基于遗传算法区域电网无功优化

合集下载

基于自适应遗传算法的配电网无功优化

２ｕｙｎｏｅｏａｙＬｏａｇ７０９ｈｎ）．ＬｏａｇＰｗｒＣｍｐｎ，ｕｙｎ１０，Ｃｉａ４
ＡｂｔａｔＡｓｆｒｔｈｒｃｍｉｇｏｒｄｔｎｌｇｎｔｃａｇｒｔｗｈｃａａｉｙｆｌｉｔａｔｌｏｓｒｃ：ｏｈｅｓｏｔｏｎｆｔａｉｉａｅｅｉｌｏｈｍｉｈｃｎｅｓｌａｌｎｏｐｒｉｐ— ｏｉａｔｍｕａｄｈｖｌｗａｅｏｏｖｒｅｃｅｓｄｉｏｖｎｇｔｅｃｉｅｐｗｅｐｔｚｔｎｐｒｂ— ｉｍｎａｅｓｏｒｔｆｃｎｅｏｒｏｉａｉｏｖｍｉｏｌｍｓｏｉｔｂｔｏｅｗｏｋ，ｉｈｓｐｐｒｄｐｉｅｇｎｅｉｌｏｔｍｓｉｔｏｕｅｎｏｒａｔｅｅｆｄｓｒｕｉｎｎｔｒｉｎｔｉａｅ，ａａｔｅｔｃａｇｒｈｉｎｒｄｃｄｉｔｅｃｉｖｉｖ
ｐｗｒｏｔｚｔｎｏｉｒｕｉｎｎｔｏｋ，ａａｔｅｃｏｓｒｔｎａａｉｎｒｔｉｕｅＯｔｋｏｅｐｉａｉｆｄｓｂｔｅｗｒｍｉｏｔｉｏｄｐｉｒｓａｅａｄｖｒｔａｅｓｓｄＳｏｍａｅｖｉｏｔｅｃｎｏｍｏｔｅｄｎｍｉａｄａａｔｅｇｎｔｇｒｈｓａｃｒｃｓ．Ｓｍｅｉｒｖｍｅｔｎｈｍｏｆｒｔｈｙａｃｎｄｐｉｅｅｉａｏｔｍｅｒｈｐｏｅｓｏｍｐｏｅｎｓｉｖｃｌｉｓｃｒａｓｅｃｄｎｕｈａｅｓａｎｏｉｇ，ｆｎｓｕｃｉｎｄｓｇｉｅｓｆｎｔｅｉｎ，ｇｎｔｐｒｔｎｎｅｍｉａｉｎｃｔｒｎａｅｔｏｅｅｉｏｅａｉｓａｄｔｒｎｔｒｅｏｒｃｏｏｉｉ

基于遗传算法的无功功率优化与控制专家系统开发

段中，化效果好的设备过多地动作，优导致后期时
性及非线性优化方法时，传统的算法存在一些缺
■ 翟
１８
。
江国琪等：基于遗传算法的无功功率优化与控制专家系统开发
ＰｏｅｓｅｍｃｈｗｒＳｙｔＴｅｎｏｉｇｙｏ
文章编号：６４００（０８０ — ０７０１７ — ０９２０）４０１ —４
中图分类号：Ｍ７１Ｔ６
ＴⅢ ｍ～重 Ⅲ ＿呈一… ．ｍ～一鼋蚕ｃ ∞ 一一一．ｄｍ～ｎ～。咖＝～．ｍ．量一Ⅲ ｅａ吼＿一～．一～
无功功率的优化是电力系统节能增效的有效
介绍，大部分未对设备操作次数和操作成本作更但多的考虑，导致了设备动作频繁和利用率差别很大。同时，多的设备参与电压无功调整会带来设过
备损耗和对系统运行的扰动。此外由于每个调度期
优化精度的同时求解过程较为简单。关键词：无功功率；目标优化；多电能质量；遗传算法
答：然后遗传算法以此粗略解答作为初始种群进行运算，获得调度的优化解答。
１数学模型的建立
Ｏ引言
传统的无功电压优化模型在许多文献中均有
ＲｅｃｉｅＰｏｒＯｐｔｍｉａｉｎａｎｒｌＥｘｒｓｅｖｌｐｍｅａｔｖｗｅｉｚｔｏｎｄＣｏｔｏｐｅｔＳｙｔｍＤｅｅｏｎｔ

