電力網絡規(guī)劃現(xiàn)代規(guī)劃方法的研究-畢業(yè)論文及電力系統(tǒng)無功功率動態(tài)優(yōu)化補償裝置-畢業(yè)設計_第1頁
電力網絡規(guī)劃現(xiàn)代規(guī)劃方法的研究-畢業(yè)論文及電力系統(tǒng)無功功率動態(tài)優(yōu)化補償裝置-畢業(yè)設計_第2頁
電力網絡規(guī)劃現(xiàn)代規(guī)劃方法的研究-畢業(yè)論文及電力系統(tǒng)無功功率動態(tài)優(yōu)化補償裝置-畢業(yè)設計_第3頁
電力網絡規(guī)劃現(xiàn)代規(guī)劃方法的研究-畢業(yè)論文及電力系統(tǒng)無功功率動態(tài)優(yōu)化補償裝置-畢業(yè)設計_第4頁
電力網絡規(guī)劃現(xiàn)代規(guī)劃方法的研究-畢業(yè)論文及電力系統(tǒng)無功功率動態(tài)優(yōu)化補償裝置-畢業(yè)設計_第5頁
已閱讀5頁,還剩80頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

摘要輸電網絡優(yōu)化規(guī)劃的目標是尋求最佳的電網投資決策以保證整個電力系統(tǒng)的長期最優(yōu)發(fā)展。其任務是根據規(guī)劃期間的負荷增長及電源規(guī)劃方案,確定相應的最佳電網結構。因此,輸電系統(tǒng)的投資決策直接影響著電力系統(tǒng)的長期發(fā)展。遺傳算法是一種模擬生物進化過程的全局性優(yōu)化算法,它根據自然界優(yōu)勝劣汰的原則進行搜索和優(yōu)化,己被成功地引入到電力系統(tǒng)的許多方面。利用遺傳算法進行電網規(guī)劃,能在較短的時間內提供若干個最優(yōu)、次優(yōu)優(yōu)化方案,而且能避免一般優(yōu)化算法的局部最優(yōu)或維數災難等問題。本文在全面介紹遺傳算法的操作原理和在電力系統(tǒng)的應用情況的基礎上,采用直流潮流法進行潮流計算.本文用Garver-6節(jié)點電力系統(tǒng)算例進行計算比較,結果證明改進后的遺傳算法更容易和更快地收斂于最優(yōu)結果。本文基于遺傳算法的輸電網絡規(guī)劃軟件的開發(fā)是通過MATLAB來實現(xiàn)的。關鍵詞:遺傳算法;輸電網絡規(guī)劃;電網優(yōu)化。。。

ABSTRACTThetargetthatthetransmitelectricitynetworkoptimizationplansistoexploreoptimumelectrifiedwirenettinginvestmentdecisiontoensurethatentireelectricsystemlongrangeisoptimumdeveloping,Whosemissionisthattheincreaseandthepowersourceplanascheme,ascertaincorrespondingthebestelectricnetworkcompositionaccordingtotheloadplanningaperiod.Therefore,thetransmissionsystemlongrangewithinvestmentoftheelectricsystemmakingpolicydirecteffectdevelops.Geneticalgorithms(GA),aglobaloptimizationalgorithmsimulatingorganicevolution,isbasedonthemechanismofevolutionandnaturalgenetics.Ithasbeensuccessfullyintroducedintomanyaspectsofelectricsystem.WiththeuseofGAintransmissionnetworkplanning,severaloptimalandsub-optimalplanningschemescanbeprovidedsimultaneouslywithinashortperiod.Thelocaloptimalsolutionproblemandthe“dimensiondisaster”problemthatoftenfazetheconventionaloptimizationtechniquescanbeavoided.TheimprovedGAisadoptedtosolvethetransmissionnetwork-planningprobleminthisthesis.AfterthegeneralintroductiontotheoperationalprincipleandapplicationofsimpleGAinelectricsystem,DCloadflowequationisalsoembeddedinthemodeltogetmoreaccurate.Garver’ssix-buspowersystemexampleisusedtomakethecomputationcomparison.TheresultsprovethatoptimalresultscanbeobtainedmoreeasilyandfasterthroughtheapplicationofimprovedGA.AnothercontentisthedevelopmetoftransmissionnetworkplanningsoftwarebasedonGA,whichcomeoutbyMATLAB.KEYWORDS:geneticalgorithms;transmissionnetworkplanning;electricnetworkoptimization目錄1緒論 11.1輸電網絡規(guī)劃概述 11.2目前輸電網絡規(guī)劃的研究現(xiàn)狀 21.3本文的重點 22遺傳算法 42.1遺傳算法的起源 42.2遺傳算法的基本原理 42.3遺傳算法的基本步驟 52.3.1編碼 52.3.2初始種群的形成 52.3.3適應度函數 62.3.4選擇 62.3.5交叉 72.3.6變異 72.4遺傳算法的特點 82.5運行參數的選擇 92.5.1運行參教的選擇 92.5.2運行終止條件 92.6遺傳算法的收斂性 93用遺傳算法進行電網規(guī)劃 113.1電網規(guī)劃的數學模型 113.2遺傳算法實現(xiàn)電網規(guī)劃 113.2.1染色體編碼 113.2.2適應度函數的建立 123.2.3初始種群的產生 133.2.4控制參救的設計 133.3遺傳算法的改進 143.4電網規(guī)劃的計算過程 143.5輸電網絡算例測試 163.5.1求各支路的輸出功率 173.5.2簡單遺傳算法優(yōu)化結果 183.5.3改進的遺傳算法優(yōu)化結果 203.5.4收斂性比較 223.5.5結論 224總結與展望 234.1研究所得的結論 234.2輸電網絡規(guī)劃的發(fā)展方向 23致謝 25參考文獻 26PAGEPAGEXXI1緒論社會的進步對電能的需求越來越大,國家每年都要投入大量的資金來加強電力建設,以保證用戶需求,對這些投資若能節(jié)約一個較小的百分數,其絕對值就相當可觀。