基于遺傳算法的施工用電無功補償?shù)难芯?/H1>
發(fā)布時間：2018-04-26 09:14
本文選題：施工用電 + 無功優(yōu)化��； 參考：《東北大學(xué)》2015年碩士論文
【摘要】：因城市建設(shè)的需要,建筑物越來越多,施工用電凸顯的尤為重要。為了節(jié)約用電、降低電網(wǎng)損耗、提高電壓合格率,無功優(yōu)化也成為配電網(wǎng)使用過程中的一個必要階段。因此,以提高電壓水平和降低網(wǎng)絡(luò)損耗為主要目標的施工用電配電網(wǎng)無功優(yōu)化的研究被有關(guān)人員所關(guān)注。對于配電網(wǎng)的無功優(yōu)化,目前已提出多種算法。本文重點研究了遺傳算法在施工用電配電網(wǎng)無功優(yōu)化中的應(yīng)用。本文首先闡述了施工用電配電網(wǎng)無功優(yōu)化研究的目的和意義,并介紹了幾種無功優(yōu)化的常用方法。本文根據(jù)施工用電配電網(wǎng)的實際情況,建立了無功優(yōu)化的數(shù)學(xué)模型、目標函數(shù),并考慮了系統(tǒng)網(wǎng)損、電壓質(zhì)量和無功補償容量等因素,以潮流方程作為等式約束,以控制量和狀態(tài)變量變化范圍作為不等式約束。然后詳細說明了常規(guī)遺傳算法的基本原理、基本操作和應(yīng)用,并在此基礎(chǔ)上對常規(guī)遺傳算法進行了改進。在常規(guī)遺傳算法中,存在收斂速度慢、容易早熟收斂等問題,本文通過改進的遺傳算法,解決這些問題。主要包括:采用十進制編碼,提高了算法的計算能力;采用線性變化和指數(shù)變化規(guī)律的越界罰系數(shù)、對適應(yīng)度函數(shù)進行線性變換,從而保持了種群的多樣性;采用遺傳因子自適應(yīng)變化和改進的遺傳操作,大幅度的提高了遺傳算法的全局優(yōu)化和局部尋優(yōu)的能力。采用遺傳算法與序列二次規(guī)劃法的混合遺傳算法,提高了整體算法的收斂性。仿真結(jié)果表明,改進的遺傳算法在計算速度和收斂能力上明顯優(yōu)于常規(guī)遺傳算法,在施工用電配電網(wǎng)無功優(yōu)化運行中是可行并且有效的。
[Abstract]:Due to the needs of urban construction, more and more buildings, construction electricity is particularly important. In order to save electricity, reduce the loss of power grid and improve the qualified rate of voltage, reactive power optimization has become a necessary stage in the operation of distribution network. Therefore, the research on reactive power optimization of power distribution network with the aim of increasing voltage level and reducing network loss is concerned. A variety of algorithms have been proposed for reactive power optimization in distribution networks. This paper focuses on the application of genetic algorithm in reactive power optimization of construction power distribution network. In this paper, the purpose and significance of reactive power optimization in construction power distribution network are first expounded, and several common methods of reactive power optimization are introduced. According to the actual situation of power distribution network for construction, the mathematical model and objective function of reactive power optimization are established in this paper. The factors such as system network loss, voltage quality and reactive power compensation capacity are considered, and the power flow equation is taken as equality constraint. The range of control variables and state variables are taken as inequality constraints. Then, the basic principle, basic operation and application of conventional genetic algorithm are explained in detail, and the improvement of conventional genetic algorithm is made on this basis. In the conventional genetic algorithm, there are some problems such as slow convergence rate and easy premature convergence. This paper solves these problems through the improved genetic algorithm. It mainly includes: using decimal coding to improve the calculation ability of the algorithm, using linear and exponential change law of penalty coefficient, the fitness function of linear transformation, so as to maintain the diversity of the population; The ability of global optimization and local optimization of genetic algorithm is greatly improved by using genetic factor adaptive variation and improved genetic operation. The hybrid genetic algorithm (GA) and sequential quadratic programming (SQP) are used to improve the convergence of the whole algorithm. The simulation results show that the improved genetic algorithm is superior to the conventional genetic algorithm in computing speed and convergence ability, and it is feasible and effective in the optimal operation of reactive power in power distribution network.
