基于遺傳算法的電力系統(tǒng)無功優(yōu)化目錄中文摘要1英文摘要21 緒論31.1 問題的提出及研究意義31.2 國內(nèi)外研究現(xiàn)狀31.3 本文的主要工作42 電力系統(tǒng)無功優(yōu)化模型62.1無功優(yōu)化的模型62.2無功優(yōu)化的目標(biāo)函數(shù)62.3無功優(yōu)化的約束條件73 遺傳算法的原理及其解題過程93.1 生物進(jìn)化與遺傳算法93.2 遺傳算法的特點(diǎn)及其優(yōu)化原理93.3 遺傳算法的解題過程114 算例分析144.1 參數(shù)設(shè)置144.2 結(jié)果分析165 總結(jié)展望19參考文獻(xiàn)20附錄21摘要：隨著現(xiàn)代工業(yè)的發(fā)展，電能質(zhì)量越來越重要無功優(yōu)化是通過對可調(diào)變壓器分接頭、發(fā)電機(jī)端電壓和無功補(bǔ)償設(shè)備的綜合調(diào)節(jié)，使系統(tǒng)滿足電網(wǎng)安全約束，在穩(wěn)定電壓的同時可以降低系統(tǒng)的網(wǎng)絡(luò)損耗由于可投切并聯(lián)電容器組的無功出力和可調(diào)變壓器的分接頭位置是非連續(xù)變化的，因此電力系統(tǒng)無功優(yōu)化問題是一個復(fù)雜的非線性混合整數(shù)規(guī)劃問題、其控制變量既有連續(xù)變量又有離散變量，優(yōu)化過程十分復(fù)雜針對無功優(yōu)化問題，人們提出了眾多的求解方法，目前常用的、比較成熟的方法主要有非線性規(guī)劃法、線性規(guī)劃法、混合整數(shù)規(guī)劃法、人工智能法等線性規(guī)劃法、非線性規(guī)劃法均為單路徑搜索方法，有可能會得到局部最優(yōu)解。

為克服這一弊端，可以采用遺傳算法，它從多個初始點(diǎn)出發(fā)進(jìn)行搜索，同一次迭代中各個點(diǎn)的信息互相交換，遺傳算法允許所求解的問題是非線性不連續(xù)的，并能從整個可行域空間尋找最優(yōu)解同時由于其搜索最優(yōu)解的過程是具有指導(dǎo)性進(jìn)行的，從而避免了維數(shù)災(zāi)難問題基于以上優(yōu)點(diǎn)本文采用了遺傳算法對電力系統(tǒng)進(jìn)行無功優(yōu)化，在matlab上編寫程序?qū)λ憷M(jìn)行優(yōu)化，優(yōu)化結(jié)果表明算法的可行性關(guān)鍵字：電力系統(tǒng)；無功優(yōu)化；非線性規(guī)劃；遺傳算法Abstract: With the development of modern industry, power quality is becoming more and more important. Reactive power optimization is based on the adjustable transformer tap, generator terminal voltage and reactive power compensation equipment comprehensive regulation which can meet the grid security constraints, and can reduce the system network loss while stabilizing the voltage. Because of the reactive power output of the shunt capacitor bank and the position of the tap of the adjustable transformer is discontinuous the reactive power optimization problem of power system is a complex nonlinear mixed integer programming problem. Its control variables include continuous and discrete, and the optimization process is very complicated. For the problem of reactive power optimization, many methods have been put forward. The commonly used methods are nonlinear programming method, linear programming method, mixed integer programming method, artificial intelligence method, etc. The linear programming method and the nonlinear programming method are all single path search methods, and it will obtain the local optima. In order to overcome the disadvantages of them we can use the genetic algorithm. It starts from many initial points to search. The information can exchange with each other in iteration. The genetic algorithm allows the solution of the problem to be nonlinear and discontinuous, and can find the optimal solution from the whole feasible domain space. At the same time, because the process of searching the optimal solution is instructive, the curse of dimensionality is avoided. Based on the above advantages, this paper adopts the genetic algorithm to optimize the reactive power of the power system. The program is written on the MATLAB to optimize the example, and the optimization results show the feasibility of the algorithm.Keyword: power system, reactive power optimization, nonlinear programming, genetic algorithm1 緒論1.1 問題的提出及研究意義 經(jīng)濟(jì)的進(jìn)一步發(fā)展，能源意識的進(jìn)一步增強(qiáng)，電力系統(tǒng)運(yùn)行的安全性和經(jīng)濟(jì)性要求日趨突出和重要。

