本文關鍵詞：基于混合算法的電網擴展規(guī)劃研究

  更多相關文章： 電網規(guī)劃 遺傳算法 蟻群算法 模擬退火算法 混合算法

【摘要】：隨著社會的發(fā)展,各行各業(yè)對電力的需求越來越大,現有電網的容量急需擴大,電網的擴建和建設成為了一項重要的工作。電力系統(tǒng)的不斷發(fā)展,電網規(guī)模越來越大,提高電力系統(tǒng)規(guī)劃就成為了一個迫切的任務,許多專家和學者都對電網規(guī)劃作出了深入研究,但運用于實際工程應用,還存在的許多問題�，F代啟發(fā)式算法也因為這些問題的約束,在電網規(guī)劃問題上的發(fā)展受到了一定的阻礙,要建立一個完全符合實際問題的數學模型是基本不可能的,只有通過對模型的簡化和對不確定因素的忽略,才能的到所求問題的最優(yōu)解。雖然現代啟發(fā)式算法在電網規(guī)劃問題上目前得到了廣泛的應用,但是通過研究發(fā)現,各個現代啟發(fā)式算法仍存在著一定的缺陷。很多學者在近幾年也在致力于對算法參數的設置的研究及算法性能改進研究。本文通過對遺傳算法、蟻群算法和模擬退火算法的研究學習,詳細分析三種算法的優(yōu)缺點,設計了一種將三種算法融合的的遺傳-模擬-蟻群算法,并應用于電網規(guī)劃中。本文采用了單階段電網規(guī)劃的數學模型。利用直流潮流計算和基于鄰階矩陣的網絡連通性判斷,在算法初期排除掉一些產生的無效解,使算法的效率得到了提高。并根據電網規(guī)劃初期運行費用遠低于建設費用的特性,對目標函數進行了簡化即目標函數為擴建線路長度最短。在典型的IEEE18節(jié)點系統(tǒng)中,分別將遺傳算法、蟻群算法和混合算算法應用于電網規(guī)劃問題,對三種算法得到的規(guī)劃結果進行了分析比較,證明了本文提出的算法是優(yōu)于其他兩種算法的。本文設計的混合算法利用模擬退火算法來對精英個體進行選擇,克服了遺傳算法在選擇操作上輪盤賭法的不利影響,優(yōu)秀個體未完全復制到下一代的缺點;利用算法前期所計算出來的優(yōu)化解生成蟻群算法的初期信息素分布也克服了蟻群算法初期信息素匱乏搜索效率低的缺點以及遺傳算法在搜索到一定階段時,會產生大量冗余迭代,導致最優(yōu)解搜索效率低的缺點�；旌纤惴ㄝ^遺傳算法和蟻群算法擴大了解的搜索空間,提高了全局優(yōu)化尋優(yōu)速度。本文設計的混合算法應用于IEEE18節(jié)點系統(tǒng)中所得的規(guī)劃結果是本文的最優(yōu)解。
【關鍵詞】：電網規(guī)劃 遺傳算法 蟻群算法 模擬退火算法 混合算法
【學位授予單位】：西華大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM715;TP18
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-16
• 1.1 電網規(guī)劃研究的背景及意義9
• 1.2 輸電網絡擴展規(guī)劃任務9-10
• 1.3 國內外發(fā)展現狀10-15
• 1.4 本文的主要研究內容15-16
• 2 輸電網規(guī)劃的數學模型16-21
• 2.1 電網規(guī)劃概述16-17
• 2.2 電網規(guī)劃的數學模型17-20
• 2.2.1 單目標輸電網數學模型17-18
• 2.2.2 可靠性模型18
• 2.2.3 多階段電網規(guī)劃數學模型18-19
• 2.2.4 多目標電網規(guī)劃數學模型19-20
• 2.3 本章小結20-21
• 3 算法的融合21-37
• 3.1 遺傳算法21-24
• 3.1.1 遺傳算法簡介21
• 3.1.2 遺傳算法的基本原理21-22
• 3.1.3 簡單遺傳算法的求解流程22-23
• 3.1.4 遺傳算法的特點23-24
• 3.2 模擬退火算法24-27
• 3.2.1 模擬退火算法簡介24
• 3.2.2 模擬退火算法基本原理24-25
• 3.2.3 模擬退火算法的求解流程25-26
• 3.2.4 模擬退火算法的特點26-27
• 3.3 蟻群算法27-31
• 3.3.1 蟻群算法簡介27
• 3.3.2 蟻群算法原理27-29
• 3.3.3 蟻群算法計算流程29-30
• 3.3.4 蟻群算法的特點30-31
• 3.4 算法的融合思路31-35
• 3.4.1 模擬退火算法替代遺傳算法選擇操作31-32
• 3.4.2 在最優(yōu)點附近進入蟻群算法32-34
• 3.4.3 混合合算法基本流程34-35
• 3.5 本章小結35-37
• 4 基于混合算法的電網規(guī)劃37-59
• 4.1 電網規(guī)劃的數學模型37
• 4.2 編碼方式37-38
• 4.3 適應度函數38
• 4.4 判斷網絡的連通性38-40
• 4.5 潮流計算40-43
• 4.6 過負荷計算43-44
• 4.7 混合算法的計算流程44-47
• 4.8 算例分析47-58
• 4.8.1 實例分析47-49
• 4.8.2 僅運用遺傳算法分析結果49-52
• 4.8.3 僅運用蟻群算法分析結果52-55
• 4.8.4 混合算法分析結果55-58
• 4.9 本章小結58-59
• 5 總結和展望59-61
• 參考文獻61-65
• 攻讀碩士學位期間科研成果65-66
• 致謝66-67