基于改进遗传算法的配电网动态无功优化

明本文方法在全局收敛性以及克服早熟等方面具有优势．
关键词：电力系统；配电网；功优化；无遗传算法；沌混
中图分类号：ＴＭ７４４文献标识码：Ａ
ＤｙｍｉａｔｖｗｅｔｍｉａｉｎＭｅｈｄｆｒＤｉｔｉｕｉｎｎａｃＲｅｃｉｅＰｏｒＯｐｉｚｔｏｔｏｏｓｒｂｔｏＮｅｗｏｋＢａｅｎＩｐｒｖｄＧｅｅｉｇｒｔｍｔｒｓｄｏｍｏｅｎｔｃＡｌｏｉｈ
摘要：综合混沌变异的泛化能力和邻域搜索的局部寻优能力，实现配电网动态无功优
化问题的快速求解．用混沌神经元的输入输出特性建立变异算子与种群多样性测度的自利
适应关系，实现种群多样性的动态调节，出基于优秀个体特征信息的邻域搜索，提实现局部寻优．编码过程中，在结合配电网动态无功优化的特点提出一种由投运组数和投运时间构成的两段式整数编码方式，短了染色体长度、除了不可行码．ＥＥ９配电网算例结果表缩消ＩＥ６
第３７卷第３期
２１年Ｏ然科学版）
Ｖｏ．７，．１３Ｎｏ３
Ｍａ￣２０ｌ０ｒ
３月
Ｊｕｎｌｏｕａｉｅｓｔ（ｔｒｌｃｅｃｓｏｒａｆＨｎｎＵｎｖｒｉＮａｕａｉｎｅ）ｙＳ
ｎｉｅｇｈｂｒｏｅｒｈｍｅｈｏｏｈｏｄｓａｃｔｄ，ａｎｅｄａｃｒａｔｖｏｒｏｉｉａｉｎｍｅｈｏｒｄｉｔｉｉｎｎｔｒｗｙｎｍｉｅｃｉｅｐｗｅｐｔｍｚｔｏｔｏｄｆｓｒｂｕｔｏｅｗｏｋｗａｒｏｅｓｐｏｐｓｄ．Ｔｈｅｅｆａｐｅａｉｓｐｅｗｅｎｍｕａｉｅａｏｒａｄｐｏｌｔｏｎｄｉｅｓｔｓｂｕｌｓｌ－ｄａｔｒｌｔｏｎｈｉｂｔｅｔｔｏｎｏｐｒｔｎｐｕａｉｖｒｉｙｗａｉｔｂｓｄｏｈｎｔｏｕｐｕｅａｉｎｓｐｏｈｏｉｕｒｎ，ｗｈｃｍｐｅｎｅｈｅｄｙａｉａｈｎｇｆｐｐ— ａｅｎｔｅｉｐｕ — ｔｔｒｌｔｏｈｉｆｃａｔｃｎｅｏｉｈｉｌｍｅｔｄｔｎｍｃｌｃａｅｏｏｕｌｔｏｖｒｉｙ．Ｉｒｒｔｃｅｅａｅｔｅｃｎｖｒｎｅ，ｎｉｈｂｈｄｓａｃｎｓａｌｅｈｅｂａｉａｉｎｄｉｅｓｔｎｏｄｅｏａｃｌｒｔｈｏｅｇｅｃｅｇｏｒｏｏｅｒｈｉｇｗａｐｐｉｄｏｎｔｓｓｏｈｅｆａｕｅｉｏｍａｉｎｏｈｅｅｃｌｅｔｉｉｉａｓｄｉｇｅｃｖｕｉｎ．Ａｗｏｓｃｉｎｉｅｒｃｉｇｆｔｅｔｒｎｆｒｔｏｆｔｘｅｌｎｎｄｖｄｕｌｕｒｎａｈｅｏｌｔｏｔ — ｅｔｏｎｔｇｅｏｄｎｍｅｈｄｗｈｉｈｃｔｉｅｈｅｃｐｃｔｒｎｕｂｒａｄｓｔｈｔｍｅｗａｅｅｅｔｏｃｏｎａｎｄｔａａｉｏｍｅｎｗｉｃｉｓｐｒｓｎｔｄ．ＴｈｉｃｄｎｇｍｅｈｏｕｄｓｏｉｔｏｄｃｌｓｒｅｈｅｌｎｈｏｆｃｏｈｏｔｎｔｅｇｔｈｒｍｏｓｍｅａｌｍｉｔｈｅｉｆａｉｅｃｅｅｆｃｉｅｙＴｈｅｐｏｐｓｄｍｅｈｄｗａｏｎｄｅｉｎａｅｔｎｅｓｂｌｏｄｆｅｔｖｌ．ｒｏｅｔｏｓａｌｅｏＩｐｐｉｄｔＥＥＥ９ｂｙｔｍ．Ｏｐｉｚｔｏｎｒｓｌｓｈａｈｏｈｔｉｓｓｒｎｏｌｓａｃｎａ — ６ｕｓｓｓｅｔｍｉａｉｅｕｔｖｅｓｗｎｔａｔｈａｔｏｇｇｌｂａｅｒｈｉｇｃｐａｂｌｔｎｄｈａｄｖｎａｅｎｏｖｒｏｎｇｐｅｔｒｉｉｙａｓａａｔｇｓｉｅｃｍｉｒｍａｕｅｐｈｅｍｅ．ｎｏｎａ

