改进量子遗传算法在输电网规划中的应用.pdf

《改进量子遗传算法在输电网规划中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第40卷第19期电力系统保护与控制V_o1．40NO．192012年10月1日PowerSystemProtectionandControlOct．1．2012改进量子遗传算法在输电网规划中的应用周建平，林韩，温步瀛(1．福建省电力有限公司福州电业局，福建福州350009；2．福州大学电气工程与自动化学院，福建闽侯3501083．福建省电力有限公司，福建福州350003)摘要：输电网规划是复杂的多目标非线性组合优化问题。针对传统遗传算法(GA)在求解输电网规划模型中存在收敛速度慢，容易陷入局部最优的不足，提出一种基于改进量子遗传算法

2、(IQGA)的输电网规划方法。该算法在量子遗传算法(QGA)的基础上提出直接将量子染色体与当前最优解相比较来确定旋转门的旋转角策略，保证种群中个体以不同的收敛速度分别进行局部搜索和全局搜索，并同时采用量子全干扰交叉策略和量子非门变异策略有效防止算法陷入局部最优。所提三种改进策略各有针对性，能有效改善量子遗传算法在输电网规划中的收敛性能。分别采用传统遗传算法、量子遗传算法和该方法对Garver一6节点系统进行规划仿真，实验结果表明，该方法全局寻优能力强并且收敛速度得到显著提高关键词：电力系统；输电网优化规划；遗传算法；改进量子遗传算法

3、；量子旋转门ApplicationofimprovedquantumgeneticalgorithmintransmissionnetworkexpansionplanningZHOUJian．ping一，LINHan一，WENBu．ying2(1．FuzhouElectricPowerIndustryBureau，Fuzhou350009，China；2，SchoolofElectricalEngineeringandAutomation，FuzhouUniversity,Minhou350108，China；3．FujianEl

4、ectricPowerCo．，Ltd，Fuzhou350003，China)Abstract：Transmissionnetworkexpansionplanningisacomplicated，multi-objective，nonlinearandcombinatorialoptimizationissue．Aimingattheproblemthatgeneticalgorithmpossessestheslowconvergencespeedandeasilyplungesinpartconvergencewhensolvi

5、ngthemodelofthetransmissionnetworkexpansionplanning，thispaperproposesamethodoftransmissionnetworkexpansionplanningbasedonimprovedquantumgeneticalgorithm．Onthebasisofthequantumgeneticalgorithm，themethodproposesastrategythatthequantumchromosomesaledirectlycomparedwiththe

6、currentbestsolutiontodeterminetherotatingangleoftherotatinggate．Thestrategyensureseveryindividualinpopulationevolveswithdiferentconvergencespeedtocompletebothlocalandglobalsearch．Simultaneously,thewholeinterferencecrossoveroperationandnegatermutationoperationareputforw

7、ardtopreventthealgorithmplunginginpartconvergence．Threekindsofimprovementstrategiesaretargetedandcanefectivelyimprovetheconvergencefunctionofquantumgeneticalgorithmintheplanningfortransmissionnetworkexpansion．ThetransmissionnetworkexpansionplanningforGarver-6systemispe

8、rformedbygeneticalgorithm，quantumgeneticalgorithmandtheproposedmethodrespectively．Theresultshowsthatthemethodhasgoodg