粒子群优化算法在电力系统规划中的应用研究

被引:0
作者
侯颖君
机构
[1] 浙江大学
关键词
电力系统规划; 粒子群优化算法; 电力负荷预测; 组合预测方法; 配电网规划; 变电所优化规划;
D O I
暂无
年度学位
2007
学位类型
硕士
导师
摘要
电力系统规划由电力负荷预测、电源规划和电网规划构成。电力负荷预测是电力系统规划的基础,它的准确性对规划的影响很大。电网规划可以进一步分为输电网规划和配电网规划。变电所规划是配电网规划中的重要组成部分,变电所容量和变压器台数是影响城网结构、可靠性和经济性的一个重要因素。因此,针对负荷预测以及变电所规划中变电所容量和变压器台数的优化这两个具体问题进行深入研究,具有深刻的实际意义。 本文在标准粒子群优化算法的基础上提出了一种改进粒子群优化算法。它考虑了整个种群中其他微粒对每个微粒运动的社会影响,而不仅仅是单一的具有全局极值的微粒的影响,并且这种社会影响程度随着搜索的进行而动态调整。标准函数的测试证明了这种改进算法具有更强的全局搜索能力,能够有效提高原算法的精度,具有较好的实用价值。 针对负荷预测问题,本文给出了一种基于改进粒子群优化算法的电力负荷组合预测方法,用改进粒子群优化算法确定组合权重。通过实际电网数据计算证明,基于改进粒子群优化算法的负荷组合预测方法的预测误差明显小于各个参与组合的预测模型,并优于基本的粒子群优化算法和其他传统的组合预测方法,得到更好的预测效果。 针对变电所优化规划问题,本文在前人研究基础上,给出了一种基于离散形态的改进粒子群优化算法的变电所优化模型。模型以网络的建设费用和运行损耗费用最小化为目标函数,以变电所容载比和供电半径等为约束,对给定负荷水平下的城市中心负荷区110kV变电所个数、变压器台数、容量以及10kV出线回路数进行优化,并用改进粒子群算法计算求得最优解。该方法应用数学优化算法与工程实践相结合,算例优化结果和分析结论有较强的实用价值。
引用
收藏
页数:73
共 39 条
[1]
Effects of swarm size on cooperative particle swarm optimizaers..F. van den Bergh;A. P. Engelbrecht;.Proceedings of the Third Genetic and Evolutionary Computation Conference.2001,
[2]
An improved particle swarm optimization algorithm for unit commitment..B. Zhao;C. X. Guo;B. R. Bai; et al;.Electrical Power and Energy Systems.2006,
[3]
基于粒子群算法的变电所优化布点研究 [J].
冯涛 ;
顾洁 .
供用电, 2006, (03) :16-19
[4]
110/10kV高压变电所优化方案 [J].
黄民翔 ;
周满 ;
尹建兵 .
江南大学学报, 2006, (03) :313-316+321
[5]
基于免疫粒子群算法的组合预测方法 [J].
吴静敏 ;
左洪福 ;
陈勇 .
系统工程理论方法应用, 2006, (03) :229-233
[6]
基于粒子群算法的配电网网架规划 [J].
张宪 ;
苑津莎 ;
杨薛明 ;
康支霞 .
华北电力大学学报, 2006, (03) :14-17
[7]
以模拟退火算法为收敛判据的混合微粒群算法 [J].
王丽芳 ;
曾建潮 .
计算机工程与科学, 2006, (05) :77-79
[8]
组合预测方法中的权重算法及应用 [J].
权轶 ;
张勇传 .
科技创业月刊, 2006, (05) :171-172
[9]
最优组合预测方法评析 [J].
商勇 ;
丁咏梅 .
统计与决策, 2005, (17) :122-123
[10]
BP神经网络算法在年电力负荷预测中的应用 [J].
陈平 ;
漆文邦 ;
何富刚 .
四川水利, 2005, (01) :23-25