基于改进遗传算法的配电网无功规划优化

ｔｃｐｗｒｏｓｆｉｒｕｉｅｏｋｔｅｉｅｔｎｆｅｃｖｏｅｏ — ｏａｂｎｆｓｆｅｒｏｅｓｏｓｂｔｎｎｔｒ，ｈｖｓｉｇｉｅｃｉｌｄｔｉｏｗｎｍｅｔａｔｅｐｗｒｍｏｒｉｃｐｎａｏｑｉｍｎｎｅｕｉｆｏｅｏａｅａｅｏｊｃｖｎｔｎｏｅｃａａｔｉｉｓｅｓｔｎｅｕｐｅｔｄｔａｔｏｄｌｇｓｈｂｔｅｕｃｏ．Ｆｒｈｈｒｃｒｔｉａｈｑｌｙｎｖｔｔｅｉｆｉｔｅｓｃ
目标函数，最大负荷运行方式下建立了配电网无功规划优化的数学模型。针对配电网分支在和待补偿节点多的特点，出一种无功电流损耗最小的算法，以优化补偿电容器的个数和位提用置，并在此基础上，合改进的遗传算法进一步提高无功规划优化的精度和效率。该方法既可结以减小初始种群的无效解，克服了“ 维数灾 ” 又可以避免遗传算法的早熟和欺骗问题。仿真，
ＯｐｉｉａｉｎｏｓｒｂｔｏｔｒｓｄｏｈｍｐｏｅｎｔｇｒｔｍｔｚｔｆＤｉｔｉｕｉｎＮｅｗｏｋＢａｅｎｔｅＩｒｖｄＧｅｅｉＡｌｏｉｍｏｃｈ
ＧＯＬ—ｉｇ，ＷＡＧＪｎｘｎ，Ｉｕ－ｎＡｉｎｐＮｉ —ｕＬＵＨｉｉａｊ（．ｏｅｅｏｌｃｃｌｎｉｅｒｇ１ＣｌｇｆｅｔａＥｇｅｎ，Ｗｕａｎｖｒｉ，ｈｎ４０７，ＣｉａｌＥｒｉｎｉｈｎＵｉｓｙＷｕａ３０２ｈｎ；ｅｔ２ＬｏａｇＥｅｔｃＰｗｒｕｐｙＣｍｐｎ，ｕｙｎ７０９ｈｎ）．ｕｙｎｌｃｏｅｐｌｏａｙＬｏａｇ１０，ＣｉａｉｒＳ４

基于遗传算法的电网无功规划的优化

足约束方程条件下，求出目标函数极值。由于目标函数及运行变量约束方程都是非线性函数，可通过求解非线性方程求出问题的解。
２１目标函数．
优解的搜索过程中往往需要耗用大量的ＣＵＰ时间．但是对于无功规划而言，经济性是考察的主要方面。
２１１最小网损函数ｍｉ．．
算法中采用选择算子来对群体中的个体进行优率；为能源成本增长率；为银行贷款利率；为补ｅｇ本设选取偿点序偿设备单位￣ＶＡｊＣ；Ｑ为第年补偿点的补偿胜劣汰的操作。计中，了简单的比例选择方
容量增量。
２２约束条件．
２．决策变量约束．１２
１城市电网无功优化概论
城市电网必须有相等的有功和无功电源来与之
ｍ： ∑ Ｇ。ｉ ∑ ｎ
ｉ１』１＝一
（１）
式中：为电网节点数；分别为节点的电压；ｎ、 √
平衡，确定无功电源则与电网的电压质量、而网损和
维普资讯
ｌＩｌ８：ＩＩＩＩｌｊｌＩＩＩｊＩｌＩ
ｒｉｌｓｓ。ｅａ＝ｅｓｔ［ｕｃ）
基于遗传算法的电网无功规划的优化
方勇朱海涛白护航彭明桥ｚ万荣兴・，，，，
（．５Ｖ１７０ｋ兰州输变电运行公司，甘肃兰州７０５；．３００２西北电网有限公司，陕西西安７ｉ电所单位无功补偿容量的综合价变
格，Ｑ节点所需无功补偿容量增量。Ａ。为ｉ
２１３最大综合经济效益函数ｍａＶ．．ｘ

