本文關(guān)鍵詞：基于改進(jìn)量子差分進(jìn)化的含分布式電源的配電網(wǎng)無功優(yōu)化（英文）　出處：《自動(dòng)化學(xué)報(bào)》2017年07期 　論文類型：期刊論文

  更多相關(guān)文章： Artificial bee colony differential evolution optimal reactive power flow quantum distributed generation(DG)

【摘要】：Differential evolution algorithm(DE)has been proved to be an effective way for solving the optimal reactive power flow(ORPF)problem.As distributed generations(DGs)are introduced into the system,there is a certain impact on power flow and voltage of the power system,which affects the robustness and effectiveness of DE.On the basis of DE,aiming at its limitation of premature convergence and poor search ability,this paper discusses about how to improve it with quantum encoding and artificial bee colony(ABC)algorithm and proposes a hybrid algorithm,which is called improved quantum differential evolution algorithm(IQDE).The idea of quantum encoding increases the individual diversity while the accelerating evolution operation of the onlooker bees improves local search ability of DE.At the same time,the random search operation of the scout bees improves global search ability of DE.In the last,the effectiveness of IQDE is verified by simulations on the IEEE 14-bus system and 30-bus system including DGs.The experimental results show that with less convergence time and smaller population size,IQDE can obtain an even or better optimization effect compared with DE and can be applied to ORPF problem of power system including DGs.
[Abstract]:Differential evolution algorithm(DE)has been proved to be an effective way for solving the optimal reactive power flow(ORPF)problem.As distributed generations(DGs)are introduced into the system,there is a certain impact on power flow and voltage of the power system,which affects the robustness and effectiveness of DE.On the basis of DE,aiming at its limitation of premature convergence and poor search ability,this paper discusses about how to improve it with quantum encoding and artificial bee colony(ABC)algorithm and proposes a hybrid algorithm,which is called improved quantum differential evolution algorithm(IQDE).The idea of quantum encoding increases the individual diversity while the accelerating evolution operation of the onlooker bees improves local search ability of DE.At the same time,the random search operation of the scout bees improves global search ability of DE.In the last,the effectiveness of IQDE is verified by simulations on the IEEE 14-bus system and 30-bus system including DGs.The experimental results show that with less convergence time and smaller population size,IQDE can obtain an even or better optimization effect compared with DE and can be applied to ORPF problem of power system including DGs.
【作者單位】： North
【分類號(hào)】：TM714.3;TP18
【正文快照】： 1Introduction Optimizing reactive power flow is an operation,in which the structure parameters and load conditions of the power system are given and under the premise to meet all the specified constraints,one or more performance indicators of the power

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王艷宜;;改進(jìn)差分進(jìn)化算法及其應(yīng)用[J];機(jī)械設(shè)計(jì)與研究;2010年05期

2 張鵬;;基于差分進(jìn)化的混合地面等待優(yōu)化策略[J];桂林航天工業(yè)高等專科學(xué)校學(xué)報(bào);2012年03期

3 寧桂英;周永權(quán);;一種求解二重積分的差分進(jìn)化算法[J];哈爾濱理工大學(xué)學(xué)報(bào);2013年02期

4 王惠卿;;結(jié)合機(jī)械設(shè)計(jì)約束處理的差分進(jìn)化算法[J];電子制作;2013年13期

5 蔡亮;楊啟文;岳興漢;;一種基于混合差分策略的改進(jìn)差分進(jìn)化算法[J];河海大學(xué)常州分校學(xué)報(bào);2007年04期

6 譚躍;譚冠政;;混沌局部搜索策略的差分進(jìn)化算法[J];重慶工學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年05期

7 萬東;;差分進(jìn)化算法研究及其應(yīng)用[J];科學(xué)技術(shù)與工程;2009年22期

8 喬英;高岳林;江巧永;;一種新局部搜索策略的差分進(jìn)化算法[J];太原理工大學(xué)學(xué)報(bào);2011年04期

9 曲福恒;胡雅婷;楊勇;谷欣超;;改進(jìn)差分進(jìn)化算法及其在模糊聚類分析中的應(yīng)用[J];長春理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

10 黃林峰;;基于離散差分進(jìn)化算法的多維0/1背包問題求解[J];硅谷;2012年20期

相關(guān)會(huì)議論文 前10條

1 陸絲馨;肖健梅;王錫淮;;基于改進(jìn)差分進(jìn)化算法的艦船電網(wǎng)重構(gòu)[A];第二十九屆中國控制會(huì)議論文集[C];2010年

2 樓洋;李均利;陳剛;;基于個(gè)體排序的差分進(jìn)化算法[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

3 張倩;李海港;;多目標(biāo)問題的差分進(jìn)化算法研究[A];2009年中國智能自動(dòng)化會(huì)議論文集（第一分冊(cè)）[C];2009年

