資源描述：
《基于改進遺傳算法的配網(wǎng)無功優(yōu)化》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、基于改進遺傳算法的配網(wǎng)無功優(yōu)化 摘要：針對配電網(wǎng)無功優(yōu)化問題進行研究。以配電網(wǎng)絡有功網(wǎng)損最小為優(yōu)化目標，使用連接權(quán)重將配電網(wǎng)中的有功網(wǎng)絡損耗、電壓穩(wěn)定性、補償設備投入容量等多目標優(yōu)化變?yōu)閱文繕藘?yōu)化。利用具有全局搜索能力的免疫算法與遺傳算法相結(jié)合，從而提高了遺傳算法的穩(wěn)定性和適應性。最后通過IEEE14節(jié)點的配網(wǎng)無功優(yōu)化實例對所研究的改進遺傳算法的優(yōu)化模型進行分析。研究結(jié)果表明，使用改進遺傳算法后的有功損耗相比常規(guī)遺傳算法下降了0.28MW，損耗降低率提高了1.37%，并且迭代次數(shù)明顯降低，提高了優(yōu)化的速率。 關鍵詞：配網(wǎng)無
2、功優(yōu)化；遺傳算法；免疫算法；單目標耦合 中圖分類號：TN926?34；TM74文獻標識碼：A文章編號：1004?373X（2016）22?0018?04 0引言8 為了保證整個電網(wǎng)具有較高的電壓質(zhì)量，需要電網(wǎng)發(fā)出無功的電源設備在輸電網(wǎng)以及配電網(wǎng)環(huán)節(jié)實現(xiàn)較為合理的分配，從而使得整個電網(wǎng)具有充足的備用無功功率，進而電網(wǎng)的電壓水平就不會有較大的波動，電氣設備能夠長期處于較為穩(wěn)定的運行狀態(tài)。為了最大限度地降低有功功率在電網(wǎng)上的損耗，實現(xiàn)電能在傳輸運營中具有較高的經(jīng)濟效益，就需要避免多余補償無功在電網(wǎng)中傳輸，在輸電網(wǎng)和配電網(wǎng)等遠距
3、離傳輸電網(wǎng)中最大限度地減少無功功率的傳輸。整個電網(wǎng)具有可靠性和穩(wěn)定性較高的電壓以及較低的損耗能夠在一定程度上保證電網(wǎng)長期處于穩(wěn)定的一個運行狀態(tài)，保證整個電力系統(tǒng)具有較高的經(jīng)濟效益[1]?！ ∵z傳算法、人工神經(jīng)元網(wǎng)絡算法和模擬退火算法等都是現(xiàn)代意義上的人工智能算法。這些人工智能算法的主要特征都是基于現(xiàn)代計算機科學基礎，以自然界中所特有的某種運行規(guī)律作為參照進行空間上的搜索擬合?，F(xiàn)代人工算法能夠很好地反應自然現(xiàn)象和自然規(guī)律，這種算法并不需要借助精準度比較高的數(shù)學模型就能夠簡化處理自然界中離散的復雜問題。因此可以將現(xiàn)代人工智能算法應
4、用于電網(wǎng)中，用于解決無功電源優(yōu)化分配問題?！ ∵z傳算法是一種對生物進化規(guī)律進行模擬的空間搜索算法，該算法最先由美國學者在20世紀70年代提出。文獻[2]詳細闡述了無功優(yōu)化的解決方法，該文將無功優(yōu)化問題細分成連續(xù)優(yōu)化問題和離散優(yōu)化問題，在這兩個子問題解決的過程中引入了內(nèi)點法和遺傳算法，大大提高了計算無功優(yōu)化算法的效率。文獻[3]首次使用實數(shù)編碼的遺傳算法，很好地解決了連續(xù)和離散混雜的問題。文獻[4]對遺傳算法進行深入研究，引入了多模量的搜索方法，進一步地提高了遺傳算法的搜索效率。文獻[5]對遺傳算法中的遺傳算子進行動態(tài)調(diào)整，大大
5、提高了遺傳算法在全局搜索時的搜索能力。8 國內(nèi)外對于應用于電力系統(tǒng)的遺傳算法的研究比較深入，相應的成果也比較多。遺傳算法的顯著特點是在較少的約束條件下能夠面向全局尋找最優(yōu)化的潮流計算解，具有較高的穩(wěn)定性，能夠廣泛應用于電力系統(tǒng)無功優(yōu)化的方案解決。當然遺傳算法也有不足一面，就是下一代易于遺傳上一代的優(yōu)良基因，而且相似度比較高，容易滿足遺傳進化的終止要求，最終得到的不是全局的最優(yōu)化的解，而是局部最優(yōu)解。免疫算法具有全局搜索的優(yōu)點，它是基于免疫系統(tǒng)對病菌多樣性地識別時擬合的一種算法[6?7]。 因此可以將免疫算法所具有的全局搜索
6、優(yōu)點應用到遺傳算法中，最終生成具有全局搜索能力，搜索約束條件少的免疫遺傳算法。免疫遺傳算法在遺傳算法的基礎上實現(xiàn)了全局搜索的特點，有效規(guī)避了過早終止搜索而僅僅得到局部的最優(yōu)解，提高了遺傳算法的穩(wěn)定性和適應性。 1無功優(yōu)化的數(shù)學模型 本文以配電網(wǎng)絡有功網(wǎng)損最小為優(yōu)化目標，約束條件的目標函數(shù)為[8]： [minfloss=i=1nUij∈iUjGijcosδij+Bijsinδij]（1） 本文通過權(quán)重法，即使用連接權(quán)重將配電網(wǎng)中的有功網(wǎng)絡損耗、電壓穩(wěn)定性、補償設備投入容量等多目標優(yōu)化變?yōu)閱文繕藘?yōu)化。第一步要將目標函數(shù)無量
7、綱化，之后根據(jù)函數(shù)值設定連接權(quán)重，將多目標優(yōu)化變?yōu)閱文繕藘?yōu)化問題。通過式（2）將有功網(wǎng)絡損耗和電壓偏差的最小函數(shù)進行轉(zhuǎn)化： [μfi=fi-fiminfimax-fimin，i=1，2]（2） 式中：f1為網(wǎng)絡損耗最小函數(shù)；f2為網(wǎng)絡電壓偏差最小函數(shù)；f1max，f1min為補償前的網(wǎng)絡損耗和期望值；f2max，f2min為補償后的網(wǎng)絡損耗和期望值?！ §o態(tài)電壓穩(wěn)定裕度最大化目標函數(shù)表示為： [μf3=f3max-f3f3max-f3min]（3）8 式中：f3max為優(yōu)化前的最大裕度；f3min為優(yōu)化前的裕度?！ ⊥?/p>
8、過上述轉(zhuǎn)化方法將目標函數(shù)轉(zhuǎn)化在區(qū)間[0，1]中。通過連接權(quán)重ki將多個目標函數(shù)變?yōu)閱文繕撕瘮?shù)，并能保證約束條件不改變： [F=minkiμfi]（4） 2改進遺傳優(yōu)化算法 遺傳算法的主要特點是算法可靠性較高，能夠通過多個路徑對全局進行搜索，而電網(wǎng)無功優(yōu)化問題牽扯多個變量