基于改进遗传算法的配电网无功优化控制

维普资讯
第２卷第４３期
２００６年１２月
ＡＨＵＬＣＲＣＰＷＥＮＩＥＴＩＯＲＥ
发蠢电知
５５
基于改进遗传算法的配电网无功优化控制
Ｒｅｃｖｏｒｏｔｉａｏｆｒｄｃｌｓｒｂｔｎｓｓｅａｔｅｐｗｅｐｉｚｔｎｏａｉａｔｉｕｉｙｔｍｉｍｉｉｄｏｏｍｐｏｅｅｅｃａｇｒｔｍｎｉｒｖｄｇｎｔｌｏｈｉｉ
李正燕
（门职业技术学院电子信息学院，荆湖北荆门４８３４１４）
摘要：电力系统的无功优化以及无功补偿对于电网的安全、经济运行有着重要意义，实现配电网无功优化的主要控制手段是调整有载调压变压器的挡位和投入并联电容器的组数。中采用改进遗传算法实现了配电网无功优化计算，文该算法有较好
ｍｅｏｄ．ｈｔ
Ｋｅｗｏｄ：ｄｓｉｕｏｅｗｏｋｒａｔｅｐｗｅｐｉｚｔｎｃｎｏ；ｅｅｃａｏｔｍｙｒｓｉｒｂｔｎｎｔｒ；ｅｃｖｏｒｏｔｔｉｉｍｉａｏ；ｏｔｌｇｎｔｇｒｈｉｒｉｌｉ
ｎｅｗｏｋ．Ｉｔｔｍｉａｉｆｔｅｒｄｃｌ￣ｔｉｔｏｎｓｔｍｔｐｒｎｃｐｌｅｎｓｉｏｅｕｌｔｅｎ－ｏａａｔａｓｏｒｅｎｔｒｎｈｅｏｐｉｚｔｏｎｏａｉａｄｒｂｕｈｉｙｓｅｉｓｉｉｅｍａｓｔｒｇａｅｔｏｌｄｔｐｒｎｆｍｒａｄｈ

基于遗传算法实现电网的无功优化

１遗传算法
生物群体在自然选择和种群繁殖的双重作用下，不断进化，从广义上看是一个优化过程。遗传算法就是模拟这种生物进化过程的一种新型优化算法，它使用二进制位串来表示某一优化问题的可行解，用
随机方法产生一个可行解的集合，照自然选择的原理，按即群体中适应度越高的个体获得繁殖后代的机会也越大的原则，用Ｇ运Ａ中定义的各种算子，如杂交、变异等模拟进化，群体不断优化最终找到问题使的最优解 …。对一个优化问题，Ａ求解步骤如下：Ｇ１１产生初始群体．
电力系统中无功功率不足，产生电压水平下降，将损耗增加，定性下降，户部分用电设备工作不稳用正常等一系列问题。因此在现代电力系统中不仅要重视有功功率的产生和平衡，且要十分重视无功而功率的平衡和配置。由于电网中包含多个变电站和相关的电容补偿装置，理进行变压器分接头的调合节和补偿电容器组的投切对电网的经济运行有重要意义。因此电力系统无功优化是指满足系统各种运行约束的条件下，过优化计算确定发电机的机端电压、载调压变压器的分接头挡位和无功补偿设备通有投入等，以达到系统有功网损最小。无功优化是一个多变量、线形、连续、约束的问题，统的基非不多传于一点搜索的优化方法难以找到符合运行要求的最优解，遗传算法在解决多变量、非线性、不连续、多约束的问题时显示出独特的优势，无功优化领域中的应用日益为人们所重视。在

基于遗传算法的电网无功优化

关键词：电力系统；功优化；遗传算法无中图分类号：Ｍ７４１Ｐ０．文献标识码：文章编号：０－３（０７０－４－５Ｔ１：１３１６Ａ１１５１２０）１００００５０
何正文（９１一）１８，
男，士研究生，硕研究方向为电力系统运行与控制。
以及中止判据方面做了详细的阐述，建立了基于遗传算法的电力系统无功优化模型，避免了常规数学优化方法的局部最优问题。计算机仿真结果表明，传算法能够更好地遗收敛于全局最优解，能更切合电力系统运行的实际，能有效提高电压质量和降低网损。该算法已应用于某地区无功优化软件，取得了较好的效果。
ａｏｄｔｅｌｃｐｉａｏｕｉｎｎｃｎｖｔｏａｔｍａｉａｐｔｍｉａｉｎｐｒｂｌｖｉｈｏａｏｔｍｌｓｌｔｏｓｉｏｅｎｉｎｍａｈｅｔｃｏｉｚｔｏｏｅｍ．Ｔｈｅｕｔｆｏｔｅｃｍｐｅｌｌｌｅｒｓｌｒｍｈｏｕｔｒ
Ｋｅｒｓ：ｅｅｔｉａｏｒｓｓｅｙｗｏｄｌｃｒｃｌｐｗｅｙｔｍ；ｒａｔｅｐｗｅｐｉｚｔｎ；ｇｎｔｃａｇｒｔｍｓＧＡ）ｅｃｖｉｏｒｏｔｍｉａｏｉｅｅｌｏｈ（ｉｉ
０引言
保证系统的安全、定运行，稳降低网损，高提
ｃｃｌｔｏｘｍｐｅｓｏｈｔｔｅｇｎｔｇｒｈａｏｎｙｃｎｅｇｎｔｅｇｏａｏｔｌｏｕｉｎｂｔａｓｌａｕａｉｎｅａｌｈｗｓｔａｈｅｅｉａｏｉｍｓｃｎｎｔｏｌｏｖｒｅｉｈｌｂｌｐｉｃｌｔｍａｓｌｔｕｏｏｌｉｒｖｏｔｇｕｉｅｌａｅｕｅｎｔｏｋｌｓｓｈｐｒａｈｈｓｂｅｅｔｄｉｎｏａｅｃｉｅｐｗｒｍｐｅｖｌｅｑａｔａｗｌｓｒｄｃｅｗｒｏｅ，Ｔｅａｐｏｃａｅｎｔｓｅｎｏｅｌｃｒａｔｏｅｏａｌｙｓｌｖｏｔｚｔｎｓｓｍ，ａｄｇｏｆｃｓａｅｏｔｉｅ．ｐｉａｉｙｔｍｉｏｅｎｏｄｅｆｔｒｂａｎｄｅ