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM714.3
【相似文獻】
相關(guān)期刊論文 前10條
1 楊艷麗,史維祥;一種新的優(yōu)化算法—遺傳算法的設(shè)計[J];液壓氣動與密封;2001年02期
2 王毅,曹樹良;遺傳算法在并聯(lián)水泵系統(tǒng)運行優(yōu)化中的應(yīng)用[J];流體機械;2003年10期
3 趙義紅,李正文,何其四;生物信息處理系統(tǒng)遺傳算法探討[J];成都理工大學(xué)學(xué)報(自然科學(xué)版);2004年05期
4 李凡,黃數(shù)林,張東風;一種改進的多倍體遺傳算法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2005年01期
5 韋雪潔;黎明;劉高航;田貴超;;注入式的遺傳算法的分析與研究[J];南昌航空工業(yè)學(xué)院學(xué)報(自然科學(xué)版);2006年01期
6 閻綱;;遺傳算法及其仿真[J];湖南工程學(xué)院學(xué)報(自然科學(xué)版);2006年04期
7 ;遺傳算法[J];電網(wǎng)與清潔能源;2008年10期
8 吳玫;陸金桂;;遺傳算法的研究進展綜述[J];機床與液壓;2008年03期
9 李培植;肖利明;于靜濤;;基于遺傳算法的結(jié)構(gòu)優(yōu)化方法[J];公路交通科技(應(yīng)用技術(shù)版);2008年08期
10 于金;金樂;杜海璐;;基于改進遺傳算法的集裝箱裝載優(yōu)化問題研究[J];船海工程;2008年05期
相關(guān)會議論文 前10條
1 陳家照;廖海濤;張中位;羅寅生;;一種改進的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年
2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年
3 王志軍;李守春;張爽;;改進的遺傳算法在反演問題中的應(yīng)用[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年
4 任燕翔;姜立;劉連民;從滋慶;;改進遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設(shè)計算機應(yīng)用創(chuàng)新論壇論文集[C];2009年
5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年
6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年
7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年
8 何翠紅;區(qū)益善;;遺傳算法及其在計算機編程中的應(yīng)用[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年
9 靳開巖;張乃堯;;幾種實用遺傳算法及其比較[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年
10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年
相關(guān)重要報紙文章 前1條
1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報;2002年
相關(guān)博士學(xué)位論文 前10條
1 Amjad Mahmood;半監(jiān)督進化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年
2 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年
3 郝國生;交互式遺傳算法中用戶的認知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年
4 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年
5 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年
6 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年
7 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年
8 劉冀成;基于改進遺傳算法的生物電磁成像與磁場聚焦應(yīng)用研究[D];四川大學(xué);2005年
9 袁麗華;基于物種進化的遺傳算法研究[D];南京航空航天大學(xué);2009年
10 李航;遺傳算法求解多模態(tài)優(yōu)化問題的研究[D];天津大學(xué);2007年
相關(guān)碩士學(xué)位論文 前10條
1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年
2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年
3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測控制[D];華南理工大學(xué);2015年
4 王琳琳;新型雙層液壓轎運車車廂的設(shè)計研究[D];上海工程技術(shù)大學(xué);2015年
5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年
6 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年
7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年
8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年
9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年
10 于光帥;一類優(yōu)化算法的改進研究與應(yīng)用[D];渤海大學(xué);2015年
，
本文編號：1805387
本文鏈接：http://sikaile.net/kejilunwen/dianlilw/1805387.html
本文選題：施工用電 + 無功優(yōu)化��； 參考：《東北大學(xué)》2015年碩士論文
【摘要】：因城市建設(shè)的需要,建筑物越來越多,施工用電凸顯的尤為重要。為了節(jié)約用電、降低電網(wǎng)損耗、提高電壓合格率,無功優(yōu)化也成為配電網(wǎng)使用過程中的一個必要階段。因此,以提高電壓水平和降低網(wǎng)絡(luò)損耗為主要目標的施工用電配電網(wǎng)無功優(yōu)化的研究被有關(guān)人員所關(guān)注。對于配電網(wǎng)的無功優(yōu)化,目前已提出多種算法。本文重點研究了遺傳算法在施工用電配電網(wǎng)無功優(yōu)化中的應(yīng)用。本文首先闡述了施工用電配電網(wǎng)無功優(yōu)化研究的目的和意義,并介紹了幾種無功優(yōu)化的常用方法。本文根據(jù)施工用電配電網(wǎng)的實際情況,建立了無功優(yōu)化的數(shù)學(xué)模型、目標函數(shù),并考慮了系統(tǒng)網(wǎng)損、電壓質(zhì)量和無功補償容量等因素,以潮流方程作為等式約束,以控制量和狀態(tài)變量變化范圍作為不等式約束。然后詳細說明了常規(guī)遺傳算法的基本原理、基本操作和應(yīng)用,并在此基礎(chǔ)上對常規(guī)遺傳算法進行了改進。在常規(guī)遺傳算法中,存在收斂速度慢、容易早熟收斂等問題,本文通過改進的遺傳算法,解決這些問題。主要包括:采用十進制編碼,提高了算法的計算能力;采用線性變化和指數(shù)變化規(guī)律的越界罰系數(shù)、對適應(yīng)度函數(shù)進行線性變換,從而保持了種群的多樣性;采用遺傳因子自適應(yīng)變化和改進的遺傳操作,大幅度的提高了遺傳算法的全局優(yōu)化和局部尋優(yōu)的能力。采用遺傳算法與序列二次規(guī)劃法的混合遺傳算法,提高了整體算法的收斂性。仿真結(jié)果表明,改進的遺傳算法在計算速度和收斂能力上明顯優(yōu)于常規(guī)遺傳算法,在施工用電配電網(wǎng)無功優(yōu)化運行中是可行并且有效的。
[Abstract]:Due to the needs of urban construction, more and more buildings, construction electricity is particularly important. In order to save electricity, reduce the loss of power grid and improve the qualified rate of voltage, reactive power optimization has become a necessary stage in the operation of distribution network. Therefore, the research on reactive power optimization of power distribution network with the aim of increasing voltage level and reducing network loss is concerned. A variety of algorithms have been proposed for reactive power optimization in distribution networks. This paper focuses on the application of genetic algorithm in reactive power optimization of construction power distribution network. In this paper, the purpose and significance of reactive power optimization in construction power distribution network are