论文部分内容阅读
电力系统无功优化既是保证电力系统安全、稳定、经济运行的一种有效手段，同时也是有效降低电力系统网络损耗、改善电压质量的重要措施。因此，对电力系统无功优化问题的研究，既具有理论意义，又具有实际应用价值。电力系统无功优化问题是一个多变量、多约束、非线性的混合规划问题，其操作变量包含连续变量和离散变量，优化过程也十分复杂。遗传算法因能够多路径搜索全局最优解，并且可以自然地解决离散性、非线性问题而广泛应用于无功优化问题的求解。因此，本文在建立无功优化数学模型的基础之上，提出一种改进的遗传算法并且应用于无功优化问题的求解，改善无功优化的效果。主要研究内容如下：首先，由于无功优化是降低系统有功网损的一种有效措施，因此本文采用以系统有功网损最小为目标函数、满足电力系统潮流约束和安全约束的无功优化数学模型。其次，本文针对简单遗传算法应用于求解无功优化问题时，由于交叉和变异概率是固定不变的，导致算法存在容易陷入局部最优而出现“早熟”现象以及收敛速度慢的缺点，提出了一种改进的遗传算法，该算法在进化过程中能够根据种群进化的实际情况，自适应地调整交叉概率和变异概率，使得种群在进化过程中能够保持多样性，改善算法的收敛性能，提高算法的寻优能力。同时，针对简单遗传算法编码方法的单一性导致算法在对变量的处理过程中与电力系统的实际状态之间存在较大误差的不足,本文采用二进制编码和实数编码交叉的混合编码方法，并且对简单遗传算法的收敛判据进行改进，进一步提高算法的计算精度和收敛速度。最后，采用本文所提出的改进遗传算法将IEEE-14节点系统和IEEE-30节点作为标准测试系统进行无功优化仿真计算，并将简单遗传算法和改进遗传算法的优化结果进行比较。改进遗传算法的有功网损相比于简单遗传算法分别下降了3.36%和2.40%；同时，改进遗传算法收敛于最优解的迭代次数相比于简单遗传算法减少了10代左右。仿真结果表明本文提出的算法是可行有效的，改进遗传算法的有功网损更低，具有更好的全局收敛性能和收敛速度。