基于遗传算法的电力系统无功优化

等）供。异步电动机在电力系统无功负荷中所占比重很大，提其功率因数为０６０８线路电抗消耗的无功与运行电压等级和状．．．
３遗传算法的基本原理．２
遗传算法是具有“ 生成＋测 ” 检的迭代过程的搜索算法，即是以自然选择和遗传理论为基础，将生物进化过程中适者生存规则与群体内部染色体的随机信息交换机制相结合的搜索算法。它在搜索之前，先将变量以某种形式进行编码（码后的变编量称为染色体）不同的染色体构成一个群体。对于群体中的染，色体，以某种方法评估出其适应值。遗传算法中包含了以下将五个基本要素：（）数编码。先对优化问题的变量进行编码（反操作称１参其之为解码）一般以一定长度的二进制０１。、编码串表示，为个称体的基因，个体就代表优化问题的一个可能解。
大的概率找到优化
２无功优化
电力系统中的无功需求主要是异步电动机的无功负荷、变压器和线路的无功损耗，无功电源则由发电机及无功调节补偿装置（同步调相机、电电容器、如静电力电抗器以及静止补偿器
法这种隐含的并行性是它区别于其他优化方法最主要的因素。（）４遗传算法像撒网一样，在变量空间中进行寻优，Ｎ个由
解问题时，问题的每一个可能的解都被编码成一个“ 染色体 ” ，即个体，若干个个体形成了群体。在遗传算法开始时，总是随机产生一些个体（始种群）根据预定的适应度函数对每个个体初，

基于遗传算法与粒子群算法的配电网无功优化

基于遗传算法与粒子群算法的配电网无功优化
李正燕
（楚理工学院电子信息工程学院，北荆湖荆门４３０）４００
摘
要：据遗传算法（Ａ）敛效果好和粒子群算法（Ｓ收敛速度快的特点，两者相结合对配电网无功优根Ｇ收ＰＯ）将
化模型进行求解。计算结果表明：算法是收敛的、效的。该有关键词：电网；功优化；传算法；子群算法配无遗粒
中图分类号：５Ｔ８文献标识码：Ａ文章编号：６２５Ｘ（０７０ —０４０１７ —７５２０）４０４— ３
问题。本文提出了基于遗传算法（Ａ）Ｇ与粒子群算
力和处理离散变量的特性。但遗传算法具有计算效率低，化速度慢的弱点。粒子群优化（ａｔｌ优ＰｒｉｅｃＳｒＯｔｚｔｎ算法是由Ｋｅｎｄｗａｍｐｉａｉ）ｍｉｏｎｅｙ和Ｅｅ— ｂｒ
ＬＩＺｎｇｙｎｈｅ — ａ
（ｉｃｕＵｉｒｔｏＴｃｎｌｙＪｇｅ４００Ｃｉ）Ｊｇｈｎｅｉｅｈｏｇ。ｉｍｎ３０，ｈａｎｖｓｙｆｏｎ４ｎ
Ａｂｓｒｃ：ＴｈｉａｅｍｐｅｎｓｒａｔｖｏｒｏｔｍｉａｉｎｃｌｕａｉｎｂｓｄｏｙｉｆＧｅｅｉｔａｔｓｐｐｒｉｌｍｅｔｅｃｉｅｐｗｅｐｉｚｔｏａｃｌｔｏａｅｎｈｂｒｄｏｎｔｃＡｌｏｉｈａｄＰａｔｃｅＳｗａｍｇｒｔｍｎｒｉｌｒＯｐｔｍｉａｉｎ．ＩｎｔｇａｅｉｚｔｏｔｉｅｒｔｓＧＡｔｈｅｃａａｔｒｓｉｆｃｎｖｒｅｙｗｉｈｔｈｒｃｅｉｔｃｏｏｅｇｎｃａｎｄＰＳＯｔｈｈｒｃｅｉｔｃｏｆｒｐｉｌｏｅｇｎｗｉｈｔｅｃａａｔｒｓｉａｄｙｃｎｖｒｉｇ．Ｔｈｅｅｍｐｌｈｗｓｈｔｔｄｌｉｏ — ｘａｅｓｏｔａｈｅｍｏｅｓｃｒｒｃ，ａｄｔｅａｇｒｔｅｔｎｈｌｏｉｈｍｓｃｎｖｒｅｎｄｅｆｃｉｅ．ｉｏｅｇｎｔａｆｅｔｖＫｅｒｓ：ｄｓｒｂｔｏｅｗｏｋ；ｒａｔｖｏｒｏｔｍｉａｉｎ；ｇｎｔｃａｇｒｔ；ｐｒｉｌｗａｍｙｗｏｄｉｔｉｕｉｎｎｔｒｅｃｉｅｐｗｅｐｉｚｔｏｅｅｉｌｏｉｈｍａｔｃｅｓｒ

