基于改进遗传算法的电力系统无功规划优化

《基于改进遗传算法的电力系统无功规划优化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第34卷第13期继电器Vo1．34No．132006年7月1日RELAYJu1．1，200629基于改进遗传算法的电力系统无功规划优化陈芳元，汪玉凤，刘贵友(1．辽宁工程技术大学电气工程系，辽宁阜新123000；2黑龙江双鸭山矿业集团供电公司。黑龙江双鸭山155100)摘要：简要分析了几种无功优化方法的局限性，通过比较得出遗传算法是求解无功优化的一种有效的方法，并在简单遗传算法(SGA)的基础上，提出了更加有效的算法即改进遗传算法(IGA)。该算法针对常规遗传算法收敛速度慢、易早熟

2、等缺陷，并结合电力系统无功优化的特点，借鉴了模拟退火思想在遗传算法的执行过程中对个体适应度不断进行修正，并采用了浮点数编码、双层结构群体、自适应的交叉率和变异率等改进措施。算例表明这种改进的遗传算法优化效果好，而且在精度和收敛度上都有较大提高。关键词：无功优化；改进遗传算法；自适应；浮点编码；双层结构群体中图分类号：TM76文献标识码：A文章编号：1003-4897(2006)13-0029-04提高电压质量，节约系统运行费用，使系统稳定安全0引言运行，它是一个多变量、多约束混合非线性的优化问电力系统无功优化是指在系统有功潮流分

3、布确题，其数学模型_6包括目标函数、功率约束方程和定的情况下，通过对某些控制变量的优化调节，在满变量约束方程3个部分。足系统各种约束条件的前提下使系统有功网损最1．1目标函数小，它是一个带有多约束条件的非线性组合优化问题。无功功率在电力系统中的合理分配是充分利用minF=△P。+耋()+无功电源、改善电压质量、减少网损和提高电压稳定性，使电力系统能够安全经济运行的重要措施。在耋c这一研究领域内已有多种方法，例如：线性规划、非式中：右端第1项为有功网损，第2项为对节点电压线性规划、混合整数规划、灵敏度分析、内点法、多目幅值越限的惩

4、罚项，第3项为对发电机无功出力越标模糊数学规划、模拟退火算法、人工神经网络和专限的惩罚项。W、W分别为除PV节点以外的节点家系统等。这些方法都有一定的局限性和缺陷，其电压、发电机无功出力越限罚因子。主要缺陷表现为：求解时间很长；只能求得局部最优r一U>Ui解；容易导致收敛早熟；易产生“维数灾”而无法进行大规模的优化计算等¨J。相比而言，遗传算法AUi={0Ui≤U≤U在解决多变量、非线性、不连续、多约束的问题时显【-mi一UiQ，一日益为人们所重视，其有效性也已为许

5、多研究所证AQ={0Qi≤≤Q实训。tQi一QQ

6、表明本文的改进算法是有效可行的。间的电导、电纳和电压相角差。l无功优化数学模型的建立1．3变量约束方程无功优化的目的是使整个网络的损耗最小，并一般选取发电机机端电压，容性无功补偿容维普资讯http://www.cqvip.com继电器量Q和可调变压器分接头位置作为控制变量，而以及浮点数编码等，本文采用的是浮点数编码方式。选取发电机无功出力Q和节点电压幅值作为状浮点数编码不仅可以缩短染色体长度，降低算法的态变量。搜索空间，且可以避免初始化及遗传操作中生成的控制变量约束方程：不可行解，从而提高算法的效率，满足了遗传算法对g．i≤g≤

7、Q．编码完备性、健全性和非冗余性的要求J。Q．i≤Q≤Q．IEEE6节点系统包括2个发电机节点，2条≤≤变压器支路，2个无功补偿节点，其个体的编码形．i．式中：为发电机机端电压的上下限；式表示为：．、．miQ、Qi为节点i上补偿容量的上下限；Ti．一、X=[U，Qcl'Q2，Tl，]i为变压器可调变比的上下限。2．4选择．状态变量约束方程：选择是最具有自然进化特色的操作之一，它是Q≤Qg≤Q从所有父代中选取部分个体组成繁殖库的过程，它≤≤建立在对个体的适应度进行评价的基础之上，有时⋯．一式中：Q、Qi为发电机无功出力的上下限；直

8、接关系到收敛速度问题。本文引入自然界的竞争，、i为节点电压的上下限。机制，从父代中随机选取两个或多个个体参与竞争，．．保存优秀个体，淘汰较差个体，即所谓的“优胜劣2应用于无功优化的改进的遗传算法汰”。用遗传算法求解无功优化问题时，首先随机产2．5交叉和变异生一组