第4章 最优的潮流.pptVIP

第四章 最优潮流 最优潮流模型中既存在连续的实数变量，如发电机的有功、无功出力，又存在离散的整数变量，如并联电容器投入容量、可调变压器分接头变比。因此，本算法采用实数编码的方式，将离散量在进行遗传操作时看作是实数，在操作完成后再进行修正，将其归化到对应的离散值上。具体的编码形式如下式所示： 第四章 最优潮流 发电机具有最小技术出力，若考虑发电机的最小技术出力及启停机情况，发电机的出力取值范围是不连续： 7.2 启停机算子 在进行遗传操作时暂不考虑发电机的最小出力限制，按取值范围为[0,Pmax]处理，然后再实施启停机操作算子进行修正。停机操作算子的操作规则是检查发电机的出力，一旦小于最小出力就将出力修正为零，即发电机处于停机状态. 第四章 最优潮流 在进行编码的时候采取的是实数编码，但是实际上并联电容器和变压器分接头控制变量都是离散变量，因此设计整数算子进行修正。在进行交叉和变异操作的时候，将这些离散变量看作是连续值，减少了算法复杂性。 当交叉和变异操作完成后，该变量的取值可能是一个浮点数，这时应用整数算子将该浮点数整定到最接近的离散值上。例如：对于可分为5档的并联电容器组，每档的无功容量为4Mvar，则它的无功出力取值集合为:{0，4，8，12，16，20}，为离散量。假设当某次遗传操作完成后，该变量 值为14.5，那么经过整数算子的处理，取值被整定为距离14.5最近的数值：16。 7.3 整数算子 第四章 最优潮流 遗传算法由于仅靠适应度来评估和引导有哪些信誉好的足球投注网站，求解问题所固有的约束条件不能明确地表示出来，所以遗传算法本质上是一种求解无约束问题的算法。 但是在实际应用中，许多问题都是带约束条件的，用遗传算法求解此类问题需要考虑一些对策。常规下，可以采用 一种十分自然的方法来考虑约束条件，即在进化过程中，每迭代一次就设法检测一下新的个体是否违背了约束条件。 这种方法对于强约束条件问题求解效果不佳。这是因为有时寻找一个有效个体的难度不亚于寻找最优个体。作为对策，可设法对个体违背约束条件的情况给予惩罚，并将此惩罚体现在适应度函数设计中。这样，一个约束优化问题就转化为一个考虑惩罚的非约束优化问题。 7.4 约束处理 第四章 最优潮流 最优潮流问题的约束可以分为两类：控制变量约束和状态变量约束。对于控制变量的约束，可以在编码及操作的时候进行约束限制，使其取值始终在约束范围内。上文的整数算子和启停机算子其实也可以看作是一种约束处理方法。 对于状态变量的约束可以采用罚函数的方法处理，根据越界变量的越界程度生成惩罚项，附加在适应度函数上。惩罚项的生成公式如下: 第四章 最优潮流 遗传算法在进化有哪些信誉好的足球投注网站中基本上不使用外部信息，仅以适应度函数为进化的依据。对目标函数的唯一要求是，针对输入可计算出能加以比较的非负结果。 最优潮流模型中，目标函数为求取总费用最小，因此需将目标函数映射为适应度函数，只要做简单求倒即可。 适应度函数评估是选择操作的依据，适应度函数的设计直接影响到遗传算法的性能。在进化前期，种群中个体适应度差异较大，容易使得优良个体迅速繁殖，造成早熟，从而 陷入局部最优解。在进化后期，种群中个体适应度差异较小，个体区别不明显，造成进化停滞，有哪些信誉好的足球投注网站处于随机漫游状态。 7.5 适应度函数 第四章 最优潮流 采用定标技术的适应度函数设计可克服未成熟收敛和随机漫游现象，从而提高遗传算法的优化有哪些信誉好的足球投注网站性能。本文采用以下方法来修正适应度，使得个体最大适应度和最小适应度 之比为一确定数值K。 经过修正后，最大适应度和最小适应度之比始终为K,使得个体的适应度差异变化得到了控制。这样，在进化初期，个体差异不至于太大，有利于寻找最优解，防止早熟现象。 在进化后期，由于适应度被拉伸，进化过程仍可以进行下去。 第四章 最优潮流 传统初始种群的生成是随机产生的，通常包含大量不可行解，种群平均适应度低，影响进化效果。初始种群的生成原则是尽可能广泛的均匀的分布在解空间中，以利于最优解的有哪些信誉好的足球投注网站。 先随机生成一个种群，种群规模为M，按适应度大小从种群中选择N条适应度较大的染色体作为初始种群个体。然后重复刚才的操作，直到获得足够多的初始种群个体。其中M取值要很大，这样M条染色体就能以更大的概率均匀的分布在解空间中，以包含更多的可行解元素，从而保证初始种群的多样性和完备性。通过优选，可以提高初始种群的质量，能够有效地加快寻优速度和质量。 7.6 初始种群生成 第四章 最优潮流 简单遗传算法在计算的过程中采用固定的交叉率和变异率，但是交叉率尺过大时遗传模式被破坏的可能性也越大，但是尺过小就会使得有哪些信誉好的足球投注网站过程缓慢，以至于停滞不前。 在最优潮流求解