- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
优秀硕士毕业论文,完美PDF格式,可在线免费浏览全文和下载,支持复制编辑,可为大学生本专业本院系本科专科大专和研究生学士硕士相关类学生提供毕业论文范文范例指导,也可为要代写发表职称论文提供参考!!!
重庆大学硕士论文
摘 要
本文将进化计算引入电力系统,探讨了遗传算法、进化规划、进化策略在电力系统潮
流计算、最优机组投入、短期水火电调度、无功优化调度中的运用,取得了以下成果:
1.本文将求解潮流方程问题处理为优化问题,目标函数利用网络中PQ、PV节点的有
功、无功、电压偏差的平方和,构造最小二乘式(正定),模型受到功率平衡方程等式约
束以及发电机节点电压幅值约束,然后采用两步遗传算法,即首先采用无约束遗传算法,
然后在计及功率平衡方程和电压幅值约束的基础E,结合无约束遗传算法提出约束遗传潮
流法,并采用动态群法、电压最大偏差修正法、解加速技术改进算法性能。_用简单4节点,
轻、重载条件下KKl1节点系统进行数字仿真,结果表明CGALF法有非常好的收敛性,
能够精确地求出潮流多解而且能够求出运行于静态顶值点的潮流解。若潮流方程本身无
解,则该法能以PV节点电压幅值越限形式给以说明,并同时采用松弛PV节点电压或减
少PQ节点负荷(两者均在精度范围内)的方法,则在不牺牲PV节点电压水平精度的基
础上,使潮流方程获得可解性。卜
2.建立了较为完整的机组最优投入的数学模型和配套的解决方法,模型包含常规火电
机组、具有库容约束的水电机组,在充分考虑了系统级和机组级动态特性的基础上,计及了
机组输出功率变化速度约束、最小运行,停运时间约束的机组级和系统级的各种常规约束条
件,使得模型与实际运行状况达到较为完美的统一,对算法的适应度函数进行了定标,设
计了自适应的交叉和变异概率,使得算法的实用性明显增强。
3提出了用进化规划求解短期水火电调度,模型充分计及了火电厂“阀点”调节效应、
水电厂调节“禁区”,对进化规划在变异尺度、适应度函数值、群体规模方面进行研究。
f选取了一个测试系统进行测试,其计算结果同SA法、GA法、梯度法进行了比较。由于
EP法所固有的并行特性,计算速度快于SA法;同GA法相比较,无需编码、译码环节,
节约了内存和时间,取得了可观的经济效益。7
4.用进化策略求解无功优化进行尝试,对常规进化策略的方差向量进行了改进,引入
了杂交机制,提出了鲁棒进化策略(RES),实际算例表明:RES法获得了稳定的方差,能
够平稳收敛,具有极强的鲁棒性。相对于GA、EP法,RES、ES的收敛速度快,但缺点是
易陷入局部极小,几种方法相对于常规的线性规划法,无须受求解函数的限制,总之,进
化计算的唯一缺点在于计算速度慢,随着计算机技术的发展与其算法本身固有的并行特性
的开发,将弥补这一不足。-
关键词:进化计算 潮流多解 机组最优投入 水火电调度 无功优化
ABS{RAeT
all the
This makes tointroduce electric
paper attempt evolutionarycomputation(EC)into
anddiscussits to flow,commitment
system power
power application
areas
mainachievementsfollows:
scheduling,reactivepoweroptimization.The
to the asan
1.强is treat loadflow problem.thesquared
paperproposes optimization
thenodal
文档评论(0)