基于辅助问题和遗传算法的电网分区并行无功优化的研究

较强的收敛性和快速性。
关键词：网分区；解协调模型；助问题原理；传算法；电分辅遗无功优化
中图分类号：Ｍ７Ｔ３
文献标识码：Ａ
文章编号：０９０６（０７０ — ０３０１０ — ６５２０）２０２ — ４
的方法进行分布式并行计算，互联电网无功优化问题分解为多个子网的并行无功优化问题，每个子网中，用遗将在采传算法求解子系统的的优化问题。基于地域的系统分解与协调符合电网市场的发展方向。仿真结果表明该方法具有
≤ ≤ 一
式（～５中：ｈｘ表示不等式约束；ｇｊ）示１）用（）用（表ｒ
等式约束；＝（Ｑ，，）表示各节点的有功注入、Ｐ，０Ｖ，无功注入、角、相电压幅值。
算速度缓慢、网络通信阻塞等弊病，已无法满足在线分析和实时控制的要求．高效的并行优化算法而
＝＋Ｖ
∈ Ｎ
（ｉ￣ｃｓ）Ｇｓｎ０一ｏ
电机注入功率，，Ｖ表示边界节点电压的相角和电
压幅值。因分解而产生边界节点在电气上应该是等值的，即１２。这样，＝＝目标函数Ｆｊ可以写（）ｒ
萝
（）离前ａ分
：＠
（）离后ｂ分
１无功优化问题的数学模型

电力系统中基于遗传算法的优化研究

电力系统中基于遗传算法的优化研究电力系统是国家经济发展的重要支柱之一，在电力系统的运行中，随着能量的转化，电力的质量和效率都成为了技术发展中需要优化的方面，因此，在电力系统中运用数学算法进行优化的研究得到了广泛的关注。

