学位论文 > 优秀研究生学位论文题录展示
基于免疫机制蚁群算法的电力系统无功优化研究
作 者: 夏新运
导 师: 陈永煌
学 校: 安徽工程大学
专 业: 检测技术与自动化装置
关键词: 电力系统 无功优化 蚁群算法 免疫算法 免疫蚁群算法
分类号: TP18
类 型: 硕士论文
年 份: 2011年
下 载: 16次
引 用: 0次
阅 读: 论文下载
内容摘要
随着电力工业的快速发展,保证电力系统的安全、稳定、经济运行成为一个重要课题。电网中无功的合理分布对提高电网的电能质量和节能降耗都有十分重要的影响,因此,电力系统无功优化问题的研究,具有非常重要的现实意义。本文针对目前无功优化问题的研究现状,在认真学习蚁群算法原理的基础上,对引入免疫机制的蚁群算法在无功优化问题中的应用进行了研究。电力系统无功优化问题是一个多变量、多约束的混合非线性规划问题,优化过程比较复杂。本文首先介绍了无功优化领域研究的内容及其研究现状,以保证电压质量水平和有功网损最小作为目标函数来建立数学模型,并把负荷节点电压约束和发电机无功约束作为罚函数来处理。蚁群算法具有分布式并行全局搜索能力,但其初始信息素匮乏,容易陷于局部最优解且求解速度慢;而免疫算法具有良好的系统自主性和快速性,遇到干扰具有较强的系统自平衡能力,但是不能充分利用系统中的反馈信息,往往做大量无为的冗余迭代,求解效率低。根据两种算法的基本原理和优缺点,将免疫机制引入蚁群算法形成免疫蚁群算法,利用免疫算法优化了蚁群算法的初始信息素。将免疫蚁群算法应用于电力系统无功优化计算,采用IEEE 30节点系统算例进行分析,并与遗传算法、基本蚁群算法进行比较。结果表明该算法在-定程度上克服了基本蚁群算法初始信息素匮乏、易早熟的缺点,并且它的收敛速度和计算精度都有较大提高。
|
全文目录
摘要 5-7ABSTRACT 7-11第1章 绪论 11-19 1.1 课题的研究背景及意义 11 1.2 无功优化问题的研究现状 11-16 1.2.1 常规优化算法 12-14 1.2.2 智能优化算法 14-16 1.3 无功优化问题的基本思想 16 1.4 研究方案 16-19 1.4.1 论文的研究内容 17 1.4.2 论文的结构安排 17-19第2章 电力系统无功优化问题及其数学模型 19-28 2.1 电力系统运行的特点与要求 19 2.2 无功功率与系统电压的关系 19-21 2.3 无功功率与有功网损的关系 21-22 2.4 电力系统中常用的无功控制设备 22-25 2.4.1 变压器 22-23 2.4.2 同步发电机 23 2.4.3 无功补偿装置 23-25 2.5 电力系统无功优化的数学模型 25-28 2.5.1 目标函数 26 2.5.2 功率约束方程 26-27 2.5.3 变量约束方程 27-28第3章 电力系统的潮流计算 28-36 3.1 概述 28 3.2 潮流计算的数学模型 28-31 3.2.1 节点的功率方程 28-29 3.2.2 电力系统的节点类型 29-30 3.2.3 潮流计算的约束条件 30-31 3.3 牛顿-拉夫逊法 31-33 3.4 P-Q分解法 33-36第4章 蚁群算法和免疫算法的理论基础 36-49 4.1 蚁群算法 36-42 4.1.1 蚁群行为描述 36-38 4.1.2 基本蚁群算法的机制原理 38 4.1.3 蚁群算法的特征 38-40 4.1.4 蚁群算法的数学模型 40-42 4.2 免疫算法 42-49 4.2.1 免疫系统简介 42-43 4.2.2 免疫算法的提出 43-44 4.2.3 免疫算法的原理 44-46 4.2.4 免疫算法的基本步骤 46-49第5章 结合免疫机制蚁群算法在无功优化中的应用 49-58 5.1 免疫蚁群算法的设计思想 49 5.2 求解无功优化的免疫蚁群算法设计 49-51 5.2.1 抗体编码 49-51 5.2.2 免疫算子设计 51 5.3 基于免疫蚁群算法的无功优化运算步骤 51-54 5.4 IEEE 30节点算例分析 54-58第6章 结论与展望 58-59 6.1 结论 58 6.2 展望 58-59参考文献 59-61附录 61-63攻读学位期间发表的学术论文目录 63-64致谢 64
|
相似论文
- 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
- 基于蚁群算法的电梯群优化控制研究,TU857
- 基于精细积分法的电力系统动态电压稳定仿真研究,TM712
- 内点法在大型电力系统无功优化中的应用研究,TM714.3
- 动态环境下移动对象导航系统相关技术的研究,TP301.6
- 基于改进蚁群算法的机器人路径规划研究,TP242
- 基于Hilbert-Huang变换的输电线路过电压识别,TM866
- 改进的蚁群算法及其在TSP上的应用研究,TP301.6
- 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6
- 支持向量机回归在短期电力负荷预测中的应用研究,TM715;F224
- 基于控制方法的粒子群算法改进及应用研究,TP301.6
- 基于物理拓扑感知的Chord算法研究,TP393.02
- 电渣炉过程控制系统的设计及优化控制,TP273
- Ad Hoc网络中分簇路由算法的研究,TN929.5
- 图像信息处理机的图像处理方法研究,TP391.41
- 电力系统可用输电能力计算研究,TM744
- 电网分析计算中的可视化技术研究,TM769
- 电力系统无功优化的混合算法研究,TM714.3
- 智能光网络中路由选择算法的研究,TN929.1
- 面向无线传感器网络的多路径路由协议研究,TN915.04
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|