电力配网系统无功优化方法研究

被引:5
作者
刘永江
陈昊
机构
[1] 国网安徽省电力公司芜湖供电公司
关键词
电力配网系统; 无功优化; 遗传算法; 自适应对偶种群;
D O I
10.16652/j.issn.1004-373x.2016.14.041
中图分类号
TM714.3 [系统中能量损失的降低及无功功率的补偿]; TP18 [人工智能理论];
学科分类号
080802 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要
考虑到常规遗传优化算法进行电力配网系统的无功优化时,算法的早熟问题以及局部寻找最优解能力欠缺造成了优化结果收敛速度和收敛精度较低等问题,该文将自适应对偶种群、自适应终止条件以及全新的子代生成条件引入以形成一种改进型遗传优化算法,在种群迭代过程中保证种群的多样性以避免优化算法早熟现象,以及对优化算法的搜索效率进行加快以提高局部寻找最优解能力。通过实验IEEE57和IEEE30节点系统作为测试平台,使用常规遗传优化算法和可控交叉遗传算法(CCGA)与该文研究的改进遗传优化算法进行对比,使用相同的实验条件和实验数据进行测试。结果表明该文研究的改进遗传算法具有最好的优化效果,该算法计算得到的平均网损均低于其他优化算法,收敛精度和收敛速度更高,能够在局部最优解处跳出,距离目标函数的全局最优解更加接近。
引用
收藏
页码:158 / 161+165 +165
页数:5
相关论文
共 12 条
[1]   基于ARM与遗传算法的智能小车的设计与实现 [J].
何华光 ;
梁超 ;
殷金伟 ;
张虎 .
现代电子技术, 2015, 38 (19) :152-155
[2]   低压配电网无功补偿及优化研究 [J].
朱贵辽 ;
程汉湘 .
科技资讯, 2015, 13 (15) :52-53
[3]   改进教与学方法在电力系统无功优化中的应用研究 [J].
刘前进 ;
许慧铭 ;
施超 ;
韦胜旋 .
电力系统保护与控制, 2015, 43 (09) :82-88
[4]   人工鱼群算法在无功优化中的应用 [J].
彭鹏 ;
张铁岩 .
沈阳工程学院学报(自然科学版), 2015, 11 (01) :58-62
[5]   主动配电网优化技术研究现状及展望 [J].
王成山 ;
孙充勃 ;
李鹏 .
电力建设, 2015, 36 (01) :8-15
[6]   自适应对偶种群遗传算法及其在电磁场优化设计中的应用 [J].
徐斌 ;
姚缨英 .
电工技术学报, 2013, 28 (03) :183-187
[7]   基于云自适应梯度粒子群算法的无功优化 [J].
祝洪博 ;
徐刚刚 ;
海冉冉 ;
余立平 .
电网技术, 2012, 36 (03) :162-167
[8]   基于改进小生境遗传算法的电力系统无功优化 [J].
崔挺 ;
孙元章 ;
徐箭 ;
黄磊 .
中国电机工程学报, 2011, 31 (19) :43-50
[9]  
基于改进粒子群算法的电力系统无功优化研究.[D].姜辛.大连海事大学.2014, 03
[10]  
基于改进遗传算法的电力系统无功优化.[D].林周泉.南华大学.2013, 02