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、经济运行的有效手段,又是降低网络损耗和提高电压质量的重要措施。随着电力系统的发展,特别是联网的加强,无功优化变得越来越重要。从本质上讲,无功优化问题是一个多变量、多约束、混合非线性组合优化调度问题,存在大量的局部极值,优化过程极其复杂。而在无功优化控制系统中,无功优化算法对寻优速度和质量起着重要作用,因此,本文对无功优化算法进行研究,以获得更好的优化性能,达到降低电网有功网损和提高电压质量的目的。论文的主要工作及研究成果如下:1.介绍电力系统无功优化领域的研究现状及其发展,建立以有功网损最小为目标函数的无功优化数学模型。2.介绍基本遗传算法及其无功优化应用,详细阐述量子遗传算法及其无功优化流程,并用量子遗传算法和遗传算法对IEEE-30节点系统进行无功优化,实验结果表明,量子遗传算法获得了比遗传算法更低的有功网损。3.为了解决量子遗传算法在求解无功优化问题时易陷入局部极值的问题,提出基于改进的灾变量子遗传算法(ICQGA)的无功优化方法,以IEEE-6和IEEE-30节点系统的无功优化为例进行仿真实验,结果表明,在量子遗传算法中引进群体灾变策略,有助于量子遗传算法跳出局部极值,获得比量子遗传算法更低的有功网损。4.针对量子遗传算法局部寻优能力差的问题,提出局部搜索量子遗传算法(LSQGA),即采用两层量子遗传算法寻优,外层量子遗传算法进行全局寻优,当全局寻优搜索到的最好解经过多次迭代没有变化时,在此解附近产生小的寻优区间,采用内层量子遗传算法进行局部寻优。复杂函数优化和IEEE-30节点系统的无功优化仿真实验表明,LSQGA在寻优能力、收敛速度等方面比QGA和ICQGA好。5.在LSQGA研究基础上,提出基于实观测量子遗传算法的Memetic算法(MArQ)。MArQ是一种混合算法,即在实观测量子遗传算法中加入局部搜索操作,实观测量子遗传算法搜索整个寻优区间,而把禁忌搜索算法作为局部搜索操作嵌入实观测量子遗传算法中,使算法合理的平衡全局寻优与局部寻优。在禁忌搜索局部寻优时,每一次迭代只改变当前搜索到的最好解中的一个决策分量,在小邻域内产生候选解,且邻域半径随着禁忌搜索代数的增加而减小,同时为了增强初始种群的多样性,采用混沌初始化。用高维连续函数优化和IEEE-30节点系统的无功优化仿真实验验证算法的可行性,实验结果表明,MArQ获得的有功网损比ICQGA和LSQGA小,为求解无功优化问题提供新的思路。本文工作得到国家自然科学基金(60702026)和教育部交通工程研究中心开放基金(2008)的共同资助。