發(fā)布時間：2019-07-15 21:23

【摘要】：隨著我國經(jīng)濟的飛速發(fā)展,用電需求量也變得越來越大,電力系統(tǒng)的安全穩(wěn)定問題越來越受到人們的重視。電壓是影響電力系統(tǒng)的一個重要因素,而無功功率1則是衡量電壓質(zhì)量的一個重要指標(biāo),所以我們通過對電網(wǎng)系統(tǒng)進行合理的無功優(yōu)化2,這樣不僅能保證電力系統(tǒng)安全穩(wěn)定的運行,還能適當(dāng)?shù)慕档途W(wǎng)損。通過對基本粒子群算法及一些改進的粒子群算法進行研究和分析,本文提出了一種改進粒子群算法,先采用混沌序列預(yù)處理粒子的位置,增強粒子的遍歷性,然后在粒子群速度更新迭代中引入粒子歷史最差個體的反向?qū)W習(xí)能力,明顯改善了粒子群算法迭代后期的早熟收斂現(xiàn)象。電力系統(tǒng)無功優(yōu)化計算可歸類為一個非常復(fù)雜的非線性規(guī)劃問題,其約束等式是一個高階方程組稱為潮流方程,包括了多個連續(xù)和離散的變量和約束條件。實現(xiàn)電力系統(tǒng)無功優(yōu)化可通過調(diào)整發(fā)電機的機端電壓、可調(diào)變壓器的變比和可投切電容器無功補償來完成,以達(dá)到降低電力系統(tǒng)的損耗和電壓的越限概率,使電網(wǎng)能夠更加安全穩(wěn)定的運行。介紹了風(fēng)力發(fā)電技術(shù)和風(fēng)能并網(wǎng)方面相關(guān)的知識,本文所選的風(fēng)電場中的風(fēng)電機組為雙饋感應(yīng)風(fēng)電機組,然后用改進粒子群算法對該類型風(fēng)電場并網(wǎng)后的電力系統(tǒng)進行無功優(yōu)化計算,并且介紹了其中幾個關(guān)鍵問題的處理,主要包括風(fēng)力分時段策略、控制變量的編碼方式。其中適應(yīng)度函數(shù)選取了以網(wǎng)損3最小為目標(biāo)函數(shù)并結(jié)合罰函數(shù)的模型;潮流方程的計算采用P-Q分解法。隨后給出了改進粒子群優(yōu)化算法應(yīng)用于風(fēng)電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化的流程。為了驗證所提算法的有效性,本文選取了IEEE57節(jié)點系統(tǒng)以及相應(yīng)的風(fēng)電場,將改進粒子群算法應(yīng)用在風(fēng)電場并網(wǎng)的IEEE57節(jié)點標(biāo)準(zhǔn)測試系統(tǒng)上,并和混沌粒子群算法(Chaos Particle Swarm Optimization,CPSO)、分組粒子群算法(Grouping Particle Swarm Optimization,GPSO)、雙變異粒子群算法(Lowdiversity Highdiversity-Dual Mutation Particle Swarm Optimization,LH-DMPSO)和基于交叉因子與雙向?qū)W習(xí)機制粒子群算法(Cross-factor and Bilingual learning Mechanism Particle Swarm Optimization,CBMPSO)進行比較,仿真結(jié)果表明改進粒子群算法有效地降低了系統(tǒng)的網(wǎng)損。
文內(nèi)圖片：
圖片說明： 迭代次數(shù) k 是否等于 M，若滿足則退出循環(huán)，否則迭代次數(shù) k 加 1 轉(zhuǎn)到第（與仿真多維多峰函數(shù) Ackley 和 Rastrigin 函數(shù)，對本文所提算法、CPSO、LH-DMMPSO 進行仿真，將仿真結(jié)果相互比較并分析了性能。y 函數(shù)： fxxxeeeNjjNjjxNxNN ,2020112cos2110.2*12 ，，在 ,12 Nxxx值 0。gin 函數(shù)： NiNiifxxxxx1212, 10cos2 10，在 ,0,0012 Nx xxckley 函數(shù)和 Rastrigin 函數(shù)的仿真圖形如下：
文內(nèi)圖片：
圖片說明： 圖 2.2 Rastrigin 仿真圖形驗參數(shù)選取如下協(xié)同參數(shù)：種群規(guī)模N固定為50，粒子的速度 30maxv ， minv 上限 a=50，下限 b 100，學(xué)習(xí)因子 1.512c c ， 13c ，慣性權(quán)重 ω=0子與雙向?qū)W習(xí)機制的粒子群算法以及改進算法中的 p=0.1。雙變異=0.003，highdiversity=0.3�；煦缢惴ㄖ械目刂谱兞� μ=4。本實驗中每個函數(shù)100 次，問題空間的維數(shù) D 設(shè)為 50 維。在圖 2.3 和圖 2.4 中，虛線表示改進次測試結(jié)果，其他曲線描述了五種算法各自獨立進行 50 次測試獲得的適應(yīng)平均值。數(shù)為 Ackley 函數(shù)時仿真結(jié)果如下：
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18;TM614;TM714.3

【相似文獻】

相關(guān)期刊論文 前10條

1 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

2 吳軍;李為吉;;改進的粒子群算法及在結(jié)構(gòu)優(yōu)化中的應(yīng)用[J];陜西理工學(xué)院學(xué)報(自然科學(xué)版);2006年04期

3 段海濤;劉永忠;馮霄;;水系統(tǒng)優(yōu)化的粒子群算法分析[J];華北電力大學(xué)學(xué)報(自然科學(xué)版);2007年02期

4 王偉;;混合粒子群算法及其優(yōu)化效率評價[J];中國水運(學(xué)術(shù)版);2007年06期

5 付宜利;封海波;孫建勛;李榮;馬玉林;;機電產(chǎn)品管路自動敷設(shè)的粒子群算法[J];機械工程學(xué)報;2007年11期

6 蔣榮華;王厚軍;龍兵;;基于離散粒子群算法的測試選擇[J];電子測量與儀器學(xué)報;2008年02期

7 周苗;陳義保;劉加光;;一種新的協(xié)同多目標(biāo)粒子群算法[J];山東理工大學(xué)學(xué)報(自然科學(xué)版);2008年05期

8 姚峰;楊衛(wèi)東;張明;;改進粒子群算法及其在熱連軋負(fù)荷分配中的應(yīng)用[J];北京科技大學(xué)學(xué)報;2009年08期

9 張大興;賈建援;張愛梅;郭永獻;;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學(xué)報;2009年09期

10 王麗萍;江波;邱飛岳;;基于決策偏好的多目標(biāo)粒子群算法及其應(yīng)用[J];計算機集成制造系統(tǒng);2010年01期

相關(guān)會議論文 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學(xué)系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會議膨脹節(jié)設(shè)計、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 王芳;粒子群算法的研究[D];西南大學(xué);2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

3 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學(xué);2009年

4 黃平;粒子群算法改進及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

5 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

8 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

10 馮琳;改進多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強;基于改進粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計鋒;基于改進粒子群算法的交通控制算法研究[D];長安大學(xué);2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學(xué);2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動機數(shù)學(xué)模型問題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學(xué);2015年

10 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學(xué);2015年

本文編號：2514881