而電力系統(tǒng)是一個有機的整體,任何大型電廠或高壓輸電線路的投運,都將在不同程度上影響電力系統(tǒng)的運行和今后的發(fā)展。因此,做好輸電網絡的規(guī)劃,無論從經濟上還是從技術上都具有非常重要的意義。1.1輸電網絡規(guī)劃概述輸電網絡規(guī)劃通常是在預測負荷需求和電源規(guī)劃基本清楚,即未來一個時期內負荷增長和電源發(fā)展規(guī)模及布局都已知的基礎上,提出若干可行的輸電網絡規(guī)案,應用分析工具,通過計算確定何地建設什么電壓等級以及多少回輸電線路,才能滿足負荷需求和保證電力系統(tǒng)安全運行,同時所需資金和運行費用最小。輸電網絡規(guī)劃的基本任務是在己知規(guī)劃水平年的預測負荷和電源規(guī)劃的基礎上,根據現(xiàn)有網絡和給定參數,合理布局新建線路,使規(guī)劃方案能適應負荷要求、發(fā)展靈活可靠、滿足安全運行要求且經濟性最好[1]。輸電網絡規(guī)劃的主要目的是滿足網架的經濟性和可靠性要求。經濟性是指規(guī)劃網架的綜合成本較低,而可靠性定義為向用戶提供質量合格的、連續(xù)的電能的能力。這兩個目標是互相矛盾的,要求達到較高的可靠性水平,需要加強對電網建設的投入,從而使方案的經濟性水平下降;反之,提高方案的經濟性水平,必然削弱網架電氣連接的緊密性,將導致系統(tǒng)可靠性指標的下降。因此如何處理好電網規(guī)劃的經濟性和可靠性之間的關系,是電力系統(tǒng)規(guī)劃設計和運行人員的重要任務,也是今后電網規(guī)劃研究的主要發(fā)展方向。電力是現(xiàn)代社會發(fā)展的重要動力。隨著國民經濟的高速發(fā)展,社會對電力的需求量越來越大。為了滿足日益增長的電力需求,必須不斷擴大電力系統(tǒng)規(guī)模。由于電力系統(tǒng)的發(fā)展水平不僅會對國民經濟各部門產生巨大影響,而且還涉及到大量的一次能源消耗和巨額投資,所以,合理地進行規(guī)劃不僅可以獲得巨大的社會效益,也可以獲得巨大的經濟效益。電力系統(tǒng)規(guī)劃的失誤將會給國家建設帶來不可彌補的損失川。由于電力系統(tǒng)的復雜性,人們通常將電力系統(tǒng)分為發(fā)電系統(tǒng)、輸電系統(tǒng)及配電系統(tǒng)三個子系統(tǒng)進行分析和研究。相應地,電力系統(tǒng)的規(guī)劃一般也分為電源規(guī)劃、輸電網絡規(guī)劃和配電網絡規(guī)劃三個部分。在電力系統(tǒng)中,輸電系統(tǒng)是一個中間環(huán)節(jié),負責將電能從各發(fā)電中心送到各負荷中心、因此,輸電網絡規(guī)劃直接關系到電源發(fā)出的電能能否及時送出。電網設備投資巨大,且設備壽命長達數十年,使電力系統(tǒng)未來的發(fā)展強烈受“過去權重”的制約。因此,輸電系統(tǒng)的投資決策直接影響著電力系統(tǒng)的長期發(fā)展。合理的輸電系統(tǒng)結構是電力系統(tǒng)安全可靠經濟運行的物質基礎。因此,在現(xiàn)階段對輸電網絡規(guī)劃的方法進行研究具有重要的現(xiàn)實意義。1.2目前輸電網絡規(guī)劃的研究現(xiàn)狀長期以來,各國學者和工程技術人員對輸電網絡規(guī)劃進行了大量的研究,提出了各種各樣的方法,目前的電網優(yōu)化規(guī)劃方法可分為傳統(tǒng)啟發(fā)式方法,數學優(yōu)化的方法和現(xiàn)代啟發(fā)式方法[7,8]。下面就“現(xiàn)代啟發(fā)式算法”做以下概述和比較?!艾F(xiàn)代啟發(fā)式算法”是模擬自然界中一些“優(yōu)化”現(xiàn)象研究出的一類比較新的優(yōu)化求解算法,適用于求解組合優(yōu)化問題以及目標函數或某些約束條件不可微的非線性優(yōu)化問題。它比較接近于人類的思維方式,易于理解,用這類算法求解組合優(yōu)化問題得到最優(yōu)解的同時也可以得到一些次優(yōu)解,便于規(guī)劃人員研究比較。此類算法主要有:模擬退火算法,遺傳算法,Tabu搜索法,螞蟻算法等。模擬退火算法[6]是以馬爾科夫鏈的遍歷理論為基礎的一種適用于大型組合優(yōu)化問題的隨機搜索技術。模擬退火法可以較有效地防止陷入局部最優(yōu),但為使每一步冷卻的狀態(tài)分布平衡很耗時間,而且屬于單點尋優(yōu),對求解存在多個最優(yōu)解的問題有一定的困難,需要改進。通常將模擬退火方法與其他方法結合使用,以發(fā)揮各自的優(yōu)勢。遺傳算法[8]是目前電網規(guī)劃中廣為使用的一種現(xiàn)代啟發(fā)式尋優(yōu)方法。它通過編碼將規(guī)劃方案轉變?yōu)橐唤M組染色體,并列出一組待選方案作為祖先(初始可行解),以適應函數的優(yōu)劣來控制搜索方向,通過遺傳、交叉、變異等逐步完成進化,最終逐步收斂到最優(yōu)解。同傳統(tǒng)算法相比,遺傳算法具有多路徑搜索、隱并行性、隨機操作等特點,對數據的要求低,不受搜索空間的限制性約束,不要求連續(xù)性、導數存在、單峰等假設,可以考慮多種目標函數和約束條件。遺傳算法也存在計算速度慢,有時會收斂到局部最優(yōu)解等不足,目前對此也進行了一些改進和研究。此外,考慮到模擬退火算法可以有效防止陷入局部最優(yōu)解這一特性,將模擬退火和遺傳算法結合的混合遺傳-模擬退火算法也取得了不錯的效果。Tabu搜索法[6]是一種高效的啟發(fā)式搜索技術,其基本思想是通過記錄(Tabu表)搜索歷史,從中獲得知識并利用其指導后續(xù)的搜索方向,以避開局部最優(yōu)解。Tabu搜索法的搜索效率高,收斂速度很快,目前已受到規(guī)劃工作者的重視。但是Tabu搜索法是一種擴展鄰域的單點尋優(yōu)方法,收斂受到初始解的影響,而且Tabu表的深度及期望水平影響搜索的效率和最終的結果,機理還不甚清楚,從數學上無法證明其一定能達到最優(yōu)解,尚需進一步研究。1.3本文的重點綜上所述,輸電網絡規(guī)劃工作十分重要,遺傳算法是最近幾年來解決規(guī)劃問題時經常用到的方法,并以其優(yōu)良的計算性能和顯著的應用效果特別引人注目。本文將在研究遺傳算法原理的基礎上,運用遺傳算法進行實際電網的遠期規(guī)劃。所做的主要工作有:(1)首先閱讀論文,期刊了解所做的課題,掌握遺傳算法的起源、特點、基本原理,應用等。(2)將遺傳算法應用于輸電網絡規(guī)劃,結合電網規(guī)劃的特點,建立以綜合投資最低為規(guī)劃目標的數學模型,將網絡的容量約束和可靠性約束納入到規(guī)劃目中。(3)在模型中采用直流潮流法進行潮流計算與過負荷檢驗,在保證計算精度的情況下,提高了計算速度。(4)對遺傳算法進行了改進,采用改進的自適應交叉率和變異率、精英選擇策略、保留優(yōu)良個體和改變終止判據的改進措施。對Garver-6節(jié)點電力系統(tǒng)采用上述改進方法進行計算比較,研究改進前后對各性能參數的影響和目標函數值的變化情況。