first expounded, and several common methods of reactive power optimization are introduced. According to the actual situation of power distribution network for construction, the mathematical model and objective function of reactive power optimization are established in this paper. The factors such as system network loss, voltage quality and reactive power compensation capacity are considered, and the power flow equation is taken as equality constraint. The range of control variables and state variables are taken as inequality constraints. Then, the basic principle, basic operation and application of conventional genetic algorithm are explained in detail, and the improvement of conventional genetic algorithm is made on this basis. In the conventional genetic algorithm, there are some problems such as slow convergence rate and easy premature convergence. This paper solves these problems through the improved genetic algorithm. It mainly includes: using decimal coding to improve the calculation ability of the algorithm, using linear and exponential change law of penalty coefficient, the fitness function of linear transformation, so as to maintain the diversity of the population; The ability of global optimization and local optimization of genetic algorithm is greatly improved by using genetic factor adaptive variation and improved genetic operation. The hybrid genetic algorithm (GA) and sequential quadratic programming (SQP) are used to improve the convergence of the whole algorithm. The simulation results show that the improved genetic algorithm is superior to the conventional genetic algorithm in computing speed and convergence ability, and it is feasible and effective in the optimal operation of reactive power in power distribution network.
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM714.3
【相似文獻】
相關(guān)期刊論文 前10條
1 楊艷麗,史維祥;一種新的優(yōu)化算法—遺傳算法的設(shè)計[J];液壓氣動與密封;2001年02期
2 王毅,曹樹良;遺傳算法在并聯(lián)水泵系統(tǒng)運行優(yōu)化中的應(yīng)用[J];流體機械;2003年10期
3 趙義紅,李正文,何其四;生物信息處理系統(tǒng)遺傳算法探討[J];成都理工大學(xué)學(xué)報(自然科學(xué)版);2004年05期
4 李凡,黃數(shù)林,張東風;一種改進的多倍體遺傳算法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2005年01期
5 韋雪潔;黎明;劉高航;田貴超;;注入式的遺傳算法的分析與研究[J];南昌航空工業(yè)學(xué)院學(xué)報(自然科學(xué)版);2006年01期
6 閻綱;;遺傳算法及其仿真[J];湖南工程學(xué)院學(xué)報(自然科學(xué)版);2006年04期
7 ;遺傳算法[J];電網(wǎng)與清潔能源;2008年10期
8 吳玫;陸金桂;;遺傳算法的研究進展綜述[J];機床與液壓;2008年03期
9 李培植;肖利明;于靜濤;;基于遺傳算法的結(jié)構(gòu)優(yōu)化方法[J];公路交通科技(應(yīng)用技術(shù)版);2008年08期
10 于金;金樂;杜海璐;;基于改進遺傳算法的集裝箱裝載優(yōu)化問題研究[J];船海工程;2008年05期
相關(guān)會議論文 前10條
1 陳家照;廖海濤;張中位;羅寅生;;一種改進的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年
2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年
3 王志軍;李守春;張爽;;改進的遺傳算法在反演問題中的應(yīng)用[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年
4 任燕翔;姜立;劉連民;從滋慶;;改進遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設(shè)計算機應(yīng)用創(chuàng)新論壇論文集[C];2009年
5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年
6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年
7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年
8 何翠紅;區(qū)益善;;遺傳算法及其在計算機編程中的應(yīng)用[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年
9 靳開巖;張乃堯;;幾種實用遺傳算法及其比較[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年
10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年
相關(guān)重要報紙文章 前1條
1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報;2002年
相關(guān)博士學(xué)位論文 前10條
1 Amjad Mahmood;半監(jiān)督進化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年
2 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年
3 郝國生;交互式遺傳算法中用戶的認知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年
4 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年
5 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年
6 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年
7 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年
8 劉冀成;基于改進遺傳算法的生物電磁成像與磁場聚焦應(yīng)用研究[D];四川大學(xué);2005年
9 袁麗華;基于物種進化的遺傳算法研究[D];南京航空航天大學(xué);2009年
10 李航;遺傳算法求解多模態(tài)優(yōu)化問題的研究[D];天津大學(xué);2007年
相關(guān)碩士學(xué)位論文 前10條
1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年
2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年
3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測控制[D];華南理工大學(xué);2015年
4 王琳琳;新型雙層液壓轎運車車廂的設(shè)計研究[D];上海工程技術(shù)大學(xué);2015年
5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年
6 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年
7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年
8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年
9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年
10 于光帥;一類優(yōu)化算法的改進研究與應(yīng)用[D];渤海大學(xué);2015年
，本文編號：1805387
本文鏈接：http://sikaile.net/kejilunwen/dianlilw/1805387.html