遗传算法是其中的一种重要算法，被广泛应用于电力系统中的优化问题，本文将重点阐述电力系统中基于遗传算法的优化研究。

1. 遗传算法简介遗传算法是模拟生物进化过程的一种计算方法，其基本模型由基因、染色体、适应度函数三部分组成。

基因是代码片段，编码了个体某一特定性状的信息。

染色体就是基因的集合，它代表了个体的一个完整的基因组，该染色体的变化是在演化过程中发生的。

适应度函数是用来评价个体之间优劣程度的函数，即在演化过程中，它的值能够反映个体对问题的适应性。

遗传算法通过复制、交叉、变异和选择这四个基本遗传操作，在各个群体中产出新的个体，使得良好的个体逐渐趋于优化。

2. 电力系统的研究优化问题电力系统中的优化问题是一个多目标的问题，与电力运行的安全性、经济性、环境保护等方面有关。

电力系统的问题主要包括发电机组的优化调度、电力质量的优化和电力的节约等方面。

2.1 发电机组的优化调度电力系统中的发电机组是整个系统的核心，其调度优化能否合理，直接影响到电力系统的质量和效率。

在发电机组的调度中，可以利用遗传算法来进行优化调度。

通过适当的传递优良特性的基因，使新的个体逐步趋于优良，不断优化，求得最优解。

2.2 电力质量的优化电力质量问题在电力系统内已经成为一个关键问题。

电力质量的优化主要是指在电力三相不平衡、电压闪变、频率跳变、电力谐波、电磁干扰等方面对电力质量进行有效的控制。

在优化过程中，可以利用遗传算法对问题进行分析和解决。

2.3 电力的节约在电力系统中，节约电力成为了一个重要课题。

通过遗传算法对于能源中节能的部分进行充分的探讨，能更好的研究和利用电力系统的优化问题。

3. 遗传算法在电力系统中的应用目前，在电力系统领域中，遗传算法已经被广泛应用，下面将分别介绍其在发电机组的优化调度、电力质量的优化和电力节约等方面的应用。

遗传算法在电力系统无功优化中的应用

遗传算法在电力系统无功优化中的应用科学运用遗传算法可有效促进无功优化最优解效率快速提升，进而确保电力系统运行具有较强安全性与稳定性。

同时在电力行业发展期间，电力系统规模也不断增加，这就需要针对遗传算法进行优化与创新，为强化电力系统无功优化效率提供有力支持。

标签：遗传算法;电力系统;无功优化随着我国电力工业已经步入了大电网、高电压和大机组的时代，电力负荷和电网容量迅速的增加，电网损耗、电压合格率等技术指标日益受到电力部门的重视，无功优化是保证电力系统安全、经济运行的一种有效手段，是降低电力网络有功损耗、提高电压质量的重要措施。

遗传算法（Genetic Algorithm，GA）是一种模拟生物进化的智能算法，借鉴生物遗传机制的一种随机化搜索方法，其主要特点是群体搜索和群体中的个体之间的信息交换，被广泛应用于求解各类问题。

遗传算法近年来在优化技术领域有了很大的发展，它具备适用范围广，寻优能力强，程序实现相对简单等优点，对于一些大型、复杂非线性系统，更表现出了比传统优化方法更加独特和优越的性能，适合于求解类似于无功优化等复杂非线性优化问题。

1遗传算法所谓遗传算法就是针对自然界中遗传选择与适者生存进化过程进行科学模拟的计算模型，属于随机搜索方法中的一种，具有群体搜索方法、群体中单体数据信息交换、不以解题信息为基础进行搜索、适应性与全局搜索性较强等特征[1]。

在科学技术快速发展作用下，作为全局优化搜索方法的遗传算法，可有效解决传统搜索方法存在的各种非线性问题，使得遗传算法在机器智能化发展、人工智能、组合优化等工作中有着重要作用与地位，这也致使遗传算法逐渐成智能计算的核心技术。

2无功优化介绍及典型方法电力系统无功优化的目的是通过调整电网中无功潮流的分布来降低有功损耗，并且保持较好的电压水平。

2.1 电力系统无功优化概述。

电力系统无功优化的基本思路是[3]：在电力系统有功负荷、有功电源及有功潮流分布已经给定的情况下，以发电机端电压幅值、无功补偿电源容量和可调变压器分接头位置作为控制变量，而以发电机无功出力、负荷节点电压幅值作为状态变量，应用优化技术和人工智能技术，在满足电力系统无功负荷的需求下，谋求合理的无功补偿点和最佳补偿容量，使电力系统安全、经济地向用户供电。

遗传算法在电力系统无功优化中的应用

偶变量信息和费用函数，以获得更好的新成员。在遗
传操作上采用了头一尾交叉和尾一尾交叉的交叉方式。头一尾交叉用于迭代的头几代中，以较多可地改变有效位从而提供较多的变化机会；尾一尾交叉用于迭代的最后几代，少地改变有效位。在仿较真计算结果中，方法迭代次数明显较少．投资该且
链表示．并证明ＳＡ为时齐遗传算法且强不收敛。Ｇ
为改进其收敛性，引入了模拟退火中的退火因子加
入到选择操作中，成为整体退火选择，即允许父代参
加竞争。ＭＡＧ又采用了准确定性退火选择准则及Ａ逐代记录最优个体原则，每一代的最优个体保留将下来不参加遗传操作。经过算例分析，算法的收敛该速度快，种性能均优于ＳＡ，够以较大概率找各Ｇ能到全局或准全局最优解。
交替进行投资和运行之间的计算，至迭代收敛，直并
从旧群体中构造了本德斯分解函数．分利用了对充
文献［］８比较了Ｇ与Ｓ的共性和异性，ＡＡ利用
各自优点提出了Ｓ／Ａ和ＧＳ２种混合寻优ＡＧＡ／Ａ
２模拟退火算法（Ａ）ＧＡ相 ห้องสมุดไป่ตู้ 合Ｓ和
文献［］出一种退火选择遗传算法（Ａ）６提ＡＧ及其改进算法（ＭＡＧ，Ａ）可很好地解决大规模电力系统的无功优化问题，该算法具有良好的通用性，且可用于其他系统的优化。文中将Ｇ用时齐ＭａｋｖＡｒｏ

