改進(jìn)遺傳算法在無(wú)功優(yōu)化中的應(yīng)用研究.pdf

1、電力系統(tǒng)的無(wú)功優(yōu)化控制，不僅能有效地降低系統(tǒng)的有功功率損耗，而且還可以改善電網(wǎng)的電壓質(zhì)量，對(duì)系統(tǒng)的安全穩(wěn)定、經(jīng)濟(jì)運(yùn)行具有非常重要意義。 無(wú)功優(yōu)化問題是一個(gè)含有連續(xù)變量和離散變量的混合優(yōu)化問題，求解過程相當(dāng)復(fù)雜。傳統(tǒng)的非線性規(guī)劃、線性規(guī)劃、混合整數(shù)等優(yōu)化算法依賴于精確的數(shù)學(xué)模型，一般要求所處理問題的目標(biāo)函數(shù)連續(xù)、可導(dǎo)。算法所求最終解和選取的初始值密切相關(guān)，只有初始點(diǎn)離全局最優(yōu)點(diǎn)較近時(shí)，才可能達(dá)到真正的最優(yōu)。此外，不能實(shí)現(xiàn)對(duì)離散變量

2、的精確處理，因而用于含有離散變量的無(wú)功優(yōu)化問題時(shí)，其結(jié)果會(huì)有較大誤差。為克服這些缺點(diǎn)，研究人員逐漸把人工智能方法運(yùn)用于無(wú)功優(yōu)化這一領(lǐng)域。在全面掌握當(dāng)前電力系統(tǒng)無(wú)功優(yōu)化研究進(jìn)展的基礎(chǔ)上，本文系統(tǒng)探討了求解無(wú)功優(yōu)化的經(jīng)典算法和現(xiàn)代人工智能算法，總結(jié)分析了它們各自的特點(diǎn)及使用情況。為提高解的質(zhì)量與計(jì)算效率，本課題對(duì)無(wú)功優(yōu)化的數(shù)學(xué)模型、求解算法進(jìn)行了較為深入研究，進(jìn)而提出了一種用于無(wú)功優(yōu)化的改進(jìn)遺傳算法。 為滿足電力系統(tǒng)的經(jīng)濟(jì)性要求，本

3、文以有功損耗最小為目標(biāo)函數(shù)。同時(shí)，考慮到電網(wǎng)的安全運(yùn)行，采用罰函數(shù)的方式來(lái)處理電壓及發(fā)電機(jī)無(wú)功出力的約束條件，建立以三者綜合最優(yōu)為目標(biāo)的數(shù)學(xué)模型。此外，為了提高遺傳算法無(wú)功優(yōu)化的計(jì)算速度，本文綜合比較了三種常用的罰系數(shù)取值方式，選用了按指數(shù)規(guī)律變化的罰系數(shù)。 簡(jiǎn)單遺傳算法用于無(wú)功優(yōu)化時(shí)存在“早熟”、容易陷入局部最優(yōu)、計(jì)算速度慢，對(duì)控制變量的處理存在較大誤差等缺點(diǎn)。針對(duì)于此，本文對(duì)簡(jiǎn)單遺傳算法進(jìn)行了改進(jìn)：采用混合編碼方式精確處理離

4、散變量，分階段設(shè)計(jì)了不同的適應(yīng)度函數(shù)，在進(jìn)化前后期采用不同選擇方式的遺傳操作，以及針對(duì)編碼方式，使用算術(shù)交叉和小變異操作等。改進(jìn)后的算法除保留了簡(jiǎn)單遺傳算法的多點(diǎn)搜索、魯棒性強(qiáng)的優(yōu)點(diǎn)之外，收斂速度得到提高，算法的適用性及全局搜索能力增強(qiáng)。 遺傳算法應(yīng)用于無(wú)功優(yōu)化問題時(shí)計(jì)算速度比較慢，除了算法自身的原因之外，另外一個(gè)重要的因素就是要反復(fù)的求解潮流方程。潮流計(jì)算的快慢直接影響到整個(gè)算法的計(jì)算速度。本文在研究常用潮流算法之后，采用其中

5、計(jì)算速度快的X-B型快速解耦法，并進(jìn)一步從兩方面對(duì)其在遺傳算法無(wú)功優(yōu)化程序中的應(yīng)用做了改進(jìn)。一方面，根據(jù)快速解耦法中X<'1>的構(gòu)成與遺傳算法中的個(gè)體無(wú)關(guān)，將以往程序計(jì)算過程中反復(fù)形成X<'1>改為一次構(gòu)成，在之后的計(jì)算中，直接調(diào)用即可。另一方面，考慮到潮流計(jì)算收斂精度對(duì)計(jì)算速度及遺傳算法群體更新的影響，本文在遺傳進(jìn)化前期，采用收斂精度低的潮流計(jì)算，后期采用收斂精度高的計(jì)算。通過以上兩方面的改進(jìn)，可以有效地提高無(wú)功優(yōu)化的計(jì)算速度，減少計(jì)