電力系統(tǒng)無(wú)功優(yōu)化是十分復(fù)雜的,它是一種非線性規(guī)劃問(wèn)題,該問(wèn)題當(dāng)中含有多個(gè)變量和多個(gè)約束。考慮到變量共存性的問(wèn)題,我們需要對(duì)連續(xù)變量和離散變量進(jìn)行適當(dāng)?shù)奶幚�。潮流方程是一種非凸的高階方程組等式,它的約束條件中含有多變量和約束,尋常的算法不易求出潮流方程的解,只有選擇適當(dāng)?shù)乃惴ú拍軌蚋玫膶?duì)方程求解。在無(wú)功優(yōu)化過(guò)程中,也要選取一種符合要求的優(yōu)化算法,目前應(yīng)用廣泛的優(yōu)化算法是傳統(tǒng)算法和人工智能算法,本文通過(guò)對(duì)比兩者的優(yōu)缺點(diǎn),選擇適合無(wú)功優(yōu)化的算法。粒子群算法是本文采用的方法,它的特性與無(wú)功優(yōu)化的特點(diǎn)較為符合,以有功網(wǎng)損最小為目標(biāo)函數(shù)與罰函數(shù)相結(jié)合的模型,通過(guò)牛頓-拉夫遜法求解進(jìn)行潮流計(jì)算。細(xì)致的介紹了粒子群算法的基本原理及其優(yōu)化流程,對(duì)粒子群算法存在早熟及易形成局部最優(yōu)等問(wèn)題提出了改進(jìn)方案。利用單純體法構(gòu)成初始粒子群,提高初始粒子的質(zhì)量,選用分組變化的慣性權(quán)重,基于此特點(diǎn)種群可劃分為大小兩組,大組的策略為典型的線性遞減,而小組策略則為基于反正切函數(shù)的非線性遞減;對(duì)加速因子采用線性策略并與遺傳算法中的選擇操作進(jìn)行結(jié)合改進(jìn)算法,提高了算法的性能,改進(jìn)的算法能夠快速中跳出局部最優(yōu)解并可以很快的收斂... 

【文章來(lái)源】：遼寧工程技術(shù)大學(xué)遼寧省

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.1粒子移動(dòng)的示意圖

圖 3.2 基本粒子群算法的簡(jiǎn)單流程圖Figure 3.2 Simple flow chart of elementary particle swarm準(zhǔn)粒子群算法98 年 Y.Shi 與 R.C.Eberhart 聯(lián)合提出了標(biāo)準(zhǔn)粒子群算法它在速度方程的第一部分中添加了慣性權(quán)重系數(shù) ，能力，其中標(biāo)準(zhǔn)粒子群算法為： 1 1 2 211 1k k k k kv c r p x c r p xid id id gd idk kx vid id 慣性由慣性權(quán)重系數(shù) 決定，需選擇對(duì)自身的搜索。當(dāng) =1時(shí)，與 PSO 算法的計(jì)算方法一樣。文獻(xiàn)[21]析指出，算法可以收斂更快的取值是 在[0.8,1.2]之收斂較慢而且容易造成局部最優(yōu)。文獻(xiàn)[22]表明，較而較大的慣性重量對(duì)全球的優(yōu)化是有利的。通過(guò)大量

圖 3.3 單純體法初始化流程框圖Schematic diagram of initialization process of simple b進(jìn)權(quán)重 是十分重要的參數(shù)，選擇適當(dāng)?shù)?對(duì) 選值比較小的情況下，全局搜索能力下降解；在選值大的情況下各結(jié)果則相反，即局時(shí)收斂速度提升。根據(jù)慣性權(quán)重的特征，專(zhuān)將這些成果劃分成兩大類(lèi)，即線性方案和非就是傳統(tǒng)的線性遞減方案，上面已詳細(xì)描述從 0.9 到 0.4 的線性遞減進(jìn)行了實(shí)驗(yàn)，在一定群算法可快速鎖定最優(yōu)解區(qū)域范圍， 逐漸加細(xì)致的進(jìn)行局部的搜索。但是 的逐漸下粒子群算法局部最優(yōu)。文獻(xiàn)[26]提出了一種

【參考文獻(xiàn)】：
期刊論文
[1]鐵路行車(chē)調(diào)度問(wèn)題的改進(jìn)粒子群優(yōu)化研究[J]. 韓廣,李雪楊,孫曉云,賈學(xué)梅,張超,聶怡凡.  控制工程. 2017(09)
[2]基于遺傳細(xì)菌覓食混合算法的電力系統(tǒng)無(wú)功優(yōu)化[J]. 武學(xué)偉,陳永剛.  電力電容器與無(wú)功補(bǔ)償. 2017(01)
[3]自適應(yīng)網(wǎng)格密度改進(jìn)粒子群算法在多目標(biāo)無(wú)功優(yōu)化中的應(yīng)用[J]. 徐基光.  電網(wǎng)與清潔能源. 2017(02)
[4]粒子群算法在船舶電網(wǎng)系統(tǒng)中的應(yīng)用[J]. 茍?jiān)?  艦船科學(xué)技術(shù). 2016(16)
[5]多目標(biāo)螢火蟲(chóng)算法的電力系統(tǒng)無(wú)功優(yōu)化方法[J]. 謝國(guó)民,郭小娟,劉鍵更.  遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(04)
[6]改進(jìn)黑洞粒子群算法在電力系統(tǒng)環(huán)保經(jīng)濟(jì)調(diào)度中的應(yīng)用[J]. 宗超凡,代奇跡,趙海麗.  電工電氣. 2016(01)
[7]一種改進(jìn)的粒子群優(yōu)化算法[J]. 楊華芬,董德春,楊麗華,李麗.  重慶師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(05)
[8]電力系統(tǒng)無(wú)功優(yōu)化模型的研究綜述[J]. 王曉文,趙彥輝.  華北水利水電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(02)
[9]基于自適應(yīng)遺傳算法的分布式電源多目標(biāo)功率優(yōu)化與模糊決策[J]. 曾強(qiáng),謝善益,袁澎,曾聯(lián)想,李豪天,朱旭坤,艾芊.  電器與能效管理技術(shù). 2015(03)
[10]基于改進(jìn)粒子群算法的船舶電力系統(tǒng)無(wú)功優(yōu)化[J]. 李彥,董龍龍,雍建容,邵坤明.  中國(guó)航海. 2014(04)

博士論文
[1]粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D]. 黃平.華南理工大學(xué) 2012

碩士論文
[1]地區(qū)電網(wǎng)無(wú)功優(yōu)化控制與應(yīng)用[D]. 郝臻.山東大學(xué) 2014
[2]基于云模型和粒子群算法的電力系統(tǒng)無(wú)功優(yōu)化[D]. 王立瑋.華北電力大學(xué) 2014
[3]改進(jìn)粒子群算法在電力系統(tǒng)無(wú)功優(yōu)化中的應(yīng)用[D]. 武魯曉.山東大學(xué) 2012
[4]基于改進(jìn)粒子群優(yōu)化算法的電力系統(tǒng)無(wú)功優(yōu)化算法研究[D]. 劉利紅.太原理工大學(xué) 2012
[5]搜尋者優(yōu)化算法在電力系統(tǒng)最優(yōu)潮流中的應(yīng)用[D]. 張倩.西南交通大學(xué) 2008



本文編號(hào)：3536304