2遺傳算法2.1遺傳算法的起源早在20世紀50年代,就有一些生物學家著手有計算機模擬生物的遺傳系統(tǒng)。20世紀60年代末,美國Michigan大學的Holland教授及其學生提出一種基本生物遺傳和進化機制的適應于復雜系統(tǒng)優(yōu)化計算的自適應概率優(yōu)化計算。1975年,Holland著書《adaptationinnatureandartificialsystems》(自然界和人工系統(tǒng)的適應性),闡述了從設計人工適應系統(tǒng)中找到的這種基本自然演化原理的搜索機制一一遺傳算法。以一種群體中的所有個體為對象,并利用隨機化技術指導對一個被編碼的參數空間進行高效搜索。Holland建立了schama定理和隱含并行性原理,為遺傳算法的發(fā)展奠定了基礎,同一時間內foegl和Schema等人,研究了另外兩種基于自然演化的算法一進化規(guī)劃(Evolutionaryprogramming)和進化策略(evolutionstrategies),分別簡稱EP和ES。這三種算法構成了目前進化算法(Evolutionarycomputation)的三大分支。DeJong首先將遺傳算法用于函數優(yōu)化設計,他提出的在線和離線指標是目前衡量遺傳算法性能的主要指標。作為新型的優(yōu)化技術,遺傳算法在結構優(yōu)化和參數優(yōu)化,特別是具有非線性、多峰值、不確定的復雜問題等領域特別有效。經過30年的研究和應用,遺傳算法己經成為非線性優(yōu)化和系統(tǒng)識別的一個有效工具,被廣泛應用于機器人系統(tǒng)、神經網絡學習過程、模式識別、圖形處理、工業(yè)優(yōu)化控制、自適應控制、遺傳學、社會科學等方面,已解決NP完全性、規(guī)劃控制等問題,取得了很好的效果,切今為止,遺傳算法是進化算法技術中應用最多、比較成熟并廣為人知的算法。它在工程應用領域取得成功應用,包括在作業(yè)調度和排序、可靠性設計、設備布置和分配、交通問題等許多優(yōu)化問題。2.2遺傳算法的基本原理遺傳算法(geneticalgorithm)[8]是模擬自然界生物體進化過程與機制求解極值問題的一類自組織、自適應人工智能技術。它模擬達爾文的自然界進化論與孟代爾的遺傳變異理論,是具有“生存十檢測”的迭代過程的搜索算法,具有堅實的生物學基礎;它提供從智能生產過程觀點對生物智能的模擬,具有鮮明的認知學意義;它適應于無表達或有表達的任何類型函數,具有可實現(xiàn)的計算行為;它能解決任何類型實際問題,具有廣泛的應用價值。遺傳算法是一種基于生物自然選擇和基因遺傳機制的隨機搜索算法,與傳統(tǒng)搜索算法不同,遺傳算法從一組隨機參數稱為“種群(population)”的初始解開始搜索過程。種群中的每一個個體是問題的一個解。稱為“染色體(chromosome)”。染色體是一串符號,比如一個二進制字符串。這些染色體在后續(xù)迭代中不斷進化,稱為遺傳。在每一代中用“適應度(fitness)”來測量染色體的好壞,生成的下一代染色體稱為后代(offspring)。后代是由前一代染色體通過交叉(crossover)或者變異(mutation)運算形成的。在新一代形成過程中,根據適應的大小來選擇部分后代,淘汰部分后代,從而保持種群大小是一個常數。適應度高的染色體被選中的概率較高。這樣經過若干代之后,算法收斂于最好的染色體,它很可能就是問題的最優(yōu)解或次優(yōu)解。2.3遺傳算法的基本步驟下圖為遺傳算法的計算程序流程框圖NY編碼輸入原始數據種群初始化計算個體適應度選擇,交叉,變異操作輸出最優(yōu)解NY編碼輸入原始數據種群初始化計算個體適應度選擇,交叉,變異操作輸出最優(yōu)解圖2-1遺傳算法計算程序流程圖遺傳算法的操作過程詳述如下:2.3.1編碼在遺傳算法中如何描述問題的可行解,即把一個問題的可行解從其解空間轉換到遺傳算法所能處理的搜索空間的轉移方法就成為編碼。目前的編碼方法有二進制編碼、實數編碼、格雷碼編碼和符號編碼方法等。具體使用哪種編碼方式,要根據實際優(yōu)化問題來確定。針對輸電網絡的離散性的特點,本文中使用二進制編碼,以下內容在二進制編碼的基礎上進行研究。二進制編碼符號集是由二進制符號0和1所組成的二值符號集{0,l},它所構成的個體基因型是一個二進制編碼符號串。2.3.2初始種群的形成隨機產生N個個體,這N個個體構成了一個群體。它代表了優(yōu)化問題可行解的集合。GA的任務就是從初始群體出發(fā),模擬進化過程,擇優(yōu)汰劣,選出最優(yōu)的個體和群體,滿足目標函數為最小。2.3.3適應度函數遺傳算法在進化搜索中基本不利用外部信息,僅以適應度函數為依據,利用種群中每個個體的適應度值來進行搜索。因此適應度函數的選取至關重要,直接影響到遺傳算法的搜索速度及能否找到最優(yōu)解。適應度函數的設計主要滿足以下條件:(1)單值、連續(xù)、非負、最大化。(2)合理、一致性。要求適應度值反映對應解的優(yōu)劣程度。(3)計算量小。適應度函數設計應盡可能簡單,這樣可以減少計算時間和空間上的復雜性,降低計算成本。(4)通用性強。適應度對某類具體問題,應盡可能通用,無需使用者改變適應度函數中的參數。遺傳算法的一個特點是它僅使用所求問題的目標函數值就可得到下一步有關搜索信息。對目標函數值的使用是通過評價個體的適應度來體現(xiàn)的。最優(yōu)化問題可分為兩大類,一類為求目標函數的全局最大值,另一類為求目標函數的全局最小值。對于這兩類優(yōu)化問題,下面介紹由解空間中的某一點的目標函數值到搜索空間中對應個體的適應度函數值F(x)的轉換方法:對于求最大值的問題,作下述轉移:(2-1)(2-2)式中:——一個適當地相對較小的數。對于求最小值的問題,作下述轉移:(2-3)(2-4)式中:——一個適當地相對較大的數。遺傳算法中,種群的進化過程就是以種群中各個個體的適應度為依據,通過一個反復迭代過程,不斷地尋求出適應度較大的個體,最終就可得到問題的最優(yōu)解或近似最優(yōu)解。2.3.4選擇選擇的目的是為了從當前群體中選出優(yōu)良的個體,使他們有機會作為父代為下一代繁殖子孫。