4 裴振奎;劉真;趙艷麗;;差分進(jìn)化算法在多目標(biāo)路徑規(guī)劃中的應(yīng)用[A];中國運(yùn)籌學(xué)會(huì)模糊信息與模糊工程分會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2010年

5 劉國帥;楊侃;陳靜;周景舒;周冉;鄭姣;;差分進(jìn)化算法在三峽電站廠內(nèi)經(jīng)濟(jì)運(yùn)行中的應(yīng)用[A];中國水文科技新發(fā)展——2012中國水文學(xué)術(shù)討論會(huì)論文集[C];2012年

6 劉瀟;桂衛(wèi)華;王雅琳;王曉麗;陽春華;;一種改進(jìn)的多目標(biāo)差分進(jìn)化算法研究[A];中國自動(dòng)化學(xué)會(huì)中南六�。▍^(qū)）2010年第28屆年會(huì)·論文集[C];2010年

7 趙娟;蔡濤;鄧方;楊紅偉;;基于改進(jìn)差分進(jìn)化算法的脈沖控制方法[A];中國自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)B卷[C];2011年

8 袁沈堅(jiān);顧幸生;;基于差分進(jìn)化的膜計(jì)算優(yōu)化算法[A];上海市化學(xué)化工學(xué)會(huì)2010年度學(xué)術(shù)年會(huì)論文集（自動(dòng)化專題）[C];2010年

9 姜立強(qiáng);郭錚;劉光斌;;差分進(jìn)化算法縮放因子取值策略研究[A];2007'儀表，，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（二）[C];2007年

10 倪惠康;杜文莉;錢鋒;;基于改進(jìn)差分進(jìn)化算法的PID參數(shù)優(yōu)[A];2009年中國智能自動(dòng)化會(huì)議論文集（第一分冊(cè)）[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 孫浩;差分進(jìn)化多目標(biāo)優(yōu)化算法及其在鋁熱連軋軋制規(guī)程中應(yīng)用[D];燕山大學(xué);2015年

2 陳盈果;面向任務(wù)的快速響應(yīng)空間衛(wèi)星部署優(yōu)化設(shè)計(jì)方法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

3 謝宇;差分進(jìn)化的若干問題及其應(yīng)用研究[D];南京理工大學(xué);2015年

4 董峗;差分進(jìn)化算法研究及在港口物流調(diào)度中的應(yīng)用[D];東北大學(xué);2015年

5 葛延峰;有關(guān)智能優(yōu)化算法及應(yīng)用的若干問題研究[D];東北大學(xué);2013年

6 賈東立;改進(jìn)的差分進(jìn)化算法及其在通信信號(hào)處理中的應(yīng)用研究[D];上海大學(xué);2011年

7 劉榮輝;多階段自適應(yīng)差分進(jìn)化算法及應(yīng)用研究[D];東華大學(xué);2012年

8 郭鵬;差分進(jìn)化算法改進(jìn)研究[D];天津大學(xué);2012年

9 王旭;改進(jìn)差分進(jìn)化算法及其在可逆邏輯綜合中的應(yīng)用[D];東華大學(xué);2013年

10 董明剛;基于差分進(jìn)化的優(yōu)化算法及應(yīng)用研究[D];浙江大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 高靜;量子差分進(jìn)化算法在油田開發(fā)中的應(yīng)用研究[D];浙江大學(xué);2015年

2 萬婧;基于離散微粒群算法和混合差分進(jìn)化算法的復(fù)雜生產(chǎn)調(diào)度問題求解[D];昆明理工大學(xué);2015年

3 張轉(zhuǎn);基于差分進(jìn)化算法的混凝土德拜模型的研究[D];長安大學(xué);2015年

4 江華;差分進(jìn)化算法的改進(jìn)及其在K-means聚類算法中的應(yīng)用[D];華中師范大學(xué);2015年

5 周志剛;基于差分進(jìn)化算法的信用風(fēng)險(xiǎn)度量模型研究[D];華中師范大學(xué);2015年

6 任甜甜;差分進(jìn)化算法在反演問題中的研究與應(yīng)用[D];新疆大學(xué);2015年

7 楊洋;基于差分進(jìn)化的模糊C-均值聚類算法研究[D];電子科技大學(xué);2015年

8 王丹;基于輔助函數(shù)的自適應(yīng)差分進(jìn)化算法研究[D];西安電子科技大學(xué);2014年

9 劉家華;基于進(jìn)化計(jì)算的軋制生產(chǎn)過程操作優(yōu)化算法與系統(tǒng)開發(fā)[D];東北大學(xué);2013年

10 王旦平;圓形對(duì)稱振子陣列天線基于差分進(jìn)化算法的綜合[D];西安電子科技大學(xué);2014年

本文編號(hào)：1407152