学位论文 > 优秀研究生学位论文题录展示

蚁群与遗传算法在无功优化中应用的比较研究

作　者: 樊小瑜
导　师: 赵冬梅
学　校: 华北电力大学
专　业: 电力系统及其自动化
关键词: 无功优化 蚁群算祛 遗传算法 比较研究
分类号: TM761.12
类　型: 硕士论文
年　份: 2010年
下　载: 12次
引　用: 0次
阅　读: 论文下载
 

内容摘要


蚁群算法具有快速并行搜索的特性,在解决非连续变量组合优化问题时候具有良好的收敛性,遗传算法具有全局搜索的特性,广泛应用于优化问题。本文分别用两种算法对电力系统无功优化问题进行求解,从两种算法的原理、模型、性能指标以及应用于无功优化实际问题中的求解效果方面进行了比较。为了提高算法在无功优化中的应用价值,本文将遗传算法与蚁群算法进行串联融合,有效提高了算法的整体寻优效率,为无功优化问题的计算提供了一个参考。本文分别利用Ward-Hale6节点、IEEE30节点系统以及齐齐哈尔地区实际电网数据对上述算法进行仿真测试,从收敛时间、迭代次数、优化结果方面进行了比较、分析,验证了本文算法比较研究以及所编制软件是正确和有效的。

全文目录


摘要  4
ABSTRACT  4-5
目录  5-8
第一章 引言  8-13
  1.1 选题的背景和意义  8-9
  1.2 电力系统无功优化概述  9-10
    1.2.1 电力系统无功优化的模型  9
    1.2.2 电力系统无功优化算法  9-10
  1.3 无功优化算法  10-12
    1.3.1 传统优化算法  10-11
    1.3.2 人工智能算法  11-12
  1.4 本文的研究范围和主要工作  12-13
第二章 蚁群算法与遗传算法的比较研究  13-23
  2.1 引言  13-14
  2.2 蚁群算法的原理及模型  14-16
    2.2.1 蚁群算法的原理  14
    2.2.2 蚁群算法的模型  14-16
  2.3 遗传算法的原理及模型  16-17
    2.3.1 遗传算法的原理  16
    2.3.2 遗传算法的模型  16-17
  2.4 算法理论上的比较指标  17-22
    2.4.1 与传统方法比较  17
    2.4.2 智能算法比较指标  17-19
    2.4.3 蚁群算法与蚁群算法的特点的比较  19-21
      2.4.3.1 遗传算法的特点  19-20
      2.4.3.2 蚁群算法的特点  20
      2.4.3.3 算法特点的比较  20-21
    2.4.4 遗传算法与蚁群算法在实际应用中的优缺点  21
    2.4.5 基于两种算法的改进算法  21-22
      2.4.5.1 融合的形态  22
      2.4.5.2 融合算法的原理  22
  2.5 本章小结  22-23
第三章 蚁群算法与遗传算法在无功优化中应用的比较研究  23-45
  3.1 电力系统无功优化问题  23-25
    3.1.1 电力系统无功优化问题概述  23
    3.1.2 无功优化的数学模型  23-25
  3.2 蚁群算法在无功优化中的应用  25-29
    3.2.1 初始种群的布置  25-26
    3.2.2 蚂蚁搜索图搜索过程  26-28
    3.2.3 信息素累计和更新  28-29
    3.2.4 蚁群算法参数的设置  29
  3.3 遗传算法在无功优化中的应用  29-31
    3.3.1 遗传算法的数学定理  29
    3.3.2 遗传算法的步骤  29-31
  3.4 算例测试  31-44
    3.4.1 测试平台简介  32
    3.4.2 程序设计、结构及特点介绍  32-35
      3.4.2.1 程序设计  32-33
      3.4.2.2 程序结构  33-34
      3.4.2.3 程序特点  34-35
      3.4.2.4 结果的界面显示  35
    3.4.3 测试数据简介  35-38
    3.4.4 参数设置  38
    3.4.5 算例分析  38-44
  3.5 本章小结  44-45
第四章 蚁群遗传混合算法应用于电力系统无功优化  45-50
  4.1 两种算法融合的理论基础  45
  4.2 混合算法应用于无功优化问题的具体操作  45-46
    4.2.1 蚁群初始迭代  45-46
    4.2.2 解空间的遗传操作  46
    4.2.3 最优解的选取  46
  4.3 算法测试  46-49
    4.3.1 参数设置  46
    4.3.2 测试数据  46-47
    4.3.3 算例分析  47-49
  4.4 本章小结  49-50
第五章 结论与展望  50-52
  5.1 论文工作总结  50
  5.2 有待进一步研究的问题及展望  50-52
参考文献  52-56
致谢  56-57
附录1  57-58
附录2  58-60
在学期间发表的学术论文和参加科研情况  60

相似论文

  1. 天然气脱酸性气体过程中物性研究及数据处理,TE644
  2. 压气机优化平台建立与跨音速压气机气动优化设计,TH45
  3. 内点法在大型电力系统无功优化中的应用研究,TM714.3
  4. 普通高校体育教育专业运动解剖学教材结构的研究,G807.4
  5. 中印小学信息技术课程内容之比较研究,G623.58
  6. 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
  7. 部队人员网上训练与考核系统的开发,TP311.52
  8. 基于并行算法的模糊综合评价模型的设计与应用,TP18
  9. 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
  10. 基于遗传算法的中短波磁天线的设计及实现,TN820
  11. 基于遗传算法的柑橘图像分割,TP391.41
  12. 基于遗传—牛顿算法的公交优化调度,TP18
  13. 中国大陆与台湾专业体育院校体操类课程内容的比较研究,G831
  14. 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
  15. 基于遗传算法和粗糙集的聚类算法研究,TP18
  16. 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
  17. 艺术体操教学中三种直观教学法的比较研究,G834
  18. 基于遗传算法的淠史杭灌区渠系配水优化编组模型的研究,S274
  19. 人教版、苏教版《普通高中课程标准实验教科书·语文（必修）》的比较研究,G633.3
  20. 遗传算法在物流仓储优化中的应用研究,F259.2
  21. 基于遗传算法的矿山资源优化调度模型的研究,O224

中图分类: > 工业技术 > 电工技术 > 输配电工程、电力网及电力系统 > 电力系统的自动化 > 自动调整 > 电压与无功功率的自动调整 > 电压及无功功率自动调整的试验及模拟
© 2012 www.xueweilunwen.com