基于改進(jìn)遺傳算法的無(wú)功優(yōu)化.pdf

《基于改進(jìn)遺傳算法的無(wú)功優(yōu)化.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、第34卷第3期東北電力大學(xué)學(xué)報(bào)Vol_34．No．32014年6月JournalOfNortheastDianliUniversityJun．，2014文章編號(hào)：1005—2992(2014)03-0048—06基于改進(jìn)遺傳算法的無(wú)功優(yōu)化尹星月，閏旭2，劉欣2，汪春龍(1．東北電力大學(xué)電氣工程學(xué)院，吉林吉林132012；2．長(zhǎng)春供電公司，長(zhǎng)春130000；3．牡丹江供電公司，黑龍江牡丹江157000)摘要：遺傳算法的基礎(chǔ)上對(duì)其局限性進(jìn)行改進(jìn)，使該算法在電力系統(tǒng)無(wú)功優(yōu)化的應(yīng)用中具有一定優(yōu)越性。通過(guò)改進(jìn)編

2、碼和選擇算子，自適應(yīng)的交叉變異概率等策略，并引入基于模擬退火策略的適應(yīng)度函數(shù)和混沌算法，使得改進(jìn)遺傳算法高速、準(zhǔn)確的收斂于最優(yōu)解，改善了傳統(tǒng)遺傳算法易陷入收斂性差、效率低的弊端。在此基礎(chǔ)上建立無(wú)功優(yōu)化數(shù)學(xué)模型，介紹了該算法具體實(shí)現(xiàn)步驟，并將其應(yīng)用于IEEE30節(jié)點(diǎn)，證明所提算法是可行和有效的。關(guān)鍵詞：無(wú)功優(yōu)化；遺傳算法；混沌算法；收斂性中圖分類(lèi)號(hào)：TM733文獻(xiàn)標(biāo)識(shí)碼：A無(wú)功優(yōu)化是通過(guò)調(diào)節(jié)發(fā)電機(jī)端電壓、可調(diào)變壓器變比和并聯(lián)補(bǔ)償電容器等設(shè)備，使得電網(wǎng)在滿足安全性約束的條件下，實(shí)現(xiàn)有功損耗最小化。無(wú)功優(yōu)化

3、問(wèn)題是一個(gè)離散的、有約束非線性組合優(yōu)化問(wèn)題，在這一研究領(lǐng)域內(nèi)已有多種方法。如粒子群算法、模擬退火法，混合混沌算法等等，但這些算法或多或少的存在運(yùn)算速度慢、計(jì)算量大、收斂性差等諸多問(wèn)題。本文針對(duì)以上問(wèn)題提出遺傳算法(GA)與混沌算法結(jié)合的方法，將混沌搜索應(yīng)用于遺傳算法中進(jìn)行混合優(yōu)化，具體操作方式是遺傳算法種群進(jìn)行一次迭代(選擇，交叉、變異)之后，隨機(jī)抽取染色體總數(shù)目的三分之一進(jìn)行混沌搜索，并將所搜索到的值與原值進(jìn)行比較，優(yōu)于原值則保留，否則維持原值。除此之外，比較所有遺傳算法中的染色體，將最優(yōu)染色體取代

4、最差染色體，這樣既可以提高遺傳算法的精度，又不失染色體多樣性。最后應(yīng)用于與IEEE30節(jié)點(diǎn)測(cè)試系統(tǒng)中，最終得到較優(yōu)結(jié)果。1算法簡(jiǎn)介1．1遺傳算法遺傳算法是由美國(guó)的Holland于20世紀(jì)70年代提出的一種概率搜索算法，它模擬自然界生物進(jìn)化機(jī)制隨機(jī)化搜索，可以有效地利用已有的信息處理來(lái)搜索那些有希望改善解質(zhì)量的串。適用于處理傳統(tǒng)搜索方法難于解決的復(fù)雜優(yōu)化問(wèn)題。遺傳算法運(yùn)算過(guò)程包括編碼，選擇，交叉，變異等。1．1．1編碼編碼是遺傳算法中首先要面對(duì)的問(wèn)題，通過(guò)編碼把待求問(wèn)題的可行解轉(zhuǎn)換成遺傳算法中的染色體，

