基于果蠅優(yōu)化算法的電力系統(tǒng)無功優(yōu)化研究與應(yīng)用.pdf

1、電力系統(tǒng)的無功功率分布是否合理決定了電壓質(zhì)量的好壞，并直接影響著整個(gè)電網(wǎng)的安全穩(wěn)定和經(jīng)濟(jì)運(yùn)行。無功優(yōu)化是提高電力系統(tǒng)穩(wěn)定性、降低網(wǎng)絡(luò)損耗和改善電壓質(zhì)量的有效手段，因此研究無功優(yōu)化問題具有非常重要的意義。電力系統(tǒng)無功優(yōu)化具有連續(xù)變量和離散變量混合、多約束、非線性和高維度等特點(diǎn)，是一個(gè)復(fù)雜的優(yōu)化問題，采用一般的數(shù)學(xué)方法求解起來相當(dāng)困難，需要選擇適當(dāng)?shù)膬?yōu)化算法進(jìn)行求解。本文在研究無功優(yōu)化數(shù)學(xué)模型及相關(guān)算法的基礎(chǔ)上，綜合分析了各種傳統(tǒng)優(yōu)化算法和

2、人工智能算法的特點(diǎn)，對(duì)比后選取新興的果蠅優(yōu)化算法作為研究對(duì)象。
　　本文首先研究了果蠅優(yōu)化算法(Fruit Fly Optimization Algorithm，F(xiàn)OA)的基礎(chǔ)理論知識(shí)，針對(duì)其搜索范圍變異概率低，種群個(gè)體多樣性差，可能錯(cuò)過最優(yōu)解，尋優(yōu)精度不高和易陷入局部最優(yōu)等缺點(diǎn)，對(duì)其進(jìn)行改進(jìn)，提出一種多種群融合的果蠅優(yōu)化算法(Multi-swarm Fruit Fly Optimization Algorithm，MFOA)，采

3、用多種群、修訂評(píng)價(jià)函數(shù)、動(dòng)態(tài)收縮搜索半徑和加入局部搜索等策略，提高算法的收斂精度和跳出局部極值的能力。通過5個(gè)經(jīng)典測(cè)試函數(shù)不同優(yōu)化算法仿真結(jié)果對(duì)比分析，表明了MFOA算法的有效性。然后將改進(jìn)后的多種群果蠅優(yōu)化算法應(yīng)用到電力系統(tǒng)無功優(yōu)化中。分析了改進(jìn)后多種群果蠅優(yōu)化算法求解無功優(yōu)化問題的思路，給出了基于MFOA算法無功優(yōu)化的計(jì)算步驟和流程，并對(duì)解空間編碼、參數(shù)設(shè)置以及結(jié)束準(zhǔn)則做出具體說明。完成了基于MATLAB軟件平臺(tái)的改進(jìn)后多種群果蠅優(yōu)

4、化算法(MFOA)的電力系統(tǒng)無功優(yōu)化程序編寫，并與“Matpower”工具包中的牛頓-拉夫遜潮流計(jì)算部分相結(jié)合，對(duì)IEEE-30節(jié)點(diǎn)標(biāo)準(zhǔn)測(cè)試系統(tǒng)進(jìn)行仿真計(jì)算。通過與標(biāo)準(zhǔn)粒子群算法(Standard Particle Swarm Optimization，PSO)和自適應(yīng)差分算法(Self-adaptive Differential Evolution，SADE)的無功優(yōu)化結(jié)果進(jìn)行對(duì)比分析，得到改進(jìn)后的多種群果蠅優(yōu)化算法顯著降低了網(wǎng)損，改