一個群體有N個個體,由他們得適應度來決定該個體使保留用以繁殖后代或者被淘汰,適應度值高的保留,低的淘汰。在選擇中以一定概率從群體中選出若千個個體加入下一個群體中作為雙親繁殖后代。常見的選擇方法有:(1)轉輪法又稱適應度比例法,利用比例于個體適應度的概率決定其保留的可能性。如某一個個體,它被選取的概率為:(2-5)式中為個體的適應度,在選擇概率給定后,產生0--1區(qū)間的隨機數,選擇概率對所有個體都給定選擇的機會,對適應度高的個體給予更多的機會。(2)排位次法根據適應度把各個個體按順序排列,而各個位置的選擇概率事先已確定,即選擇概率不是跟蹤適應度而是取決于順序。(3)精華保留法上兩種方法是基于概率選擇法,其特點是對所有的個體都給予機會,適應度高的個體選擇的概率高,適應度低的個體選擇的概率低,這樣可以維持群體的多樣性,但從另一方面來說,適應度高的個體也有可能被淘汰。精華保留法就是將一些適應度高的個體無條件的保留給下一代,不參與交叉和變異,這樣就可以避免適應度高的個體由于交叉和變異而使因適應度降低而被淘汰。但是,精華保留也有它自己的缺點:若無條件保留的個體占的比例較大時,則參加繁殖的個體數量減少,以至造成搜索范圍減小,從而有可能造成早熟問題即過早收斂或者容易陷入局部極小點。2.3.5交叉交叉操作是遺傳算法中最主要的遺傳操作。通過交叉操作可以得到新的一代個體,新個體組合了其父輩個體的特征,交叉體現(xiàn)了信息交換的思想。交叉的目的就是產生新的個體,它是從用于繁殖的個體中產生新的個體。設有兩個染色體A,BA=010’01001B=式中’表示交叉的位置,A,B交叉后的到兩個新的染色體A'=01010010B'=10001001交叉可以分為:(1)一點交叉指個體切斷點只有一處。(2)多點交叉指個體切斷點有多處。(3)一致交叉(又稱均勻交叉)設A=1001011B=0101101隨機產生模板C=1101001A根據模板上各位數字決定兩個子串如何繼承父串各位數字,當模板中某位為1時,子串才繼承父串該位的數字,否則繼承B串該位數字。因此A'=1001101B'=0101011均勻交叉有利于搜索到解空間新的區(qū)域。2.3.6變異變異就是以很小的概率(變異概率,即變異率)隨機地改變群體中個體(染色體)的某些基因的值。變異操作的基本過程是:對于交叉操作中產生的后代個體的每一基因值,產生一個[0,l]間的偽隨機數rand,如果rand<,就進行變異操作。在二進制編碼方式中,變異算子隨機地將某個某因值取反,即“0”變成“1”,或“1”變成“0”。變異操作的主要作用是防止重要基因的丟失,維護種群的基因型多樣性。在生物進化過程中,變異概率是相當小的。在變異操作中,變異率不能取得太大,如果變異率大于0.5,遺傳算法就退化為隨機搜索,而遺傳算法的一些重要的數學特性和搜索能力也不復存在了。在較小變異概率下,變異操作僅使種群基因組成的基因型結構發(fā)生微量的變化(能引起種群基因組成的基因型結構發(fā)生重大變化的變異操作,往往不太可能是有利的)。但選擇操作的方向性和交叉操作的遺傳性,將使微小的,點點滴滴的有利變異能得到逐漸積累,并在種群中逐步擴散和穩(wěn)定下來。所以,變異操作是十分微妙的遺傳操作,與選擇、交叉算子結合在一起,就能避免由于選擇和交叉算子而引起的某些信息的永久性丟失,保證了遺傳算法的有效性,使其具有局部的隨機搜索能力:同時使得遺傳算法保持群體的多樣性,以防止出現(xiàn)未成熟收斂。2.4遺傳算法的特點傳統(tǒng)的優(yōu)化尋優(yōu)方法主要基于導數的方法、窮舉法、隨機搜索法等三種,相比之下遺傳算法有很多的不同,它不要求所研究問題是連續(xù)的、可導的,但是卻很快求出所要求的最優(yōu)解。遺傳算法是一種全局搜索算法,它根據優(yōu)勝劣汰的原則進行搜索和優(yōu)化,可以考慮多種目標函數和約束條件,特別適合于整型變量優(yōu)化的求解,而且在經過適當解碼后,也可用于求解混合整數規(guī)劃問題。遺傳算法對所求解的問題不受維數限制。它能以最大概率找到問題的全局最優(yōu)解,不需要導數信息[14]。此外還具有適用范圍廣,程序實現(xiàn)簡中一等優(yōu)點,適合于求解類似輸電網絡規(guī)劃優(yōu)化等復雜非線性優(yōu)化問題。但不能保證每次都收斂于全局最優(yōu)解。它的主要特征有:(1)有指導搜索。依據適應度,也就是目標函數值來自動搜索。(2)自適應搜索。復制、交叉、變異操作,體現(xiàn)了“適者生存,劣者淘汰”的自然選擇規(guī)律,具有自適應環(huán)境的能力。(3)漸進式尋優(yōu)。遺傳算法從隨機產生的初始可行解出發(fā),一代一代反復迭代運算,使新的一代側結果優(yōu)于上一代,逐漸得出最優(yōu)結果。(4)并列式搜索。遺傳算法的每一次的迭代運算搜索針對一組個體同時進行,所以每次迭代所處理的模式數目是遠遠大于個體數目。Holland等將GA的這個特征稱為隱并列性。當使用二進制編碼時,假設遺傳算法每一代只處理n個個體,單在時間上卻處理了以上的模式。并列式計算大大提高了算法的搜索速度。(5)黑箱式結構。遺傳算法只研究輸入與輸出的關系,并不在乎它造成這一關系的原因,因此便于處理因果關系不明確的問題。(6)全局最優(yōu)解。由于遺傳算法采用多點并列搜索,而且每次迭代借助與交叉和變異參數新個體,不斷的擴大搜索范圍,因此更容易搜索出全局最優(yōu)解。2.5運行參數的選擇遺傳算法運行中需要選擇種群規(guī)模、交叉率、變異率等運行參數和運行終止條件。2.5.1運行參教的選擇種群規(guī)模、交叉率、變異率等運行參數的選擇和設定目前尚無統(tǒng)一的指導,多數視具體情況而定。若種群規(guī)模M太小,則樣本量不充足,無法搜索整個解空間,容易過早收斂或陷入局部最優(yōu),所以從原理上說,應越大越好,但若種群規(guī)模越大,每代需要的計算量也越多,計算速度也越慢。交叉率越高,種群中串的更新就越快,但過高,高適應值的串被破壞的概率增大,過低,搜索會停滯不前。變異率太大,則遺傳算法的性能接近于隨機搜索,如太小,將使種群中的個體多樣性不足,導致遺傳算法性能下降。因此遺傳算法的參數應根據具體情況由試驗調試來獲得。2.5.2運行終止條件常規(guī)的數學規(guī)劃法一般有比較嚴格的收斂判據,但遺傳算法的收斂判據基本上是啟發(fā)式的,它不需要梯度的信息,目前采用的遺傳算法收斂判據有多種:根據計算時間和所采用的計算機容量的限制所確定的判據,如以最大遺傳迭代次數作為收斂判據;從解的質量方面確定的判據,如連續(xù)一定次數得到的最優(yōu)解無變化則認為遺傳算法收斂,或最好解的適應值與平均值之差小于某一設定常數則認為算法收斂。2.6遺傳算法的收斂性遺傳算法雖然可以實現(xiàn)均衡的搜索,并且在許多復雜問題的求解中往往能得到滿意的結果,但是算法全局優(yōu)化收斂性的理論分析尚待解決。