shí)現(xiàn)流程54-55
• 4.4 自適應(yīng)粒子群優(yōu)化算法55-58
• 4.4.1 APSO 算法中的一些定義56
• 4.4.2 APSO 算法的自適應(yīng)操作56-57
• 4.4.3 APSO 算法中的變異操作57-58
• 4.5 本章小結(jié)58-59
• 第5章 基于自適應(yīng)粒子群算法的艦船電力系統(tǒng)無功優(yōu)化的研究59-69
• 5.1 引言59
• 5.2 求解關(guān)鍵步驟分析59-60
• 5.3 求解流程分析60
• 5.4 基于 APSO 算法的艦船電力系統(tǒng)無功優(yōu)化60-68
• 5.4.1 仿真環(huán)境60-61
• 5.4.2 仿真電力系統(tǒng)描述61-64
• 5.4.3 參數(shù)性能分析64-66
• 5.4.4 優(yōu)化結(jié)果對比66-68
• 5.5 本章小結(jié)68-69
• 第6章 基于 APSO 的艦船電力系統(tǒng)多目標(biāo)無功優(yōu)化69-78
• 6.1 引言69
• 6.2 模糊多目標(biāo)理論69-72
• 6.2.1 多目標(biāo)優(yōu)化的數(shù)學(xué)模型69-70
• 6.2.2 多目標(biāo)優(yōu)化的基本概念70-71
• 6.2.3 多目標(biāo)優(yōu)化的模糊解法71-72
• 6.3 多目標(biāo)無功優(yōu)化的模糊解法72-74
• 6.4 基于模糊自適應(yīng)粒子群算法的多目標(biāo)無功優(yōu)化74-77
• 6.4.1 算法步驟74-75
• 6.4.2 算例結(jié)果及分析75-77
• 6.5 本章小結(jié)77-78
• 總結(jié)與展望78-80
• 全文總結(jié)78-79
• 工作展望79-80
• 參考文獻(xiàn)80-83
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文83-84
• 致謝84

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 佘遠(yuǎn)俊;張翠芳;鄢田云;;粒子群神經(jīng)網(wǎng)絡(luò)及其在非線性系統(tǒng)辨識中的應(yīng)用[J];成都信息工程學(xué)院學(xué)報(bào);2006年02期

2 沈艷,郭兵,古天祥;粒子群優(yōu)化算法及其與遺傳算法的比較[J];電子科技大學(xué)學(xué)報(bào);2005年05期

3 柯晶,錢積新;應(yīng)用粒子群優(yōu)化的非線性系統(tǒng)辨識[J];電路與系統(tǒng)學(xué)報(bào);2003年04期

4 柯晶,錢積新,喬誼正;一種改進(jìn)粒子群優(yōu)化算法[J];電路與系統(tǒng)學(xué)報(bào);2003年05期

5 馮少輝;周平;錢鋒;;一種確定神經(jīng)網(wǎng)絡(luò)初始權(quán)值的新方法[J];工業(yè)儀表與自動(dòng)化裝置;2006年01期

6 周振坤;馬士華;林勇;岳鋒;;多目標(biāo)優(yōu)化在ERP模塊化服務(wù)設(shè)計(jì)中的應(yīng)用[J];管理學(xué)報(bào);2013年09期

7 郭少帥;;基于離散粒子群算法的作業(yè)車間調(diào)度優(yōu)化[J];裝備制造技術(shù);2013年09期

8 郭梅;羅建強(qiáng);;一種航空備件供應(yīng)鏈協(xié)調(diào)模型及優(yōu)化方法研究[J];工業(yè)工程與管理;2013年04期

9 劉琦鈾;施燦濤;李鐵克;;基于混合粒子群算法的工藝規(guī)劃與調(diào)度集成問題研究[J];工業(yè)工程與管理;2013年06期

10 龐佳瑋;杜曉燕;張水蓮;江長蔭;;蒸發(fā)波導(dǎo)高度水平非均勻性對路徑損耗的影響[J];電波科學(xué)學(xué)報(bào);2013年06期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 沈艷;分布式測試系統(tǒng)協(xié)作理論及其通信平臺(tái)實(shí)時(shí)性研究[D];電子科技大學(xué);2004年

2 岳]Z;粗粒度并行遺傳算法的計(jì)算性能及其應(yīng)用研究[D];華中科技大學(xué);2008年

3 王縱虎;聚類分析優(yōu)化關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2012年

4 譚陽;求解廣義旅行商問題的若干進(jìn)化算法研究[D];華南理工大學(xué);2013年

5 張宇山;進(jìn)化算法的收斂性與時(shí)間復(fù)雜度分析的若干研究[D];華南理工大學(xué);2013年

6 趙晶;量子行為粒子群優(yōu)化算法及其應(yīng)用中的若干問題研究[D];江南大學(xué);2013年

7 姜恩宇;基于直腸感知功能重建的人工括約肌系統(tǒng)研究[D];上海大學(xué);2013年

8 程興國;仿生算法的動(dòng)態(tài)反饋機(jī)制及其并行化實(shí)現(xiàn)方法研究[D];華南理工大學(xué);2013年

9 劉逸;粒子群優(yōu)化算法的改進(jìn)及應(yīng)用研究[D];西安電子科技大學(xué);2013年

10 李猛;基于智能優(yōu)化與RRT算法的無人機(jī)任務(wù)規(guī)劃方法研究[D];南京航空航天大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 燕居偉;工程建設(shè)項(xiàng)目控制目標(biāo)優(yōu)化研究[D];河北工程大學(xué);2010年

2 唐嗣元;基于進(jìn)化計(jì)算的優(yōu)化試驗(yàn)設(shè)計(jì)方法與實(shí)現(xiàn)技術(shù)研究[D];東北石油大學(xué);2011年

3 謝元平;改進(jìn)粒子群優(yōu)化算法的研究及其在控制系統(tǒng)設(shè)計(jì)中的應(yīng)用[D];北京化工大學(xué);2011年

4 孫書芳;PSO神經(jīng)網(wǎng)絡(luò)及其在板形板厚綜合控制中的應(yīng)用研究[D];東北大學(xué);2006年

5 張博;基于智能優(yōu)化模型的短期電力負(fù)荷預(yù)測系統(tǒng)[D];華北電力大學(xué)（河北）;2007年

6 張?jiān)贫?基于粒子群算法的中壓配電網(wǎng)規(guī)劃研究[D];華北電力大學(xué)（河北）;2007年

7 劉晶晶;粒子群優(yōu)化算法的改進(jìn)與應(yīng)用[D];武漢理工大學(xué);2007年

8 方向;稀土永磁同步電動(dòng)機(jī)優(yōu)化設(shè)計(jì)[D];廣東工業(yè)大學(xué);2008年

9 杜雷;基于兩階段特征提取法和PSO-BP神經(jīng)網(wǎng)絡(luò)的人臉識別方法研究[D];新疆大學(xué);2008年

10 王裔丹;制造鏈協(xié)同調(diào)度方法研究[D];沈陽工業(yè)大學(xué);2008年

本文編號：944136