電力系統(tǒng)的運(yùn)行管理不僅要重視安全可靠性還要考慮其運(yùn)行的經(jīng)濟(jì)性以及對企業(yè)效益和社會效益的影響如何實(shí)現(xiàn)科學(xué)管理，在保證安全可靠的同時科學(xué)地利用和優(yōu)化配置系統(tǒng)資源、降低運(yùn)行損耗、提高供電電能質(zhì)量，最終提高企業(yè)效益和社會效益，越來越受到人們的關(guān)注和重視 近年來我國電力工業(yè)發(fā)展很快，全國發(fā)電裝機(jī)容量、電力設(shè)施都以前所未有的速度在增長但是電力系統(tǒng)無功電源規(guī)劃設(shè)計、建設(shè)管理工作仍然比較薄弱，存在著無功電源容量缺額大、功率因數(shù)低、線損率高、電壓質(zhì)量差、無功及電壓控制自動化程度低等問題由于在現(xiàn)代大電網(wǎng)中，隨著電力系統(tǒng)聯(lián)網(wǎng)容量的增大和輸電電壓的提高，輸電功率的變化和高壓線路的投切都將引起很大的無功功率變化，系統(tǒng)對無功功率和電壓的調(diào)節(jié)控制能力的要求越來越高衡量電力系統(tǒng)電能質(zhì)量好壞的一個非常重要的指標(biāo)是電壓，保證用戶的電壓與額定值的偏移不超過規(guī)定的數(shù)值是電力系統(tǒng)運(yùn)行的一個基本任務(wù)電力系統(tǒng)中的電壓和無功功率密切相關(guān)，簡單來說就是當(dāng)系統(tǒng)滿足不了負(fù)荷無功功率要求時，負(fù)荷端電壓就被迫下降以滿足系統(tǒng)的無功功率平衡的要求要在滿足用戶端電壓要求的條件下保證系統(tǒng)的無功功率平衡，電力系統(tǒng)必須要有充足的無功電源正是由于無功優(yōu)化在電力系統(tǒng)中的重要作用，所以無功優(yōu)化一直得到電力系統(tǒng)運(yùn)行人員和研究人員的高度重視，一直是電力系統(tǒng)研究領(lǐng)域中的熱點(diǎn)。

通過對電力系統(tǒng)無功進(jìn)行優(yōu)化配置和調(diào)度，不僅可以維持電壓水平和提高電力系統(tǒng)運(yùn)行的穩(wěn)定性、降低有功網(wǎng)損和無功網(wǎng)損，同時也是指導(dǎo)調(diào)度人員安排運(yùn)行方式和進(jìn)行電網(wǎng)無功優(yōu)化規(guī)劃不可或缺的工具無功優(yōu)化對于節(jié)省電能、改善電壓質(zhì)量、提高電網(wǎng)的可靠運(yùn)行，具有重要的現(xiàn)實(shí)意義和顯著的經(jīng)濟(jì)效益1.2 國內(nèi)外研究現(xiàn)狀電力系統(tǒng)無功優(yōu)化的研究是一個悠久的課題，自電力系統(tǒng)投入運(yùn)營以來，無功優(yōu)化建模和求解一直是電力行業(yè)專家學(xué)者們努力探索的一個方向電力系統(tǒng)的無功優(yōu)化問題是一個多變量、多約束的混合非線性規(guī)劃問題，其具有以下特點(diǎn)：（1）離散型：在無功優(yōu)化中通常使用離散變量來表示在何處裝設(shè)無功補(bǔ)償設(shè)備，表示變壓器分接頭位置、電容器組合電抗器組的數(shù)量2）非線性：在數(shù)學(xué)模型中為了滿足功率平衡，約束條件中包含有功、無功、潮流計算方程，潮流方程就是典型的非線性方程3）大規(guī)模：現(xiàn)代電力系統(tǒng)包含眾多的節(jié)點(diǎn)、出線、變壓器和發(fā)電機(jī)、電容器、電抗器，電網(wǎng)結(jié)構(gòu)也越來越復(fù)雜4）收斂性依賴于初值：無功優(yōu)化的數(shù)學(xué)模型中要考慮潮流方程作為等式約束，而潮流方程是高階非線性方程，因此無功電壓優(yōu)化問題是非凸的，即可能存在多解的情況無功優(yōu)化問題的約束大部分是非線性的，引入離散變量后，難以保證其連續(xù)可微的要求，因此其收斂性更依賴于初值的選擇。