目前普遍認為,遺傳算法并不保證全局最優(yōu)收斂。但是,在一定的約束條件下,遺傳算法可以實現(xiàn)這一點。未成熟收斂是遺傳算法中不可忽視的現(xiàn)象,尤其是在擁有大量節(jié)點的大型電網規(guī)劃中顯得尤為突出。主要表現(xiàn)在兩個方面:種群中所有的個體都陷入于同一極值而停止進化。接近最優(yōu)解的個體總是被淘汰,進化過程不收斂。針對上述情況,需要在編碼、適應度函數和遺傳操作等設計中考慮抑制未成熟收斂的對策。常用的對策有提高變異率、調整選擇概率和維持種群中個體的多樣性(如增大種群規(guī)模)等。通過這些改進,遺傳算法能保證收斂至全局最優(yōu)解。在遺傳算法計算的過程中還要進行收斂判斷,即判斷整個“進化”過程是否己在目前環(huán)境中達到了終結,如果滿足要求就結束整個“進化”過程,若未滿足,則重復遺傳操作過程。收斂條件的設定是一個值得探討的問題。最簡單的方法是給定最大迭代次數,另外還可以根據最優(yōu)方案出現(xiàn)的次數,或兩次迭代適應度函數平均值的相差范圍小于或等于設定值為收斂判據等等。遺傳算法中染色體域的大小、交叉率、變異率的選取,各染色體適應度函數值的相對大小,以及收斂條件的設定等,對優(yōu)化結果以及收斂速度都有一定的影響,在最初的幾代迭代中,所產生的染色體可能是雜亂無章、良蕎并存的,隨著迭代次數的增加,那些生命力強(適應度函數值高)的染色體就會被遺傳或產生出來,染色體的總體品質將不斷提高,直到產生出滿意的結果。

3用遺傳算法進行電網規(guī)劃3.1電網規(guī)劃的數學模型電網規(guī)劃的任務是在己知規(guī)劃水平年的負荷預測和電源規(guī)劃的基礎上,根據現(xiàn)有的網絡結構和待選線路及其參數,選擇滿足運行要求且經濟性最佳的網絡結線方案。用數學表達式表示如下:(3-1)式中:第一項是新建線路年投資費用,第二項是年網損費用?!昕傎M用(元);——年投資分攤系數;——支路中一回新建線路的投資費用(萬元/km);——單位發(fā)電成本元戊元/kwh);——支路中新建線路,是0-1變量(=1表示建設該線路,=0表示不建該線路);——指定運行方式下的支路損耗(MW);——最大負荷損耗時間(小時/年);——待選新建線路集合;——網絡中已有線路和新建線路的集合。計及各種約束:(1)連通性約束,確保每個負荷點均與網絡連通。(2)線路輸送的功率約束,式中:——線路的允許輸送功率容量(MW);——實際傳輸功率容量(MW)。(3)“N-1”3.2遺傳算法實現(xiàn)電網規(guī)劃3.2.1染色體編碼電網規(guī)劃問題與染色體之間的編碼和解碼是非常方便的,首先將各待選線路按其兩端節(jié)點自然排序,然后按此順序將每條待選線路作為染色體中的一個基因,當基因值為1時,表示相應的待選線路被選中加入網絡;反之,當基因值為0時,表示相應的待選線路沒有被選中,染色體的長度應等于待選線路數,每個染色體則表示一個擴建方案。對待選線路進行編碼應能反映線路的特性,如是否架設、是否采用多回線路等,可以采用常規(guī)二進制編碼策略,待選線路可能存在的狀態(tài)決定了二進制位數,N條線路只需將每條線路的編碼串聯(lián)起來就形成了一個染色體,然后就可進行選擇、交叉和變異運算,直到搜尋出最優(yōu)解。例如:當某網絡郁條待選線路且染色體為{100111}時,說明該方案是將1,4,5,6條待選新建線路加入了輸電網絡。3.2.2適應度函數的建立目標函數要求規(guī)劃方案在滿足約束條件情況下使目標最優(yōu)。在目標函數中,要求既能反映解的期望因素,也能反映解的不期望因素。將式(3-1)加上方案違反約束條件所帶來的懲罰費用,可得到規(guī)劃方案的廣義年費用函數:(3-2)式中:——懲罰系數;——懲罰系數;——電網正常運行時不滿足導線容許輸送容量(MW);——單一故障時不滿足導線容許輸送容量的過負荷量(MW)。式(3-2)中的過負荷量,的計算可根據精度要求采用直流潮流法計算。直流潮流方程式為:(3-3)式中:——節(jié)點注入有功功率列向量;——節(jié)點電納矩陣;——節(jié)點電壓相角列向量。在網絡規(guī)劃方案形成時,節(jié)點參數和網絡結構參數均己知,即式(3-3)中和均己知,因此根據式(3-3)很容易求出節(jié)點電壓向量。各支路的輸送功率為(3-4)式中:——支路輸送的功率(MW);——支路的電納();——支路的電抗();——節(jié)點的電壓相角;——節(jié)點的電壓相角。由式(3-4)求出各支路的輸送功率后,再根據各支路最大允許輸送功率,即可計算出網絡的過負荷總量:(3-5)式中:——所有的過負荷支路集合,即的支路;——支路輸送的功率(MW);——各支路l最大允許輸送功率(MW);——支路過負荷總量(MW)。在進行潮流計算之前,必須先檢驗網絡的連通性,若網絡中有不連通的情況,則拋棄該方案,可執(zhí)行隨機擾動策略直至獲得的網絡是連通的為止。輸電網絡規(guī)劃的目標函數是式(3-2)的最小費用問題,而遺傳算法通常要求適應度函數最大化,因此用給定的大數M減去幾來構造適應函數。適應度函數的表達式為:(3-6)式中:——遺傳算法中的適應度函數;——足夠大的常數。3.2.3初始種群的產生電網接線優(yōu)化方案中,本文采用根節(jié)點融合法產生初始種群,以確保初始方案的可行性。其步驟:(1)初始化。標記該電源節(jié)點為“true”,其它的節(jié)點和線路均不做標記。所有被標記為“true”的節(jié)點稱為根節(jié)點,它們構成根節(jié)點群,表明他們己與電源節(jié)點相連,功率輸入己有保證;(2)從與根節(jié)點群相連且未做任何標記的支路中隨機選擇1條,并標記為“true”,同時其另一端節(jié)點也標記為“true”,即把該端節(jié)點加入根節(jié)點群;掃描所有支路,將那些兩端節(jié)點均為根節(jié)點且未做任何標記的支路標記為“false”,表明它們未有功率輸入;(3)檢查所有節(jié)點是否全部被標記為“true”。如果是,則結束,否則轉步驟(2)。由此我們可以得到幾個初始解。3.2.4控制參救的設計遺傳算法關鍵參數主要有:種群規(guī)模、交叉率和變異率,這些參數的選擇和設定目前尚無統(tǒng)一的指導,多數視具體情況而定。(1)種群規(guī)模種群規(guī)模就是每一代個體的固定總數,即初始可行解的個數,由于初始解的分布影響尋優(yōu)結果,而每一代個體的運算量影響總計算時間,故種群規(guī)模影響遺傳優(yōu)化的最終結果以及遺傳算法的執(zhí)行效率,越大所需時間越長。當種群規(guī)模太小時,遺傳算法的優(yōu)化性能一般不會太好,而采用較大的種群規(guī)模則可減少遺傳算法陷入局部最優(yōu)解的機會,但較大的種群規(guī)模意味著計算復雜度高。