基于混合編碼改進(jìn)遺傳算法的無功優(yōu)化研究.pdf

1、進(jìn)入二十一世紀(jì)以來，我國的電力工業(yè)迅速發(fā)展，電力用戶對電能質(zhì)量的要求越來越高，如何保證現(xiàn)代電力系統(tǒng)的安全、穩(wěn)定、經(jīng)濟(jì)運(yùn)行成為當(dāng)代電力工作者面臨的一個重要問題。電力系統(tǒng)無功優(yōu)化能有效地降低電力系統(tǒng)的有功功率損耗、改善電網(wǎng)的電壓質(zhì)量，是保證電力系統(tǒng)安全、穩(wěn)定、經(jīng)濟(jì)運(yùn)行的重要手段。因此，對電力系統(tǒng)無功優(yōu)化問題的研究，具有重要的理論指導(dǎo)意義和較高的實(shí)際應(yīng)用價值。
　　 電力系統(tǒng)無功優(yōu)化是一個既含有連續(xù)變量又含有離散變量的復(fù)雜的非線性規(guī)劃

2、問題，其求解過程異常繁瑣。傳統(tǒng)的無功優(yōu)化算法依賴于精確的數(shù)學(xué)模型，一般要求目標(biāo)函數(shù)連續(xù)、可導(dǎo)，且不能精確的處理離散變量，致使在求解含有大量離散變量的電力系統(tǒng)無功優(yōu)化問題時產(chǎn)生較大誤差，影響了計(jì)算結(jié)果的準(zhǔn)確性。而人工智能優(yōu)化算法不需要精確的數(shù)學(xué)模型，就能夠很好地處理非線性及離散性問題，因此在優(yōu)化運(yùn)算中得到了廣泛的應(yīng)用。本文在綜合分析當(dāng)前各種傳統(tǒng)優(yōu)化算法和人工智能算法優(yōu)缺點(diǎn)的基礎(chǔ)上，結(jié)合電力系統(tǒng)的實(shí)際，選取遺傳算法作為求解電力系統(tǒng)無功優(yōu)化問

3、題的方法。
　　 針對電力系統(tǒng)無功優(yōu)化的特點(diǎn)，本文選取電力系統(tǒng)有功網(wǎng)損最小為目標(biāo)函數(shù)，采用罰函數(shù)處理電力系統(tǒng)狀態(tài)變量的約束條件，運(yùn)用計(jì)算速度和精度較高的快速解耦法進(jìn)行潮流計(jì)算。此外，文中還詳細(xì)介紹了遺傳算法的基本原理及各種改進(jìn)措施。針對采用簡單遺傳算法進(jìn)行電力系統(tǒng)無功優(yōu)化計(jì)算時，在進(jìn)化后期存在易“早熟”和容易陷入局部最優(yōu)等現(xiàn)象，本文對簡單遺傳算法進(jìn)行了改進(jìn):采用整數(shù)和實(shí)數(shù)的混合編碼來處理無功優(yōu)化中離散變量和連續(xù)變量;在初始種群生

4、成時采用排重操作，增加了種群的多樣性;對適應(yīng)度函數(shù)值高的染色體采用精英保存法而其他染色體采用錦標(biāo)賽法的選擇方式，防止適應(yīng)度函數(shù)值高的染色體在選擇操作中丟失;隨著進(jìn)化過程逐步減小交叉率和適當(dāng)增加變異率，體現(xiàn)了自然界中生物進(jìn)化的基本過程;每隔一段時間進(jìn)行一次二次變異操作，不僅避免了大量的重復(fù)計(jì)算而且增加了種群的尋優(yōu)方向，提高了該算法的局部搜索能力。
　　 為了驗(yàn)證本文改進(jìn)遺傳算法的有效性和可行性，文章最后用MATLAB語言對簡單遺傳