基于改进遗传算法的配网无功优化.docVIP

基于改进遗传算法的配网无功优化 　　摘 要： 针对配电网无功优化问题进行研究。以配电网络有功网损最小为优化目标，使用连接权重将配电网中的有功网络损耗、电压稳定性、补偿设备投入容量等多目标优化变为单目标优化。利用具有全局有哪些信誉好的足球投注网站能力的免疫算法与遗传算法相结合，从而提高了遗传算法的稳定性和适应性。最后通过IEEE 14节点的配网无功优化实例对所研究的改进遗传算法的优化模型进行分析。研究结果表明，使用改进遗传算法后的有功损耗相比常规遗传算法下降了0.28 MW，损耗降低率提高了1.37%，并且迭代次数明显降低，提高了优化的速率。 　　关键词： 配网无功优化； 遗传算法； 免疫算法； 单目标耦合 　　中图分类号： TN926?34； TM74 文献标识码： A 文章编号： 1004?373X（2016）22?0018?04 　　0 引 言 　　为了保证整个电网具有较高的电压质量，需要电网发出无功的电源设备在输电网以及配电网环节实现较为合理的分配，从而使得整个电网具有充足的备用无功功率，进而电网的电压水平就不会有较大的波动，电气设备能够长期处于较为稳定的运行状态。为了最大限度地降低有功功率在电网上的损耗，实现电能在传输运营中具有较高的经济效益，就需要避免多余补偿无功在电网中传输，在输电网和配电网等远距离传输电网中最大限度地减少无功功率的传输。整个电网具有可靠性和稳定性较高的电压以及较低的损耗能够在一定程度上保证电网长期处于稳定的一个运行状态，保证整个电力系统具有较高的经济效益[1]。 　　遗传算法、人工神经元网络算法和模拟退火算法等都是现代意义上的人工智能算法。这些人工智能算法的主要特征都是基于现代计算机科学基础，以自然界中所特有的某种运行规律作为参照进行空间上的有哪些信誉好的足球投注网站拟合。现代人工算法能够很好地反应自然现象和自然规律，这种算法并不需要借助精准度比较高的数学模型就能够简化处理自然界中离散的复杂问题。因此可以将现代人工智能算法应用于电网中，用于解决无功电源优化分配问题。 　　遗传算法是一种对生物进化规律进行模拟的空间有哪些信誉好的足球投注网站算法，该算法最先由美国学者在20世纪70年代提出。文献[2]详细阐述了无功优化的解决方法，该文将无功优化问题细分成连续优化问题和离散优化问题，在这两个子问题解决的过程中引入了内点法和遗传算法，大大提高了计算无功优化算法的效率。文献[3]首次使用实数编码的遗传算法，很好地解决了连续和离散混杂的问题。文献[4]对遗传算法进行深入研究，引入了多模量的有哪些信誉好的足球投注网站方法，进一步地提高了遗传算法的有哪些信誉好的足球投注网站效率。文献[5]对遗传算法中的遗传算子进行动态调整，大大提高了遗传算法在全局有哪些信誉好的足球投注网站时的有哪些信誉好的足球投注网站能力。 　　国内外对于应用于电力系统的遗传算法的研究比较深入，相应的成果也比较多。遗传算法的显著特点是在较少的约束条件下能够面向全局寻找最优化的潮流计算解，具有较高的稳定性，能够广泛应用于电力系统无功优化的方案解决。当然遗传算法也有不足一面，就是下一代易于遗传上一代的优良基因，而且相似度比较高，容易满足遗传进化的终止要求，最终得到的不是全局的最优化的解，而是局部最优解。免疫算法具有全局有哪些信誉好的足球投注网站的优点，它是基于免疫系统对病菌多样性地识别时拟合的一种算法[6?7]。 　　因此可以将免疫算法所具有的全局有哪些信誉好的足球投注网站优点应用到遗传算法中，最终生成具有全局有哪些信誉好的足球投注网站能力，有哪些信誉好的足球投注网站约束条件少的免疫遗传算法。免疫遗传算法在遗传算法的基础上实现了全局有哪些信誉好的足球投注网站的特点，有效规避了过早终止有哪些信誉好的足球投注网站而仅仅得到局部的最优解，提高了遗传算法的稳定性和适应性。 　　1 无功优化的数学模型 　　本文以配电网络有功网损最小为优化目标，约束条件的目标函数为[8]： 　　[minfloss=i=1nUij∈iUjGijcosδij+Bijsinδij] （1） 　　本文通过权重法，即使用连接权重将配电网中的有功网络损耗、电压稳定性、补偿设备投入容量等多目标优化变为单目标优化。第一步要将目标函数无量纲化，之后根据函数值设定连接权重，将多目标优化变为单目标优化问题。通过式（2）将有功网络损耗和电压偏差的最小函数进行转化： 　　[μfi=fi-fiminfimax-fimin ， i=1，2] （2） 　　式中：f1为网络损耗最小函数；f2为网络电压偏差最小函数；f1max，f1min为补偿前的网络损耗和期望值；f2max，f2min为补偿后的网络损耗和期望值。 　　静态电压稳定裕度最大化目标函数表示为： 　　[μf3=f3max-f3f3max-f3min] （3） 　　式中：f3max为优化前的最大裕度；f3min为优化前的裕度。 　　通过上述转化方法将目标函数转化在区间[0，1]中。通过连接权重ki将多个目标函数变为单目标函数，并能保证约束条件不改变： 　　[F=minkiμfi] （