本文中,取到的上限值為150,一般取20-100。(2)交叉率交叉率控制著交叉操作被使用的頻度。較大的交叉率可增強遺傳算法開辟新的搜索區(qū)域的能力,個體間交換優(yōu)良性態(tài)的機會較多,可以獲取較多的優(yōu)秀個體,優(yōu)化結果好,但高性能的模式即原本有希望趨向于最優(yōu)的個體遭到破壞的可能性也會增大;若交叉概率太低,遺傳算法搜索可能陷入遲鈍狀態(tài)。一般取從0.6-1.0之間。(3)變異率變異在遺傳算法中屬于輔助性的搜索操作,導入變異的目的有兩個:一是使遺傳算法具有局部的隨機搜索能力。當遺傳算法通過交叉算子己接近最優(yōu)解鄰域時,利用變異算子的這種局部隨機搜索能力可以加速向最優(yōu)解收斂。顯然,這種情況下的變異概率應取較小值,否則接近最優(yōu)解的積木塊會因變異而遭到破壞。二是使遺傳算法可維持種群多樣性,以防止出現(xiàn)未成熟收斂現(xiàn)象,此時收斂概率應取較大值。變異概率隨機確定,通常尺在0.001-0.1之間。3.3遺傳算法的改進本文通過改善各種控制參數和遺傳算子等來改善遺傳算法的性能,增加其全局尋優(yōu)的能力,抑制未成熟收斂。本文通過改變交叉率,變異率來增強尋優(yōu)能力。在遺傳算法中,交叉概率與變異概率的取值對算法的性能有著至關重要的影響。交叉運算是遺傳算法產生新個體的主要方法,它決定了遺傳算法的全局搜索能力。交叉概率取較大值會加快新個體的產生,與此同時也會迅速破壞優(yōu)良個體,取較小值又會使得算法搜索停滯不前。變異運算是產生新基因的方法,它決定算法的局部搜索能力。變異概率取值過大會使算法退化為隨機搜索,取值過小將難以產生新基因,造成算法早熟。標準遺傳算法對這兩個參數的選取一般是憑經驗和反復試驗來確定,且數值固定。改進方法的基本思想就是使種群中最大適應度值的個體的交叉率和變異率不為零,分別提高到,這就相應地提高了種群中表現(xiàn)優(yōu)良的個體的交叉率和變異率,使得它們不會處于一種近似停滯不前的狀態(tài)。為了保證每一代的優(yōu)良個體不被破壞,采用精英選擇策略,使它們直接復制到下一代中。3.4電網規(guī)劃的計算過程基于遺傳算法的輸電網絡規(guī)劃的計算流程可參考下圖。(9)(9)(8)(3)(13)(12)(11)(11)(10)(7)(6)(5)(4)(2)(1)NY開始輸入數據并整理修正交叉率,變異率進行選擇操作形成第一代染色體計算第一代適應度函數值Era=era+1進行交叉,變異操作結束Era=1網絡連通檢驗,修正計算網絡正常運行時過負荷計算N-1檢驗過負荷總量是否滿足收斂條?件?計算各染色體的適應度函數值并排序最優(yōu)保留解碼輸出結果圖3-1電網規(guī)劃的計算流程圖在給定了編碼方式和適應度函數后,就可以根據圖3-1所示的流程進行計算,當計算收斂后,將最優(yōu)解的染色體解碼還原,就可以得到一批最優(yōu)或次優(yōu)電網規(guī)劃方案。圖3-1給出了輸電網絡規(guī)劃模型的基本計算流程,對各框作簡單說明如下:(1):包括輸入原有線路和待選線路的參數,各節(jié)點的發(fā)電出力及負荷大??;還包括遺傳算法所需的參數,如染色體域的大小,種群規(guī)模,初始交叉率,初始變異率;另外還需輸入一些選擇參數,如式(3-2)中的懲罰系數,等。(2):形成第一代染色體,利用根節(jié)點融合法隨機地選擇一些待選線路加入系統(tǒng),形成長度為待選線路總數的染色體。(3):計算出,,再計算出年費用,最后由式(3-6)計算出各染色體的適應度函數值。(4):對前一代染色體進行選擇操作。(5):使用改進的自適應遺傳算法改變交叉率和變異率。(6):采用改進后的交叉率和變異率,對前一代染色體進行交叉、變異操作,形成新一代染色體。(7):檢驗各染色體對應的網絡是否存在解列現(xiàn)象,如果存在解列現(xiàn)象則對網絡進行修正。修正的方法是執(zhí)行隨機擾動策略,使網絡連通。(8):網絡連通后計算出,以便下一步計算染色體的適應度函數值。(9):計算出以便下一步計算染色體的適應度函數值。(10):根據式(3-6)計算各染色體的適應度函數值,按照適應度函數值,由大到小排序。(11):對適應度函數值最優(yōu)的方案執(zhí)行精英選擇、保留優(yōu)良品種策略,精英選擇、保留優(yōu)良品種策略的機理如前所述。(12):判別是否己滿足收斂條件,若滿足收斂條件則轉到第13框,否則返回第4框。(13):輸出結果,包括將所保留的優(yōu)良品種解碼還原成規(guī)劃方案,給出各方案的目標函數值等。本文將采用固定交叉率、變異率的遺傳算法稱為簡單遺傳算法,經過以上改進后的遺傳算法稱為改進遺傳算法。3.5輸電網絡算例測試現(xiàn)對如圖3-2Garver-6節(jié)點電力系統(tǒng)進行規(guī)劃計算,規(guī)劃水平年各節(jié)點的發(fā)電容量和負荷容量如表3-1,各線路有關參數如表3-2所示。計算標么值時功率基準值取l00MW,電壓基準值取220kV,最大負荷年利用小時數為3000小時/年,年投資分攤系數=1,線路投資費用為20萬元/km,發(fā)電成本=0.10元/kWh,懲罰系數元/kw。6654312滿滿足優(yōu)化準則? 圖3-2Garver-6節(jié)點系統(tǒng)接線圖圖中: 現(xiàn)有線路 待選線路表3-1各節(jié)點發(fā)電容量及負荷容量節(jié)點發(fā)電容量(MW)負荷容量(MW)1508020240316540401605024065450表3-2各線路有關參數節(jié)點節(jié)點線路長度(km)現(xiàn)有線路回數待選線路回數R()X()容量(MW)1240130.100.401001460130.150.60801520130.050.201002320130.050.201002440130.100.401002630030.080.301003520130.050.201003648030.120.481004630030.080.301003.5.1求各支路的輸出功率由已知電阻和電抗求電納矩陣。求導納矩陣的依據為:(1)節(jié)點導納矩陣的非對角線元數等于連接節(jié)點支路導納的負值。(2)節(jié)點導納矩陣的對角線元數等于各節(jié)點所連接導納的總和。在導納矩陣情況下,假設時,可得出電納矩陣如下:根據公式3-3可得出各節(jié)點的相角。如下:,,,,,根據公式3-4可得出各支路的輸出功率。如下表:表3-3各支路的輸出功率起點終點實際功率120.3025140.2757150.259230.8145240.111262.41351.6785361.165462.5873.5.2簡單遺傳算法優(yōu)化結果因為遺傳算法使用概率搜索技術,在變異率、交叉率不同的情況下計算出的值是不同的,我們在交叉率、變異率;交叉率、變異率的情況下,分別考察優(yōu)化結果。