【相似文獻】

中國期刊全文數據庫 前10條

1 肖堅;;一個簡單算法分析——算法優(yōu)化與程序設計[J];水利水文自動化;1991年04期

2 楊波;肖自碧;;信息與計算科學專業(yè)“算法分析與設計”研究性教學探索[J];中國電力教育;2013年01期

3 馮結青,彭群生;Bernstein多項式的快速復合算法[J];計算機輔助設計與圖形學學報;2001年02期

4 李晉民,翟吉,郭彪;微機保護算法分析[J];電力學報;1995年01期

5 陳小軍,李保祥,李凱;數字化核測儀表的設計與算法分析[J];核電子學與探測技術;2003年02期

6 王昊;;Raymond算法分析與改進[J];科技創(chuàng)新與應用;2013年03期

7 張文君,繆棟;用于精確尋的的幾種算法研究[J];上海航天;2000年04期

8 朱朝霞,王楊,張世祿;一類螺旋方陣問題的算法分析與實現[J];重慶工商大學學報(自然科學版);2004年04期

9 范龍保,時亞光;文本文件比較的算法分析和程序實現[J];常熟高專學報;2002年04期

10 張博;周麗韞;李興霞;;中點生成橢圓的整數型算法[J];工程圖學學報;2011年01期

中國重要會議論文全文數據庫 前10條

1 俞洋;田亞菲;;一種新的變步長LMS算法及其仿真[A];通信理論與信號處理新進展——2005年通信理論與信號處理年會論文集[C];2005年

2 周顥;劉振華;趙保華;;構造型的D~2FA生成算法[A];中國通信學會通信軟件技術委員會2009年學術會議論文集[C];2009年

3 賴桃桃;馮少榮;張東站;;一種基于劃分和密度的快速聚類算法[A];第二十五屆中國數據庫學術會議論文集（一）[C];2008年

4 劉遠新;鄧飛其;羅艷輝;舒添慧;;ERP柔性平臺下物流運輸配送系統(tǒng)算法分析[A];第二十六屆中國控制會議論文集[C];2007年

5 王樹西;白碩;姜吉發(fā);;模式合一的“減首去尾”算法[A];第二屆全國學生計算語言學研討會論文集[C];2004年

6 王萬青;張曉輝;;改進的A~*算法的高效實現[A];2009全國測繪科技信息交流會暨首屆測繪博客征文頒獎論文集[C];2009年

7 孫煥良;邱菲;劉俊嶺;朱葉麗;;IncSNN——一種基于密度的增量聚類算法[A];第二十三屆中國數據庫學術會議論文集（研究報告篇）[C];2006年

8 韓建民;岑婷婷;于娟;;實現敏感屬性l-多樣性的l-MDAV算法[A];第二十七屆中國控制會議論文集[C];2008年

9 張悅;尤楓;趙瑞蓮;;利用蟻群算法實現基于程序結構的主變元分析[A];第五屆中國測試學術會議論文集[C];2008年

10 王旭東;劉渝;鄧振淼;;正弦波頻率估計的修正Rife算法及其FPGA實現[A];全國第十屆信號與信息處理、第四屆DSP應用技術聯合學術會議論文集[C];2006年

中國重要報紙全文數據庫 前1條

1 科文;VIXD算法分析Web異常[N];中國計算機報;2008年

中國博士學位論文全文數據庫 前10條

1 魏哲學;樣本斷點距離問題的算法與復雜性研究[D];山東大學;2015年

2 劉春明;基于增強學習和車輛動力學的高速公路自主駕駛研究[D];國防科學技術大學;2014年

3 張敏霞;生物地理學優(yōu)化算法及其在應急交通規(guī)劃中的應用研究[D];浙江工業(yè)大學;2015年

4 李紅;流程挖掘算法研究[D];云南大學;2015年

5 盛歆漪;粒子群優(yōu)化算法及其應用研究[D];江南大學;2015年

6 黃磊;高動態(tài)環(huán)境捷聯慣導信號處理及高精度姿態(tài)速度算法研究[D];南京航空航天大學;2015年

7 劉新旺;多核學習算法研究[D];國防科學技術大學;2013年

8 于濱;城市公交系統(tǒng)模型與算法研究[D];大連理工大學;2006年

9 曾國強;改進的極值優(yōu)化算法及其在組合優(yōu)化問題中的應用研究[D];浙江大學;2011年

10 肖永豪;蜂群算法及在圖像處理中的應用研究[D];華南理工大學;2011年

中國碩士學位論文全文數據庫 前10條

1 趙官寶;基于位表的關聯規(guī)則挖掘算法研究[D];昆明理工大學;2015年

2 殷文華;移動容遲網絡中基于社會感知的多播分發(fā)算法研究[D];內蒙古大學;2015年

3 徐翔燕;人工魚群優(yōu)化算法及其應用研究[D];西南交通大學;2015年

4 潘浩;基于可逆結構的超點和長流檢測算法研究[D];大連海事大學;2016年

5 王寧偉;微博網絡中的重疊社區(qū)發(fā)現算法研究[D];北京交通大學;2016年

6 高山;星載MIMO檢測算法的抗SEU技術研究[D];解放軍信息工程大學;2014年

7 張振賓;國密SM4和SM2算法功耗攻擊關鍵技術研究與實現[D];清華大學;2015年

8 閆婷;基于混合細菌覓食和粒子群的k-means聚類算法在類風濕并發(fā)癥中的研究[D];太原理工大學;2016年

9 曹陽;基于質心策略的蝙蝠算法[D];太原科技大學;2015年

10 高越;量子K近鄰算法研究[D];東南大學;2015年

，

本文編號：731749