本文關鍵詞：基于自適應粒子群算法的艦船電力系統(tǒng)無功優(yōu)化

  更多相關文章： 艦船電力系統(tǒng) 無功優(yōu)化 潮流計算 自適應粒子群算法 多目標無功優(yōu)化

【摘要】：隨著世界經濟的飛速發(fā)展和生產生活的需求，人類對于艦船電力系統(tǒng)運行的安全性、經濟性、穩(wěn)定性也提出了更高的要求。艦船電力系統(tǒng)無功優(yōu)化是合理調度和配置無功電源的一種有效方式，通過對艦船電力系統(tǒng)的無功優(yōu)化，不僅可以減少艦船電力系統(tǒng)的網絡有功損耗，降低運行成本；還能夠大幅改善艦船電力系統(tǒng)的電能質量。因此，對于艦船電力系統(tǒng)無功優(yōu)化的研究既有理論意義，又具有實際應用價值。 本文分析論述了艦船電力系統(tǒng)的運行特點、網絡結構和工作要求，參考陸地電力系統(tǒng)，構建了適用于艦船電力系統(tǒng)無功優(yōu)化的數學模型。模型中的目標函數可以依據不同的要求來建立，本文建立了三種不同優(yōu)化目標的目標函數，分別是基于經濟指標、電壓穩(wěn)定指標和電能質量指標的；并分別對艦船電力系統(tǒng)進行了單目標和多目標無功優(yōu)化的求解。分析了艦船電力系統(tǒng)的網絡結構特點，針對不同類型的艦船電力系統(tǒng)，，論述了適合不同網絡拓撲結構類型的艦船電力系統(tǒng)潮流計算方法。本文仿真選取的是現在已經被廣泛應用于各類艦船的環(huán)形艦船電力系統(tǒng)，優(yōu)化過程中選用了節(jié)點電勢法來對艦船電力系統(tǒng)進行潮流計算。 無功優(yōu)化問題包括多個變量和多種約束，變量中又包含連續(xù)變量和離散變量；是一個十分復雜的多約束、多變量的非線性規(guī)劃問題。如采用常規(guī)的數學方法來求解是十分困難的，這就需要一種適合的人工智能算法來對其進行求解。 針對無功優(yōu)化問題多目標、多約束、多變量和非線性的特點，本文以粒子群算法為出發(fā)點，詳細介紹了粒子群算法的基本原理和實現流程，并對其改進形式進行了歸納總結和探討分析。針對基本粒子群算法存在的一系列缺陷進行了改進。以帶有加速因子的局部版粒子群算法為基礎，借鑒自適應粒子群算法，自適應改變種群規(guī)模、領域規(guī)模、加速因子來保證粒子更新過程中種群的多樣性，并率先在其中加入了類似于遺傳算法的變異操作，進一步保證了種群向全局最優(yōu)收斂的速度和精度。 最后，將改進后的自適應粒子群算法（APSO）應用到某環(huán)形艦船電力系統(tǒng)無功優(yōu)化的求解中，在MATLAB中進行了編程仿真，將仿真結果與標準粒子群算法（SPSO）進行了優(yōu)化對比，驗證了艦船電力系統(tǒng)無功優(yōu)化模型的正確性和新算法優(yōu)越的求解性能。對艦船電力系統(tǒng)無功優(yōu)化的仿真時，先采用的是基于有功網絡損耗最小這個單目標進行的；其次，采取了模糊理論將多目標優(yōu)化問題轉變?yōu)閱文繕藘?yōu)化后，結合APSO算法再次進行了無功優(yōu)化的求解。并將優(yōu)化結果與單目標和SPSO算法進行了橫向、縱向對比，驗證了APSO算法的優(yōu)越性能。采用多目標無功優(yōu)化后，艦船電力系統(tǒng)的綜合性能比優(yōu)化前有了一定的提升，進一步保證了艦船的安全經濟穩(wěn)定的運行。
【關鍵詞】：艦船電力系統(tǒng) 無功優(yōu)化 潮流計算 自適應粒子群算法 多目標無功優(yōu)化
【學位授予單位】：江蘇科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：U665.1
【目錄】：

