禁忌搜索算法 任务书 毕业设计
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
南京工程学院
毕业设计任务书课题名称基于禁忌搜索算法
配电电容器优化配置
学生姓名:张启
班级学号:供电091 206090815
院、系、部:电力工程学院
专业:电气工程及其自动化(供用电技术)指导教师:王甦讲师
发任务书日期2013 年 1 月8 日
1.毕业设计的原始数据:
由于配电网处于电源末端, 电压低损耗大, 降低配电网的损耗具有重要意义。作为调节电网无功潮流的主要补偿装置的并联电容器数量繁多, 而配电网线路复杂, 过去缺乏科学的电容器配置规划与优化的方案, 造成了电容器配置不合理, 无法达到优化补偿的要求。在确定电容器补偿容量时不仅要兼顾近期还要考虑远期发展,为了得到更适合于配电网电容器配置的优化方法,把禁忌搜索算法应用于配电网中电容器的优化配置。
2.毕业设计(论文)的内容和要求(包括技术要求、图表要求以及工作要求等):
(1)学习理解禁忌(Tabu)搜索算法机制。
Tabu方法是F.Glover在20世纪70年代末提出来的,其基本思想是:采用一种灵活的对历史进行记录的技术指导下一步的搜索方向,当到达局部最优解时,Tabu将搜索方向指向导致目标函数退化最小的方向上,由此避开局部最优解。同其他现代启发式方法(如遗传算法和模拟退火法)相比,Tabu法的寻优能力更加突出。在Tabu搜索法中,对每一个试验解都定义了一个邻域,然后在此邻域内搜索局部最优解。和其他梯度类型的算法不同,Tabu法允许将搜索朝使目标函数退化的方向指引,这样可以避免陷入局部最优解。Tabu 算法的最基本的特点是:将已经执行过的移动设置为临时禁止,这样可以避免搜索重复的空间。期望准则(aspiration criterion)是用来检验Tabu表中的各移动是否已经达到了释放水平。当某个移动已经满足期望准则时,说明这个移动虽然还没有在表中保存应有的迭代步数,但它可导致优化过程中有比当前解更优良的解,故应解除对其的限制。
(2)将禁忌搜索算法应用于配电电容器优化配置问题,编写程序,其大致的迭代步骤可参考如下:
1)输入原始数据,包括网络参数、电压限值、Tabu表深度等。
2)按照灵敏度公式,分别求出系统中每个节点的灵敏度。然后每次给选定的节点添加1个30 kvar的电容器组,由灵敏度分析决定选定的节点。重复此步骤直至目标函数值不再改善,此时得到的解就可作为Tabu搜索的初始试验解。
3)判断频度计数器(F):若F=1,则在最高负荷等级下运行潮流和灵敏度计算,根据灵敏度分析的结果生成邻域内的试验解;若F≠1,则用随机抽取的方法生成邻域内的试验解。
4)对以上生成的每个试验解,按固定电容器和可投切电容器2种情况分别进行计算固
定电容器和可投切电容器。计算固定电容器时,在系统最高负荷时确定电容器容量,然后在不同负荷情况下计算潮流,求得试验解的目标函数;采用嵌套Tabu法找到该情况下的局部最优解。计算可投切电容器时要分别确定不同负荷情况下的电容器容量,同时计算目标函数值。同样要用嵌套Tabu法找到该情况下的局部最优解。
5)对所有邻域内的试验解进行约束条件检验,并对满足约束条件的试验解按目标函数值进行排序。从最优的试验解开始尝试移动,检查该移动是否在Tabu表中被禁止,或是否满足期望准则;若移动被禁止且不满足期望准则,则用次优解尝试,直至找到移动或邻域内所有试验解均不满足条件为止。
6)判断是否有新移动产生:若有新移动,则更新原始试验解,设置Tabu表的内容,F=1;若无新移动,则F=F+1。
7)更新全局最优解记录,只记录迄今为止的最优解,而不考虑其是否是执行的移动。然后判断F,若F大于某一给定值,则结束迭代,输出最终结果;否则,回到步骤(2),继续进行迭代操作。
(3)给出算例与结果分析。
应用禁忌搜索算法计算在某配电网中固定与可调电容器的最佳安装位置与最佳容量,分析是否达到预期效果。
3.毕业设计应完成的技术文件:
(1)开题报告1份,
(2)英文译文一份并附英文原文,
(3)软件程序框图及程序清单1份,
(4)毕业设计报告(论文)一份。
4.主要参考文献:
[1] 张伏生等. 基于Tabu搜索算法的配电网电容器优化配置 [J ] . 电网技术, 2003,4:72-75.
[2] 胡朝阳, 文福栓等摘译. 免疫算法与其它模拟进化优化算法的比较研究[J ] . 电力情报, 1998 , (1).
[3] 孙宏斌等. 配电潮流前推回推法的收敛性研究[J ] .中国电机工程学报, 1999,19(7):26-29.
[4] 孙光辉. 信息熵与不确定性[J ] . 青岛大学学报, 2000 ,13(3) : 50-51.
[5] 高洁. 应用免疫算法进行电网规划研究[J ] . 系统工程理论与实践, 2001 , (5) : 119 -123.
[6] 徐清平等. 一种适合于解决辐射状配电网电容器最优配置问题的遗传算法[J ] . 继电器, 2001,9.
[7] 孙毅等. 配电线路中并联电容器的配置[J ] .四川电力技术, 2003,2.
[8] 熊虎岗等. 基于免疫算法的多目标无功补偿规划[J ] . 水电能源科学, 2007,5.
[9] 王林川等.基于蚁群禁忌搜索混合算法的配电网重构[J ].吉林电力, 2010.05.
[10] 邢文训谢金星. 现代优化计算方法[M] .北京:清华大学出版社.2005.
[11] 龚纯等.精通MATLAB最优化计算[M] .北京:电子工业出版社,2009.
[12] Shyh-Jier Huang. An Immune-Based Optimization Method to Capacitor Placement in a Radial Distribution System[J ]. IEEE Transactions on Power delivery , 15(2) :2000.