基于模糊控制遗传算法的输电系统最优化规划.pdfVIP

2000 年 1 月 25 日　　　　　　 　　　　　　 J an. 25, 2000 5 1 基于模糊控制遗传算法的输电系统最优化规划 1 2 2 3 王　晖 , 韩新阳 , 胡兆光 , 王广生 ( 1 北京航空航天大学计算机系, 北京 100083) (2 国家电力公司动力经济研究中心, 北京 10076 1) (3 中国电力科学研究院, 北京 100085) 摘要: 用遗传算法求解优化问题时, 要花费大量时间对基因进行测试、组合, 速度较慢。另外, 遗传 ( ) 算法的性能还强烈地依赖于一些相关参数 例如交叉和变异的概率 的选取。文中以电网规划为背 景, 对简单遗传算法(SGA ) 进行了多方面改进, 得到模糊控制遗传算法(FL CGA ) 。该算法速度快, 收敛到全局最优解的概率大。与基于传统遗传算法的电网规划比较, FL CGA 具有明显的优越性。 关键词: 电网规划; 遗传算法; 模糊控制 中图分类号: TM 7 15; T P 18 其中　 为 目标函数; , , …, 为 自变量; 为 0　引言 f x 1 x 2 x n N 走廊的总个数; 为第 走廊中线路的投资 K j j 电网优化规划的方法可归纳为启发式方法和数 系数; 为第 走廊的扩建线路数; 为第 学优化方法两大类, 它们各有优缺点。 nj j L j j 走廊的长度; 为节点的净注入功率向量; , P 遗传算法的主要缺点是求解问题非常费时。用 ′为节点电压相角向量; , ′为节点导纳矩 X X 遗传算法寻求最优解时, 要花费大量的时间对基因 阵 , ′的逆矩阵; l , l ′为各支路有功潮流 B B P P 进行测试、组合。另外遗传算法的性能还强烈地依赖 构成的向量; B l , B l ′为由各支路导纳组成的 ( ) 于所采用的编码方法 例如交叉与变异的概率 的选 对角矩阵; , ′为各支路两端相角差