染色體種群規(guī)模為90,當交叉率、變異率時簡單遺傳算法的優(yōu)化結果如表3-4所示。表3-4交叉率、變異率時,簡單遺傳算法的優(yōu)化結果起點終點線路回數目標函數值(百萬)迭代次數12045.2379140152231241260350362462當交叉率、變異率時簡單遺傳算法的優(yōu)化結果如表3-5所示。表3-5交叉率、變異率時簡單遺傳算法的優(yōu)化結果起點終點線路回數目標函數值(百萬)迭代次數12242.6563140150230240262352360461對于簡單遺傳算法,在交叉率、變異率;交叉率、變異率的情況下,最優(yōu)個體目標函數值隨搜索代數變化的曲線,如圖3-3和3-4所示:圖3-3交叉率、變異率時,最優(yōu)個體目標函數值隨搜索代數變化的曲線圖3-4叉率、變異率時,最優(yōu)個體目標函數值隨搜索代數變化的曲線3.5.3改進的遺傳算法優(yōu)化結果同樣的染色體種群規(guī)模下,初始交叉率、初始變異率;初始交叉率、初始變異率時改進遺傳算法的優(yōu)化結果如表3-6、3-7所示。表3-6初始交叉率、初始變異率,遺傳算法的優(yōu)化結果起點終點線路回數目標函數值(百萬)迭代次數12042.6563140150230240263351360463表3-7初始交叉率、初始變異率時遺傳算法的優(yōu)化結果起點終點線路回數目標函數值(百萬)迭代次數12037.2939141150230242260351360462為了研究整個種群目標函數值的變化,給出了改進后的遺傳算法在搜索過程中,種群中最優(yōu)個體目標函數值隨搜索代數變化的曲線。如圖3-5和3-6所示:圖3-5初始交叉率、初始變異率時,最優(yōu)個體目標函數值隨搜索代數變化的曲線圖3-6初始交叉率、初始變異率時,最優(yōu)個體目標函數值隨搜索代數變化的曲線由圖對比可以看出,采用改進遺傳算法在迭代次數和最優(yōu)解上,都得到了明顯的改善。改進后的算法迭代次數更少,計算時間更短,所需費用更少。3.5.4收斂性比較圖3-11給出了染色體種群規(guī)模為90,初始交叉率、初始變異時的遺傳算法改進前后對照的收斂曲線,可以看出:①改進遺傳算法比簡單遺傳算法的整體收斂速度要快。②改進遺傳算法在120代的時候全部染色體都是最優(yōu)解,而簡單遺傳算法只有一半的染色體是最優(yōu)解。圖3-7算法改進前后對收斂速度的影響圖中: 改進后的遺傳算法; 簡單遺傳算法3.5.5結論本文采用了改進的自適應交叉率和變異率,該方法使得交叉率和變異率隨著進化過程而動態(tài)自適應調整,保證了在某代進化過程中不會出現(xiàn)近似進化停滯的狀況,提高了它的全局收斂率。算法采用了精英選擇策略、保留優(yōu)良個體和改變終止判據的措施,避免了己經出現(xiàn)的好個體在遺傳過程中消失,提高了收斂速度,保存了最優(yōu)解。4總結與展望4.1研究所得的結論輸電網絡規(guī)劃是一個含約束的最優(yōu)化問題,其特性表現(xiàn)為離散性、非線性、大規(guī)模,傳統(tǒng)的方法往往無能為力,遺傳算法對目標函數的要求很寬松,不需要導數等輔助信息,這使得電網規(guī)劃的非線性、多約束、多目標的求解難度降低。本文以Garver-6節(jié)點電力系統(tǒng)為實例,把遺傳算法作為優(yōu)化手段,通過對遺傳算法輸出的方案的綜合經濟評價,確定了最終的實際方案。從本文的研究可以得出以下結論:(1)遺傳算法是一種新的全局優(yōu)化搜索算法,具有簡單通用、魯棒性強、一次可以提供一個最優(yōu)解和多個次優(yōu)解的特點,特別適合諸如電網規(guī)劃。(2)本文是在保證電網可靠性和負荷分配合理性的前提下,以建設費用及運行費用最小化為目標,建立了輸電網絡規(guī)劃的目標函數,選用改進的遺傳算法成功地解決了收斂問題。(3)輸電網絡規(guī)劃模型的目標函數選取了線路投資和網絡損耗,潮流計算上應用直流潮流法,保證了計算的精度要求,約束條件中考慮了N-1方式,滿足了基本的可靠性要求。(4)對遺傳算法進行了改進,采用改進的自適應交叉率和變異率、精英選擇策略、保留優(yōu)良個體和改變終止判據的改進措施。對Garver-6節(jié)點電力系統(tǒng)采用上述改進方法進行計算比較,與固定交叉率和變異率的遺傳算法相比較,結果證明改進后的方法加快了遺傳算法的收斂,也減弱了優(yōu)化結果對遺傳參數、的敏感性。4.2輸電網絡規(guī)劃的發(fā)展方向目前的輸電網絡優(yōu)化規(guī)劃,對規(guī)劃方案經濟性的研究較為充分,但是由于事故不斷出現(xiàn),電網的安全穩(wěn)定運行越來越受到重視,人們必須加強對規(guī)劃方案可靠性、安全性的考慮;我國的電力市場改革已經啟動,而針對電力市場環(huán)境下的電網規(guī)劃研究工作才剛剛起步,有待于深入,今后的研究方向應當包括:(1)加強對新型尋優(yōu)算法(如螞蟻算法)的研究,尋找更快速、高效的實用規(guī)劃求解方法。(2)合理地考慮多階段規(guī)劃中各階段規(guī)劃方案之間的過渡和相互約束,尋找求解動態(tài)規(guī)劃的更合理的模型和實用的求解方法。(3)在規(guī)劃模型中更合理地考慮和協(xié)調經濟性和可靠性的關系,更充分地考慮安全因素,使規(guī)劃方案更具實用價值。(4)更為全面合理地考慮和處理各種不確定性因素,如經濟、環(huán)境和政策等,使規(guī)劃方案具有更高的靈活性和適應性。(5)在輸電網規(guī)劃中考慮采取合理的接線模式,降低短路電流水平。(6)如何考慮和確定合理的電網規(guī)劃模型和算法,使其符合電力市場模式的需求。(7)如何建立符合電力市場需求的輸電網絡規(guī)劃模型。(8)加強對新型輸電網絡規(guī)劃模型尋優(yōu)算法的研究,尋找更快速、高效的適用規(guī)劃求解方法。(9)更為全面合理地考慮和處理輸電網絡規(guī)劃中各種不確定因素,如經濟、環(huán)境和政策等,使規(guī)劃方案具有更高的靈活性和適應性。(10)在基于系統(tǒng)充裕性的可靠性分析的輸電網絡規(guī)劃模型中,如何計及安全性因素,使最終的方案更接近全局最優(yōu),并具有更高的實際價值。

致謝本文的工作是在老師的悉心指導下完成的,在論文工作期間,老師在學習和生活上都給予了我極大的關懷和幫助。老師淵博的學識、嚴謹的治學態(tài)度、理論研究與工程實踐緊密結合的治學理念都給我留下了深刻的印象,也必將使我終生受益。在此,謹向我尊敬的老師致以崇高的敬意和深深的感謝。在本文的研究過程中,分院實驗室為我提供了硬件支持,在此一并表示感謝。還有在學習和研究過程中,同組的其他同學也給予我很大的幫助,幫助我解決了很多原理和軟件技術上的問題,在此也表示衷心感謝。

