基于模糊控制遗传算法的电力系统最优潮流.pdfVIP

试验研究 基于模糊控制遗传算法的 电力系统最优潮流 ( ) 　　　　　　　　　周文华 　 内蒙古电力学院 , 内蒙古 呼和浩特 　0 10080 ( ) 　　　　　　　　　赵登福 　 西 安 交 通 大 学 ,陕　西 西 　　安 　7 10049 [摘 　要] 　遗传算法是一种全局优化方法 ,适合解决具有离散变量的混合非线性规化问题 。模糊控制 方法在解决具有可伸缩约束的规划问题方面具有明显优势 。将遗传算法与模糊控制理论相结合应用于 求解多目标函数的最优潮流问题 ,是一种比较有效的新方法 。通过 IEEE14 节点和 IEEE30 节点算例计 算 ,并与传统的遗传算法计算结果对比表明 ,该算法具有稳定收敛 、优化结果精确合理 、计算速度较快的 特点 ,适合求解多目标混合非线性规划问题 。 [ 关键词] 　最优潮流 　遗传算法 　模糊控制 ( ) 中图分类号 : TM744 　文献标识码 :B 　文章编号 200 1 界限外一定的范围内存在 , 以实现 目标函数的最优 。 0 　引　言 本文在传统遗传算法的基础上对一些遗传操作进 行了改进 ,并引入模糊控制理论 ,针对电力系统最优潮 ( ) 电力系统最优潮流问题 OPF 是典型的具有可伸 流问题建立了新的数学模型 ,编制了相应的计算程序 , 缩约束条件的混合非线性规划问题 。它是在系统的结 并用 IEEE 标准算例进行验证 。 构参数及负荷情况给定的前提下 ,通过对系统内的可 控制变量的优选组合 ,使该状态下的潮流分布尽可能 1 　最优潮流的数学模型 地满足所有约束条件并使 目标函数最小 。以往应用于 最优潮流计算的传统优化方法如梯度法 、牛顿法和解 对于一个有 n 个节点, k 台发电机, h 台有载调压 耦法等 , 由于其方法本身的局限性 ,在精确处理离散变 变压器和 g 处配备电容器无功补偿设备的电力系统 。 量和建立精确的数学模型等方面存在不足 ,且只能实 以全网的总耗量和有功网损最小为 目标函数, 各节点 现局部最优 。 电压的幅值为可伸缩约束, 其余约束均为硬约束, 则其 ( ) 最优潮流问题的数学模型可以表示为 : 遗传算法 GA 是模拟生物进化过程的优化方法 , (Δ ) ( ) 它遵循自然界“优胜劣汰”的进化准则 ,使适应性强的 obj . 　F = min PL + Fcos t 1 Δ 个体得以生存 ,并将其优良特性遗传到后代 ,是一种具 s. t . 　 Pi = 0 , i = 1 , 2 , …, n Δ 有稳定收敛域的全局优化方法 。具有沿多路