基于改进遗传算法的配电网无功优化规划

ｏｍｉｉｍａｎａｘｅｓ．Ｄｉｅｅｔｏｄｌｏｓｄｒｄｆｎｍｕｎｕｌｐｎｅｅｆｒｎｌａｓａｅｃｎｉｅｅ．Ｂａｅｎｓｎｉｖｔｎｌｓｓｌｏｔｌｓｄｏｅｓｔｉａａｙｉ，ａｌｐｉｍ￣ｌｄｔｉｙｍａｏＯ
ｓｅｏｅｓｔｇｎｄｓｓｕｇｓｅｓｎｏｄＰｗｅｍｐｄｎｅＭｏｎＭｅｈｄｅｋｃｍｐｎａｉｎｏｅｉｇｅｔｄｕｉｇＬａｏｒＩｅａｃｓｍｅｔｔｏ．Ｔｈｅｓｉｉｎｌｓｓａｄｅｓｎｉｖｔｔｙａａｙｉｎ
ａｍｓｔｎａｃｅｐｌｍｅ￣ｏｔｅｃｏｓａｄｖｒａｏｆｎｔｇｒｈｉｏｅｈｎｅｔＣ＇ｎ￣ｆｒｓｎａｉｔｎｏＧｅｅｉＡｌｏｉｍ；ａｄｔｈｔｈｉｃｔｎｏｉｏｅｔｅｃｎｅｇｎｅｍ￣＇ｈｏｖｒｅｃｖ
明了其有效性和实用性。
ቤተ መጻሕፍቲ ባይዱ
关键词：无功规划；负荷功率阻抗矩；灵敏度；灾变；遗传算法
中图分类号：Ｔ１Ｍ７５文献标识码：Ａ文章编号：１０－６１（０７１０２－５０７２９２０）０ —０６０
Ｏｐｔｍｉａｏｆｒａｔｖｅｐｗｅｌｎｎｇｏｉｔｉｔｏｙｔｍｓｂａｅｏｉｚｔｎｏｅｃｉｉｏｒｐａｎｉｆｄｓｒｂｕｎｓｓｅｓｄｎｉｉｍｐｒｖｄｅｔｃａｇｒｔｏｅｇｎｅｌｏｉｈｍｉ

基于改进遗传算法的电力系统无功规划优化

（．１辽宁工程技术大学电气工程系，宁阜新１３０；２黑龙江双鸭山矿业集团供电公司。辽２００黑龙江双鸭山１５０）５１０
摘要：简要分析了几种无功优化方法的局限性，通过比较得出遗传算法是求解无功优化的一种有效的方法，
Ｑ＜Ｑ，ｉ
参数编码、始群体的设定、应度函数的设初适计、传操作是遗传算法的４个基本要素，们构成遗它了遗传算法的核心内容Ｊ。本文针对常规遗传算法收敛速度慢、易早熟等缺陷，对遗传算法的４个要素均进行了改进，提出了一种适合于求解无功优化问题的改进遗传算法，之应用于ＩＥ将ＥＥ６节优化效果好，而且在精度和收敛度上都有较大提高。
关键词：无功优化；改进遗传算法；自适应；浮点编码；双层结构群体中图分类号：Ｔ６Ｍ７文献标识码：Ａ文章编号：１０－８７２０）３０９００３４９（０６１－２－０４
维普资讯
第３卷第１期４３２０年７月１日０６
继电器
ＲＥＬＡＹ
Ｖｏ．４Ｎｏ．３１３１
Ｊ１１，２０ｕ．０６
２９
基于改进遗传算法的电力系统无功规划优化
陈芳元，汪玉凤刘贵友，
间的电导、纳和电压相角差。电
统，实验结果表明本文的改进算法是有效可行的。
ｌ无功优化数学模型的建立

基于改进遗传算法的配电网无功优化控制

维普资讯
第６卷第６期
２００６年１２月
金华职业技术学院学报
ＤＣ６ｏＶ１Ｎ．０６．ｏｏ６ｅ．２
基于改进遗传算法的配电网无功优化控制
李正燕
（门职业技术学院电子信息学院，北荆ｆ４８０）荆湖－４００１摘要：电力系统的无功优化以及无功补偿对于电网的安全、济运行有着重要意义。实现配电网无功优化的主要经
控制手段是调整有载调压变压器的档住和并联电容器的投入组数．本文采用改进遗传算法实现了配电网无功优化计算，算法有较好的计算效率和全局寻优能力，且通过实例验证了本文方法的实用性和有效性。该并
得优化过程十分复杂，规的解决方法主要有线性常
授基于达尔文的 “ 者生存，适自然选择 ” 进化理论的
提出并逐步发展起来的。这种方法是一种模拟自然选择和遗传机制的随机优化算法，只需目标函数它作为寻优信息，通过对初始群体的不断选择交叉、变异来找到最优个体，有很强的全局寻优能力和具
ｐａｔａｉｔｄｖｉｉｆｈｔｏ．ｒｃｉｂｌｙａａｄｔｏ：ｉｔｂｔｎｎｔｒｒａｔｅｐｗｒｏｔｚｔｎ；ｅｅｉｇｒｔｍｙＷｒｓｄｓｕｉｅｗｏｋ；ｃｉｏｅｐｉａｉｇｎｔａｏｈｉｒｏｅｖｍｉｏｃｌｉ