參考文獻王錫凡.電力系統(tǒng)優(yōu)化規(guī)劃[M].北京:水利電力出版社,1990趙瑞君.基于成本效益分析的輸電網絡規(guī)劃設計方法的研究[D].廣西大學碩士論文.2006.6.RomeroR,MonticelliA,GarciaA,etal.Testsyst-emandmathematicalmodelsfortransmissionnetwo-rkexpansionplanning[J].IEEProceedingGenerati-onTransmissionandDistribution.2002,149(1):27-36翟海保,程浩忠,陳春霖,江峰青,房領峰.輸電網絡優(yōu)化規(guī)劃研究綜述[J].(1.上海交通大學電氣工程系,上海200030;2.上海電力公司發(fā)展計劃部,上海200002)文福拴,韓禎祥.基于Tabu搜索方法的輸電系統(tǒng)最優(yōu)規(guī)則[J].浙江大學電機系310027浙江杭州金義雄1,程浩忠1,嚴健勇2,張麗2.現(xiàn)代啟發(fā)式算法及其在輸電網絡擴展規(guī)劃中的應用[J].(1.上海交通大學電氣工程系.上海2000302.上海市區(qū)供電公司.上海200080)許可,郎兵.應用改進遺傳算法實現(xiàn)輸電網絡最優(yōu)規(guī)劃[J].北京交通大學.2005-06-005.郎兵,遺傳算法在輸電網絡規(guī)劃中的應用研究[D].北京交通大學.20060201孫洪波.電力網絡規(guī)劃[M].重慶:重慶大學出版社.1996.[10]陳根軍,王磊,唐國慶.基于蟻群最優(yōu)的輸電網絡擴展規(guī)劃[J].(東南大學電氣工程系,江蘇省南京市210096)[11]李紀平.輸電網優(yōu)化規(guī)劃決策方法的研究[D].華北電力大學碩士論文.2000.6.[12]雷英杰,張善文,李續(xù)武,周創(chuàng)明.MATLAB遺傳算法工具箱及應用[M].西安電子科技大學出版社.[13]王洪元,石澄賢,鄭明芳,李格.MATLAB語言[M].清華大學出版社.[14]KHATORSKLECNGLCPowerdislrihulionplan-nine:areviewofmodelsandissues[J]IEEETransonPowerSystems1997,12(3)電力系統(tǒng)無功功率動態(tài)優(yōu)化補償裝置前言 III第一章動態(tài)無功功率補償裝置概述 1第一節(jié)現(xiàn)有補償裝置存在的問題及解決方法 1第二節(jié)無功補償和提高功率因數的意義 3第三節(jié)無功功率補償技術的發(fā)展趨勢 13第二章補償裝置現(xiàn)狀的調研與問題的提出 15第一節(jié)無功功率補償的種類和特點 15第二節(jié)問題的提出 21第三章無功功率優(yōu)化動態(tài)補償裝置 25第一節(jié)裝置簡介 25第二節(jié)工作原理 26A 30第三節(jié)抗干擾措施 41第四章設計總結 43參考文獻: 45前言無功功率補償是電力系統(tǒng)的經典話題,補償得當,可以提高供電效率,減少線路損耗,提高供電質量。以前的補償裝置多用估算的辦法,不能適應動態(tài)的要求。隨著單片機技術和電子測量技術的發(fā)展,現(xiàn)在有條件實時測量出功率因數,根據測量結果及時進行補償,補償的程度可以具體線路進行設定。本設計就是要完成這樣的實際裝置。要考慮適應現(xiàn)場惡劣電磁環(huán)境,保證能夠長期可靠運行,不發(fā)生死機現(xiàn)象。在本設計中,用PT和CT分別采樣電流、電壓信號,由單片機進行相位差計算,根據計算結果,投入或切掉并聯(lián)的補償電容。電容的分組可以采8:4:2:1的比例,使調節(jié)更加精細。相位測量可以采用單片機計數配合電子線路實現(xiàn)。電容投切控制使用固態(tài)無觸點開關,采取過零寬高頻調制脈沖觸發(fā)方式,以減少沖擊電流;關斷采用電流過零自然關斷;投入采用記憶方式,保證原電容充電方向與系統(tǒng)電源方向一致。第一章動態(tài)無功功率補償裝置概述為提高供電設備效率,減少供電線路電能損失,國內外自上世紀50年代初就開始進行無功功率補償裝置的研究工作,其方法主要有兩種:一種是在電網上并聯(lián)電容器,通過提高電網的功率因數達到減少線路電壓損耗,提高供電設備利用率的目的;另外一種是在電網上并入同步電動機,通過改變同步電動機勵磁電流的方法來改變電路負載特性。其中前一種方法適用于居民、商業(yè)及小型工廠的低壓供電系統(tǒng),而后一種方法適用于大型工廠中的無功功率補償。在實際應用中,由于電路特性是隨時變化的,為了達到較好的補償效果,就必須動態(tài)跟蹤電路特性的變化,實時監(jiān)測電路中與的相位差角,根據角的大小決定并聯(lián)電容器的值?;镜墓β室驍笛a償電路如圖1-1所示圖1-1功率因數補償電路電路中的K1~Kn在自動動態(tài)補償裝置中可采用雙向可控硅,在電路工作時,一般保證<0.95,避免電路出現(xiàn)諧振現(xiàn)象,損壞電網供電設備和用電器。具體的方法是通過對電壓U和電流I的相位檢測來判斷是否并入補償電容器,并入幾個,這些都是通過控制裝置自動完成的,這就是動態(tài)無功功率補償裝置的工作原理。第一節(jié)現(xiàn)有補償裝置存在的問題及解決方法上面所述的方法只局限于某一段電路,并沒有從整個電力網的角度來分析。為了彌補這一缺陷,就有必要對整個供電系統(tǒng)中的各段電路功率因數補償裝置進行集中調控,使整個系統(tǒng)處于協(xié)調工作狀態(tài)。由于現(xiàn)有的動態(tài)功率因數補償裝置還沒有實現(xiàn)整網連調,所以,有必要增加動態(tài)功率因數補償裝置的數據通訊功能,將其工作狀態(tài)及相關的電流、電壓、功率因數、工作溫度、環(huán)境狀態(tài)等參數發(fā)送到總調室,總調室中的主控微機則根據前端工作狀態(tài)實時調整控制參數達到整網均衡運行的目的。另外,在分析補償過程中所提到的電容器,是按理想電容器來分析計算的,實際的電容器可等效為電阻R與電容器C并聯(lián)電路,電阻減小,電容器介質損耗增加,電容器發(fā)熱,電解液易枯竭使電容量減小,補償不足。同時,電容器在密閉較嚴時易出現(xiàn)爆炸現(xiàn)象。為及時發(fā)現(xiàn)并解決這一問題,也應對電容器的工作溫度、電容量等參

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論