自J.Carpentier在上世紀(jì)60年代初首次提出了電力系統(tǒng)最優(yōu)潮流（OPF）的概念后，電力系統(tǒng)潮流優(yōu)化問題在理論和實(shí)際應(yīng)用上已經(jīng)有了很大的發(fā)展無功優(yōu)化問題是OPF中重要的組成部分，幾十年來國內(nèi)外很多專家學(xué)者對此開展了大量的研究工作60年代后，運(yùn)籌學(xué)上的多種優(yōu)化方法幾乎都在無功優(yōu)化問題上作了研究、嘗試和應(yīng)用電力系統(tǒng)無功優(yōu)化的經(jīng)典求解算法主要是指以簡化梯度法、牛頓法、內(nèi)點(diǎn)法和解耦法等為代表的基于線性規(guī)劃、非線性規(guī)劃以及解耦原則的解法人工智能算法是一種以一定的直觀基礎(chǔ)而構(gòu)造的算法近年來，基于對自然界和人類本身的有效類比而獲得啟示的智能算法在電力系統(tǒng)無功優(yōu)化中的應(yīng)用得到了人們的關(guān)注，具有代表性的有人工神經(jīng)網(wǎng)絡(luò)、粒子群算法、模擬退火法、遺傳算法等智能算法是無須解析表達(dá)就能進(jìn)行優(yōu)化的方法以遺傳算法、模擬退火法等為代表的智能搜索算法，對于搜索空間基本上不需要什么限制性假設(shè)，因而具有全局尋優(yōu)能力，彌補(bǔ)了傳統(tǒng)數(shù)學(xué)規(guī)劃方法的不足，在電力系統(tǒng)無功優(yōu)化中得到了成功的應(yīng)用1.3 本文的主要工作學(xué)習(xí)了電力系統(tǒng)規(guī)劃可靠性后我了解到了許多人工智能算法用于求解非線性混合整數(shù)規(guī)劃問題的方法，這大大增長了我的見識聽了同學(xué)們在課堂上對不同種算法的講解分析比較后，我對這些算法有了一個概念上的認(rèn)識。

鑒于我目前的研究方向是電力系統(tǒng)優(yōu)化調(diào)度，平時使用的方法都是內(nèi)點(diǎn)法因此我選擇了人工智能算法中的遺傳算法來進(jìn)行求解電力系統(tǒng)無功優(yōu)化問題，這使我又學(xué)會了一種非線性混合整數(shù)規(guī)劃問題的求解方法電力系統(tǒng)無功優(yōu)化問題是一個多變量、非線性、多約束的復(fù)雜優(yōu)化問題本文研究的對象是以網(wǎng)損最小為優(yōu)化目標(biāo)的無功優(yōu)化問題在IEEE33節(jié)點(diǎn)配電系統(tǒng)的基礎(chǔ)上進(jìn)行一些改動，并在matlab上編寫基于遺傳算法的無功優(yōu)化程序，從而來驗證此算法對求解該類問題的有效性2 電力系統(tǒng)無功優(yōu)化模型無功優(yōu)化實(shí)質(zhì)也是一種潮流，區(qū)別在于引入控制變量的調(diào)整，不僅使潮流解可行，而且還要使目標(biāo)函數(shù)最小如果說常規(guī)潮流強(qiáng)調(diào)于計算，那么無功優(yōu)化則更強(qiáng)調(diào)于調(diào)整，它將控。