电力系统中若干优化问题研究分析(刘佳).ppt

电力系统中若干优化问题的研究 绪论 电力是国家的支柱能源和经济命脉。 根据电力系统的特点和发展趋势，发展和完善现代电力系统优化模型和实用算法是当前电力系统研究和工程实践的重要课题之一。 本文以电力系统中的若干问题进行讨论，并提出改进的优化算法对电力系统中的多目标无功优化、短期负荷预测、电力线路检修计划的制定和错峰限电分配四个方面进行研究。 基于粒子群的电力系统多目标无功优化 研究背景 电力系统无功优化是指在保证满足运行约束的同时，用尽量少的无功投入（或尽量少的无功补偿设备投资），最大限度地改善电压质量、降低网损。以达到在满足电压质量要求的情况下，网损最小，或能耗最小，或运行费用最小的目的。 基于粒子群的电力系统多目标无功优化 粒子群优化算法原理 PSO算法采用速度——位置搜索模型。在每一次迭代中，粒子通过跟踪两个“极值”来更新自己。第一个就是粒子本身所找到的最优解Pbest，这个解称为“个体极值”。另一个极值是整个种群目前找到的最优解Gbest，这个极值是“全局极值”。 基于粒子群的电力系统多目标无功优化 多目标粒子群(MOPSO)算法思想 将粒子群算法运用于优化问题的关键是如何定每个个体的局部和全局最优位置。对于多目标优化问题，由于并无单个的最优解，所以不能直确定这两个量。为了解决这个问题，本文借鉴适应度空间距离这一概念并加以扩展，并结合归档机制提出了一个新的多目标粒子群优化算法（MOPSO）。 基于粒子群的电力系统多目标无功优化 MOPSO的几个关键问题 ①归档技术 算法保存一个容量受限的外部记忆体，该记忆体的个体集合包含从初始代到当前代群体的非劣个体。 ②最优解的选取 提出了适应本文算法的适应值空间距离的定义如下 基于粒子群的电力系统多目标无功优化 基于粒子群优化算法的多目标无功优化 ①有功网损 从经济性方面考虑，经常采用的目标是有功网损最小。 ②电压偏移 电压偏移的目标函数就是将各节点的电压偏移总和最小化。 ③系统电压安全稳定裕度 本文将收敛的雅克比矩阵的最小模特征值最大化作为系统无功优化的目标之一。 基于粒子群的电力系统多目标无功优化 算例分析 本文研究的无功优化问题同时考虑系统的经济性和电压的稳定性，目标函数向量包括系统有功网损、电压偏移和系统电压安全稳定裕度三个子目标。为验证本文所提的算法以及评价多目标函数Pareto最优解优劣方法的可行性，选择IEEE30节点系统和IEEE118节点系统作为测试系统进行多目标无功优化。 基于粒子群的电力系统多目标无功优化 表2.1 IEEE30节点系统的平均优化结果 基于粒子群的电力系统多目标无功优化 表2.2 IEEE118节点系统的平均优化结果 基于人工免疫的神经网络短期负荷预测 研究背景 短期负荷预测通常是指日负荷预测和周负荷预测，在于帮助确定燃料供应计划，制订电厂机组出力计划，对发电机组出力变化可事先得以估计，合理地安排本网内各机组的启停等，短期预测的最重要的目的是要尽可能的满足提高预测的精度要求。 基于人工免疫的神经网络短期负荷预测 人工免疫算法原理 人工免疫算法是模拟生物免疫系统智能行为而提出的仿生算法，它是一种确定性和随机性选择相结合并具有勘测与开采能力的启发式随机搜索算法。其将优化问题的寻优过程与生物免疫系统识别抗原并实现抗体进化的过程对应起来，将生物免疫应答中的进化链抽象为数学上的进化寻优过程，形成智能优化算法。 基于人工免疫的神经网络短期负荷预测 人 工 免 疫 算 法 流 程 图 基于人工免疫的神经网络短期负荷预测 改进人工免疫算法中的几个关键问题 ①交叉变异操作 按照激励度的大小将父代种群划分为两个子种群，激励度较大的一半个体划为子种群A；激励度较小的一半个体划分为子种群B。对A、B两个子种群中的个体分别采用不同变异策略。 ②疫苗抽取 本文算法中采用自适应抽取疫苗方法。即在群体进化过程中从其每代最佳的基因中抽取有效信息，从而制作疫苗。 ③疫苗接种 三种形式：（1）对连续N代没有变化的个体，即停滞个体进行疫苗接种；（2）对浓度过大的个体进行疫苗接种；（3）对适应值过低的个体进行疫苗接种。 基于人工免疫的神经网络短期负荷预测 将改进人工免疫算法（DAIA）引入BPNN模型中，提出了一种DAIA-BPNN模型，其基本思想是结合了DAIA算法的搜索特性和BPNN模型的优良性能，旨在进一步提高学习能力。将DAIA和BP神经网络