• 摘要6-8
• Abstract8-14
• 第1章 緒論14-23
• 1.1 課題研究的背景及意義14
• 1.2 艦船電力系統(tǒng)無功優(yōu)化的目的和意義14-16
• 1.3 無功優(yōu)化的研究現狀16-17
• 1.3.1 無功優(yōu)化問題的特點16-17
• 1.3.2 無功優(yōu)化問題的數學模型17
• 1.4 無功優(yōu)化問題的求解方法17-21
• 1.4.1 常規(guī)優(yōu)化算法18-19
• 1.4.2 人工智能優(yōu)化算法19-21
• 1.5 論文的研究目的及主要工作21-23
• 第2章 艦船電力系統(tǒng)及其無功優(yōu)化的數學模型23-32
• 2.1 引言23
• 2.2 艦船電力系統(tǒng)綜述23-25
• 2.2.1 艦船電力系統(tǒng)23-24
• 2.2.2 艦船電力系統(tǒng)的工作環(huán)境24
• 2.2.3 艦船電力系統(tǒng)的運行要求24-25
• 2.3 無功平衡與電壓水平的關系25-26
• 2.4 無功平衡與有功損耗的關系26-27
• 2.5 艦船電力系統(tǒng)中常用的無功控制設備27-28
• 2.6 艦船電力系統(tǒng)無功優(yōu)化的數學模型28-31
• 2.6.1 功率約束方程28-29
• 2.6.2 變量約束條件29-30
• 2.6.3 目標函數30-31
• 2.7 本章小結31-32
• 第3章 艦船電力系統(tǒng)網絡拓撲結構分析和潮流計算32-49
• 3.1 引言32
• 3.2 艦船電力系統(tǒng)網絡結構特點32-34
• 3.3 網絡拓撲結構分析34-37
• 3.3.1 節(jié)點和支路編號34-37
• 3.3.2 擴展關聯矩陣的建立37
• 3.4 潮流計算37-48
• 3.4.1 節(jié)點電勢法38-43
• 3.4.2 前推回代法43-48
• 3.5 本章小結48-49
• 第4章 自適應粒子群優(yōu)化算法49-59
• 4.1 引言49
• 4.2 標準粒子群算法的基本原理49-54
• 4.2.1 標準粒子群算法50-51
• 4.2.2 粒子群算法的參數分析51-53
• 4.2.3 粒子群算法的特點及其改進措施53-54
• 4.3 粒子群算法的實現流程54-55
• 4.4 自適應粒子群優(yōu)化算法55-58
• 4.4.1 APSO 算法中的一些定義56
• 4.4.2 APSO 算法的自適應操作56-57
• 4.4.3 APSO 算法中的變異操作57-58
• 4.5 本章小結58-59
• 第5章 基于自適應粒子群算法的艦船電力系統(tǒng)無功優(yōu)化的研究59-69
• 5.1 引言59
• 5.2 求解關鍵步驟分析59-60
• 5.3 求解流程分析60
• 5.4 基于 APSO 算法的艦船電力系統(tǒng)無功優(yōu)化60-68
• 5.4.1 仿真環(huán)境60-61
• 5.4.2 仿真電力系統(tǒng)描述61-64
• 5.4.3 參數性能分析64-66
• 5.4.4 優(yōu)化結果對比66-68
• 5.5 本章小結68-69
• 第6章 基于 APSO 的艦船電力系統(tǒng)多目標無功優(yōu)化69-78
• 6.1 引言69
• 6.2 模糊多目標理論69-72
• 6.2.1 多目標優(yōu)化的數學模型69-70
• 6.2.2 多目標優(yōu)化的基本概念70-71
• 6.2.3 多目標優(yōu)化的模糊解法71-72
• 6.3 多目標無功優(yōu)化的模糊解法72-74
• 6.4 基于模糊自適應粒子群算法的多目標無功優(yōu)化74-77
• 6.4.1 算法步驟74-75
• 6.4.2 算例結果及分析75-77
• 6.5 本章小結77-78
• 總結與展望78-80
• 全文總結78-79
• 工作展望79-80
• 參考文獻80-83
• 攻讀碩士學位期間發(fā)表的學術論文83-84
• 致謝84

