- 1、本文档共68页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
华北电力大学本科毕业设计(论文)
PAGE \* MERGEFORMAT II
华北电力大学本科毕业设计(论文)
遗传算法改进及其在电力系统无功优化中的应用
摘要
安全、经济、可靠运行是对电力系统最基本也是最重要的要求。无功功率分布合理的话,不仅可以使电压质量得到提高,还能最大化电力设备的经济效益,减少网络损耗和线损率等。为了保证电力系统安全、经济运行,无功优化技术的重要性不言而喻。传统无功优化方法有很多不足之处,为此科学家们把人工智能算法引入无功优化计算中来。本文介绍了智能算法中的经典代表——遗传算法在无功优化中的应用,对遗传算法的解题过程做了较深入的了解,并提出了应用于无功优化的改进遗传算法。
本文的无功优化数学模型采用的是以最小网损为主,结合节点电压越限和发电机无功出力越限罚函数的目标函数。简单遗传算法计算过程中存在收敛速度较慢和容易陷入局部最优解的问题,为此本文采用了实数编码,即十进制编码方式,运算过程中采用自适应的交叉算子和变异算子,对遗传种群采取精英策略,结合目标函数中的惩罚函数,力求又快又准地寻得全局最优解。
本文应用MATLAB遗传算法工具箱编程,先用两个简单算例证明了遗传算法的优越性和简单遗传算法的缺点,然后对IEEE-14、30节点系统进行了无功优化,对比简单遗传算法,证明了改进后的遗传算法在无功优化中的有效性和正确性。
关键词:无功优化;遗传算法;自适应;罚函数;MATLAB
= 1 \* ROMAN I
IMPROVED GENETIC ALGORITHM APPROACH FOR REACTIVE POWER PLANNING
Abstract
Safety and economy are two important indexes of power system. To improve the system voltage quality, give full play to the economic benefits of power equipment, reduce the rate of power grid loss and line loss, reasonable reactive power distribution is necessary. Hence, reactive power optimization technology is an effective and important method to guarantee the safety and economic operation of power system. There are many defects in the traditional reactive power optimization method, to solve this problem, scientists have introduced artificial intelligence algorithm to the reactive power optimization calculation. This paper introduces the classical representation of the intelligent algorithm——the application of Genetic Algorithm in reactive power optimization, makes a better understanding of the GA’s process of solving problems, and proposes the improved Genetic Algorithm for reactive power optimization.
Combining with the penalty function of the node voltage and the reactive power of generator, the objective function of the reactive power optimization is based on the minimum system loss. Existing slow convergence and local optimal solution in the process of simple genetic algorithm calculation, this paper uses real coding method, adaptive crossover and mutation operator
文档评论(0)