学位论文 > 优秀研究生学位论文题录展示

改进粒子群算法在电力系统无功优化中的应用

作　者: 武鲁晓
导　师: 张明军
学　校: 山东大学
专　业: 电工理论与新技术
关键词: 无功优化分组变化的惯性权重选择操作扰动因子改进粒子群算法
分类号: TM714.3
类　型: 硕士论文
年　份: 2012年
下　载: 295次
引　用: 0次
阅　读: 论文下载

内容摘要

在现代电力系统中,电能质量的好坏是确保整个系统安全稳定运行的关键,而电压质量则是衡量电能质量的一个重要指标。无功功率是影响电压质量的重要因素,因此需要对系统进行合理的无功规划。合理的无功优化,不仅能够有效的改善整个电网的无功分布,而且还能降低系统的有功损耗。电力系统无功优化问题是一个非常复杂的非线性规划问题,它包含有多个变量和多种约束,而且变量中连续变量和离散变量共存,需要选取合适的解决方法。而约束中的等式约束即潮流方程是一个非凸的高阶方程组,同样包含有多个变量和约束,如果采用一般的数学方法求解起来相当困难,这就需要选取合理的计算方法进行求解。在进行无功优化时,同样需要选择适当的优化算法,综合分析各种传统优化算法和人工智能算法的特点后,选取合适的算法作为优化方法。基于无功优化的特点,本文选用粒子群算法作为优化的方法,利用P-Q分解法进行潮流计算,选取了以有功网损最小为目标函数并结合罚函数的模型。详细介绍了粒子群算法的基本原理和实现流程,陈述了粒子群算法的各种改进措施,本文针对粒子群算法早熟、容易陷入局部最优等缺点进行了相应的改进,采用了分组变化的惯性权重,即将种群分为大小两组,大组采用典型的线性递减策略,小组采用基于反正切函数的非线性递减策略；加速因子选用了线性策略即c1线性递减,c2线性递增；同时结合遗传算法中的选择操作,通过这些改进措施,有效的提高了算法的性能,使算法能及时跳出局部最优,迅速搜索到全局最优值的区域附近,收敛到全局最优值,为了弥补选择操作带来的种群多样性丧失的缺陷,本文加入了扰动因子,将各粒子的适应度函数值进行排序,对适应度函数值较好的大部分粒子添加很小的扰动因子,对适应度函数值较差的小部分粒子采取重新初始化操作,有效的解决了多样性丧失的问题。将改进后的粒子群算法(MPSO)应用在无功优化中,着重介绍了应用时需要解决的几个问题,离散变量的处理,适应度函数的确定,算法终止条件的判定,潮流计算方法的选取,对于离散变量,本文采用整数实数混合编码策略,这一策略具有无误差、求解精度高的优点。随后本文给出了基于改进粒子群算法的无功优化计算步骤和流程图。为了验证算法的有效性和适用性,本文最后将改进粒子群算法分别应用在IEEE-14和IEEE-30节点标准测试系统上,采用MATLAB语言进行编程仿真,并与标准粒子群算法(SPSO)进行了对比,通过分析比较仿真结果,验证了它的有效性,采用改进粒子群算法能够有效地降低了系统的有功网损,提高了系统的电压质量,相比于标准粒子群算法,改进粒子群算法具有更好的全局收敛性能和更快的收敛速度。

全文目录

摘要  10-12
ABSTRACT  12-15
第一章绪论  15-26
  1.1 课题的研究背景与意义  15-16
  1.2 无功优化在国内外的发展及研究现状  16-25
    1.2.1 无功优化的特点  16-17
    1.2.2 无功优化研究的不同之处  17
    1.2.3 传统的优化方法  17-21
    1.2.4 人工智能算法  21-25
  1.3 本文的主要研究工作  25-26
第二章电力系统无功优化的数学模型  26-30
  2.1 引言  26
  2.2 无功优化的数学模型  26-27
  2.3 本文选取的目标函数  27-28
  2.4 无功优化中的约束条件  28-29
    2.4.1 不等式约束  28-29
    2.4.2 功率约束方程  29
  2.5 小结  29-30
第三章粒子群优化算法及改进粒子群算法  30-47
  3.1 粒子群算法的起源  30
  3.2 原始粒子群算法和标准粒子群算法  30-35
    3.2.1 原始粒子群算法的基本原理  30-32
    3.2.2 原始粒子群算法的实现流程  32-33
    3.2.3 标准粒子群算法  33-34
    3.2.4 粒子群算法的特点  34-35
  3.3 粒子群算法的改进措施综述  35-40
    3.3.1 惯性权重的改进  35-37
    3.3.2 带收缩因子的粒子群算法  37-38
    3.3.3 学习因子c1和c2的改进  38
    3.3.4 其他参数的选择  38-39
    3.3.5 粒子群算法与其他算法的结合  39-40
    3.3.6 拓扑结构的改进  40
  3.4 改进粒子群算法的提出  40-43
    3.4.1 参数方面的改进  41
    3.4.2 与遗传算法中的选择操作相结合  41-43
    3.4.3 加入扰动因子  43
  3.5 改进粒子群算法的操作流程  43-45
  3.6 本章小结  45-47
第四章改进粒子群算法应用于电力系统无功优化  47-56
  4.1 引言  47
  4.2 基于改进粒子群算法的无功优化中的几个环节  47-52
    4.2.1 离散变量的处理  47-48
    4.2.2 适应度函数的选取  48
    4.2.3 收敛准则  48-49
    4.2.4 无功优化中的潮流计算方法  49-52
  4.3 改进粒子群算法的无功优化流程  52-55
  4.4 本章小结  55-56
第五章基于MATLAB下的算例仿真结果分析  56-71
  5.1 引言  56
  5.2 IEEE-14节点算例分析  56-63
    5.2.1 IEEE-14节点测试系统数据  56
    5.2.2 标准PSO算法和MPSO算法中的参数设置  56-60
    5.2.3 仿真结果分析  60-63
  5.3 IEEE-30节点算例分析  63-70
    5.3.1 IEEE-30节点测试系统连接图  63-64
    5.3.2 IEEE-30节点测试系统的各种数据  64-66
    5.3.3 IEEE-30节点测试系统的仿真结果分析  66-70
  5.4 本章小结  70-71
第六章结论与展望  71-74
参考文献  74-79
致谢  79-80
学位论文评阅及答辩情况表  80

改进粒子群算法在电力系统无功优化中的应用

内容摘要

全文目录

相似论文