地区供电局输电网无功优化研究与应用.pdfVIP

电力 Popsize为种群规模 ；C为染色体长度 ，即为控制变量个 数 。可将两个个体的距离表示为 (4) = (5) 式 中：V 、 、V 分别为发 电机节点 电压 、有载调压 变压器变 比和负荷节 点 电压 ； … 、 分别对应变量的 d除了反映个体 和x，之间的距离外，还反映了它 上 、下 限值 。 们之间的相关性 ，即相似程度 。也越小 ，说 明 和 ，相 3改进排挤小生境 自适应遗传算法 关性越高 ，也就越相似 ；d越大 ，说明 和 ，相关性越 3．1排挤小生境遗传算法 低 ，相似程度越小 。 对于个体 i．其周围个体的密集程度可 以由个体 i的分 引入 自然界 中 “物 以类聚 ，人 以群分 ”的小生境现 散度来表示 ： 象，即各类生物总是倾 向于与 自己特性 、形状相类似的生 物生活在一起 ，交配和繁殖后代 。小生境遗传算法 (niche Pops P D{= ∑ dli (6) geneticalgorithm。NGA)具有很高 的全局寻优 能力和收敛 j=l，j=i 速度 ，在保持解 的多样性方面表现优异 ．已被应用于无功 反映 了个体 i周 围其他个体 的分布情况 。 优化问题 。排挤 的思想源于在一个有限的生存 空间中，各 D越小 ，说 明个体 i周围分布的个体越 多 ，并且个体 种不同的生物为了能够延续生存 ，它们之 间必须相互竞争 之间相似 的程度较高 ，群体多样性不足。应对这些个体采 各种有限的生存 资源。 取较高的交叉和变异概率 ，以产生更多的新个体 ，保证种 比较群体中每两个个体之间的海 明距离，若这个距离 群 的多样性 ，避免 陷入局部最优解 。 小于预先指定的距离 ，再 比较两者的适应度 ，并对其 中 3．2．3自适应交叉和变异概率 适应度较小的个体施加一个较强的罚函数 ，极大地 降低其 目前 已有很多文献讨论 了遗传算法交叉算子和变异算 适应度。这样 ，对于在距离 L之 内的两个个体 ，其 中较差 子 的 自适应调节问题 ，文献 『l3]给出了小生境 巾自适应 的个体经处理后其适应度变得更差 ，在后面的进化过程 中 规律 的形成 ，根据适应度值调节个体交叉率 、变异率 ，该 被淘汰 的概率就极大 。 算法优化能力加强了，但变异算子的 自适应 能力较差 。因 3．2基于改进排挤小生境 自适应遗传算法的输电网 此 ，本文提 出一种结合个体分散度和个体适应值的 自适应 无功优化 交叉和变异算子 ，保证 了种群 的多样性和防止了早熟现象 应用遗传算法求解无功优化问题 ，实 际上就是反复进 的发生 行潮流计算和无功优化计算 的迭代过程 ．使其结果既满足 3．2．4基 因操作 网络的约束条件 ，又满足某种指标最优。首先 由无功优化 (1)选择操作 控