【共引文獻】

中國期刊全文數據庫 前10條

1 佘遠俊;張翠芳;鄢田云;;粒子群神經網絡及其在非線性系統(tǒng)辨識中的應用[J];成都信息工程學院學報;2006年02期

2 沈艷,郭兵,古天祥;粒子群優(yōu)化算法及其與遺傳算法的比較[J];電子科技大學學報;2005年05期

3 柯晶,錢積新;應用粒子群優(yōu)化的非線性系統(tǒng)辨識[J];電路與系統(tǒng)學報;2003年04期

4 柯晶,錢積新,喬誼正;一種改進粒子群優(yōu)化算法[J];電路與系統(tǒng)學報;2003年05期

5 馮少輝;周平;錢鋒;;一種確定神經網絡初始權值的新方法[J];工業(yè)儀表與自動化裝置;2006年01期

6 周振坤;馬士華;林勇;岳鋒;;多目標優(yōu)化在ERP模塊化服務設計中的應用[J];管理學報;2013年09期

7 郭少帥;;基于離散粒子群算法的作業(yè)車間調度優(yōu)化[J];裝備制造技術;2013年09期

8 郭梅;羅建強;;一種航空備件供應鏈協(xié)調模型及優(yōu)化方法研究[J];工業(yè)工程與管理;2013年04期

9 劉琦鈾;施燦濤;李鐵克;;基于混合粒子群算法的工藝規(guī)劃與調度集成問題研究[J];工業(yè)工程與管理;2013年06期

10 龐佳瑋;杜曉燕;張水蓮;江長蔭;;蒸發(fā)波導高度水平非均勻性對路徑損耗的影響[J];電波科學學報;2013年06期

中國博士學位論文全文數據庫 前10條

1 沈艷;分布式測試系統(tǒng)協(xié)作理論及其通信平臺實時性研究[D];電子科技大學;2004年

2 岳]Z;粗粒度并行遺傳算法的計算性能及其應用研究[D];華中科技大學;2008年

3 王縱虎;聚類分析優(yōu)化關鍵技術研究[D];西安電子科技大學;2012年

4 譚陽;求解廣義旅行商問題的若干進化算法研究[D];華南理工大學;2013年

5 張宇山;進化算法的收斂性與時間復雜度分析的若干研究[D];華南理工大學;2013年

6 趙晶;量子行為粒子群優(yōu)化算法及其應用中的若干問題研究[D];江南大學;2013年

7 姜恩宇;基于直腸感知功能重建的人工括約肌系統(tǒng)研究[D];上海大學;2013年

8 程興國;仿生算法的動態(tài)反饋機制及其并行化實現方法研究[D];華南理工大學;2013年

9 劉逸;粒子群優(yōu)化算法的改進及應用研究[D];西安電子科技大學;2013年

10 李猛;基于智能優(yōu)化與RRT算法的無人機任務規(guī)劃方法研究[D];南京航空航天大學;2012年

中國碩士學位論文全文數據庫 前10條

1 燕居偉;工程建設項目控制目標優(yōu)化研究[D];河北工程大學;2010年

2 唐嗣元;基于進化計算的優(yōu)化試驗設計方法與實現技術研究[D];東北石油大學;2011年

3 謝元平;改進粒子群優(yōu)化算法的研究及其在控制系統(tǒng)設計中的應用[D];北京化工大學;2011年

4 孫書芳;PSO神經網絡及其在板形板厚綜合控制中的應用研究[D];東北大學;2006年

5 張博;基于智能優(yōu)化模型的短期電力負荷預測系統(tǒng)[D];華北電力大學（河北）;2007年

6 張云娥;基于粒子群算法的中壓配電網規(guī)劃研究[D];華北電力大學（河北）;2007年

7 劉晶晶;粒子群優(yōu)化算法的改進與應用[D];武漢理工大學;2007年

8 方向;稀土永磁同步電動機優(yōu)化設計[D];廣東工業(yè)大學;2008年

9 杜雷;基于兩階段特征提取法和PSO-BP神經網絡的人臉識別方法研究[D];新疆大學;2008年

10 王裔丹;制造鏈協(xié)同調度方法研究[D];沈陽工業(yè)大學;2008年

本文編號：944136