5、待求解和染色體要逐一對(duì)應(yīng)，才能把求解的問(wèn)題代入遺傳算法。最常用編碼方式的是二進(jìn)制編碼和實(shí)數(shù)編碼，它是由二進(jìn)制符號(hào)0和1對(duì)求解的問(wèn)題進(jìn)行編碼，染色體的構(gòu)成是包含0和1的一個(gè)字符串。收稿日期：2014—03—10作者簡(jiǎn)介：尹星月(1990一)，女，吉林省吉林市人，東北電力大學(xué)電氣工程學(xué)院在讀碩士研究生，主要研究方向：電力系統(tǒng)無(wú)功優(yōu)化及靜態(tài)電壓穩(wěn)定．第3期尹星月等：基于改進(jìn)遺傳算法的無(wú)功優(yōu)化49無(wú)功優(yōu)化的控制變量為發(fā)電機(jī)機(jī)端電壓、無(wú)功電容補(bǔ)償器的出力以及可調(diào)變壓器分接頭變比，編碼形式如下：[，?IQ，Q?Q

6、cⅣI，?]其中，，曉?為發(fā)電機(jī)機(jī)端電壓；Q，Q曉?Q為并聯(lián)電容器無(wú)功出力；T，?為可調(diào)變壓器分接頭變比。1．1．2適應(yīng)度函數(shù)在遺傳算法中，解的優(yōu)劣程度用適應(yīng)度函數(shù)進(jìn)行評(píng)估。由于求解的問(wèn)題有所不同，適應(yīng)度函數(shù)的設(shè)計(jì)也有所差異，適應(yīng)度通常是目標(biāo)函數(shù)的一個(gè)函數(shù)。適應(yīng)度高的個(gè)體遺傳到下一代的幾率就很大，相反適應(yīng)度小的個(gè)體就容易被淘汰，通過(guò)每一代個(gè)體對(duì)適應(yīng)度的評(píng)估，適應(yīng)度高的個(gè)體逐步占滿種群。本文參考文獻(xiàn)[5]選取了基于模擬退火策略的適應(yīng)度函數(shù)。模擬退火算法來(lái)源于固體退火原理，將固體加溫至充分高，再慢慢冷卻。

7、加溫時(shí)，固體內(nèi)部粒子隨溫升變?yōu)闊o(wú)序狀，內(nèi)能增大，而徐徐冷卻時(shí)粒子漸趨有序，在每個(gè)溫度都達(dá)到平衡態(tài)，最后在常溫時(shí)達(dá)到基態(tài)，內(nèi)能減為最小。適應(yīng)度函數(shù)如下：1Fitnessexp()，(1)系數(shù)t為模擬退火溫度，初始設(shè)定為5．0，算法每迭代一次，t乘以一個(gè)系數(shù)，更新一次，如：t=t×0．99，(2)在這種算式下，適應(yīng)度不僅取決于目標(biāo)函數(shù)F的值，而且與迭代次數(shù)也有關(guān)系。但t的存在使得后面產(chǎn)生的個(gè)體出現(xiàn)F值大，適應(yīng)度值也大的情況。這一措施，有利于保護(hù)較優(yōu)個(gè)體。由于t值的系數(shù)很小，因此只會(huì)影響到較優(yōu)的個(gè)體，而不會(huì)

8、導(dǎo)致那些很差的個(gè)體因?yàn)閠而使適應(yīng)度函數(shù)值過(guò)大。1．1．3選擇選擇也常常被稱(chēng)作復(fù)制，通過(guò)對(duì)適應(yīng)度函數(shù)的評(píng)估，使適應(yīng)度好、生命力強(qiáng)的個(gè)體遺傳到下一代，通過(guò)選擇算子(通常為基于適應(yīng)度的函數(shù))對(duì)整個(gè)種群執(zhí)行優(yōu)勝劣汰的操作。選擇操作是為了避免有用遺傳信息在群體進(jìn)化過(guò)程中被丟棄，提高全局收斂性和計(jì)算效率。常用的選擇算子有賭輪盤(pán)選擇均勻排序選擇、最佳保留選擇。本文采用賭輪盤(pán)選擇(P。=F／∑F)，其中F為第i個(gè)個(gè)體適應(yīng)度，∑F為種群適應(yīng)度之和。1．1．4交叉在自然界中