基于混合编码改进遗传算法的无功优化.pdfVIP

维普资讯 第34卷 第23期 继 电器 Vo1．34 No．23 20 2006年12月1日 RELAY Dec．1，2006 基于混合编码改进遗传算法的无功优化 蒲永红，张明军 (山东大学电气工程学院，山东济南250061) 摘要：简单遗传算法用于无功优化时存在收敛速度慢、容易陷入局部最优等问题。针对无功优化控制变量既 有连续量又有离散量的特点，提出整数和实数混合编码的改进遗传算法。该改进算法在进化前后期采用不同 的选择方式；依据交叉位和变异位控制变量的类型确定相应的实型或整型的算术交叉、小变异遗传操作，并且 交叉率和更异率随进化代数变化；在 目标函数中选用按指数规律变化的越界罚系数。IEEE14、l18节点系统 的仿真计算结果表明，改进后算法在全局寻优能力和收敛速度方面优于简单遗传算法。 关键词：无功优化； 遗传算法； 有功损耗； 混合编码； 罚系数 中图分类号：TM761 文献标识码：A 文章编号：1003-4897(2006)23-0020-04 练，提高遗传性能；(3)采用随遗传进化逐步减小的 0 引言 交叉率和逐步增加的变异率，使算法更符合 自然进 无功优化是降低电力系统有功损耗、提高电能 化的特点。通过改进遗传算法对 IEEE14、1l8节点 质量、维持正常的电压水平、提高电网经济运行的一 测试系统的计算分析，表明该法在全局寻优能力、收 种有效手段，历来受到各方专家、学者的关注。它是 敛精度和速度上优于简单遗传算法。 在满足系统各种运行约束的条件下，通过优化计算 1 数学模型 确定发电机的机端电压、有载调压变压器分接头位 置和无功补偿设备的投入等，来达到系统的有功网 1．1 变量及其约束条件 损最小、电压水平最好、系统运行的投资最少等 目 无功优化是多变量多约束的非线性规划问题， 标。传统的线性规划、混合整数法、非线性规划法等 其变量分为控制变量和状态变量两种类型。控制变 优化方法，大都普遍存在不便于对离散变量进行处 量包括发电机的机端电压、补偿电容电纳值和可调 理的缺陷…。 变压器变比等；状态变量则为发电机无功出力和系 近年来许多学者采用遗传算法来解决无功优化 统各节点电压等_3，43。优化过程中控制变量的确定 的问题。遗传算法是起源于生物界优胜劣汰进化规 必须满足系统的潮流方程，同时所有变量还应该满 则的一种随机寻优计算方法。它以变量集的编码作 足各自的上下限不等式约束。 Nil 为操作对象，以目标函数作为寻优向导，从初始编码 fP = vj(Gcos6o+B0．sin~j：) 种群出发 ，通过反复的选择、交叉、变异在整个解空 问寻找满足 目标要求的最优个体，具有全局寻优能 { N () Q【= ∑ (Gosin6一Bcos占) 力和处理离散变量的特性。简单遗传算法 (SGA)采 用二进制编码方案，利用固定的选择 、交叉、变异遗 其中：P、Q、 分别为节点 处注入的有功、无功和 传操作来模拟自然进化，完成寻优 J。对于多变量 电压；G