改进遗传算法结合灵敏度分析的无功优化 application of improved genetic algorithm combining sensitivity analysis to reactive power optimization.pdfVIP

嘭艺量‘钉2008年第27卷第7期 改进遗传算法结合灵敏度分析的无功优化 陈延秋1 张 尧1 魏映华2 胡金磊3 510640 510600 (1．华南理工大学电力学院 2．广州市防雷设施检测所 3．清远供电局 511500) 摘 要 针对标准遗传算法(SGA)在用于实际大规模电网的无功优化时存在搜索空间大、计 交叉和变异操作进行改进，改进交叉操作使得算法具有快速局部微调能力，而改进变异操作则结 合灵敏度产生新的个体，最后由灵敏度对IGACSA的结果进行调整。在无功优化中采取两步简单 的措施，将IGACSA应用于对新加无功补偿设备容量的确定，使其更适用于实际电力系统。对实 际电网的无功优化表明，所提算法缩短了无功优化的时间，并可得到更好的优化结果。 关键词 电力系统 无功优化 遗传算法 灵敏度分析 个体。结合灵敏度分析的改进遗传算法(Improved 1 引言 Genetic AlgorithmCombiningSensitivityAnalysis， 电力系统无功优化问题是一个多变量、多约 IGACSA)具有快速的局部微调能力，能使遗传算法 束、连续变量和离散变量共存的非线性规划问题。 更快趋于最优解。优化结束后，对IGACSA的优化 迄今为止，已有多种无功优化规划的方法，如非线 结果再次进行灵敏度分析，进一步调整无功补偿的 性规划法、线性规划法、Tabu搜索法、遗传算法和容量，最终确定需要新加装的无功补偿设备的装设 人工神经网络法等¨’21，并已取得一定的效果。 位置及容量。 遗传算法¨1(GeneticAlgorithm，GA)是一种随 2无功优化的数学模型 机和自适应的算法，具有全局寻优的能力。将遗传 算法应用于电力系统无功优化问题中，人们已经进 电力系统无功优化的主要目的是通过合理安排 行了很多的尝试，并对标准遗传算法进行了改进， 设备的无功出力，使无功功率尽量就地平衡，将系 都得到了不错的结果¨…。但是对于节点较多的大 统的有功损耗降至最低，并保证电压质量，实现系 规模电力系统，遗传算法的搜索空间迅速增大，搜 统的安全经济运行。 索时间长。 2．1 目标函数 ．灵敏度作为状态变量和控制变量之间变化关系 目标函数取有功网损最小，综合考虑发电机无 的最直接体现，能够准确反映控制变量的变化对状 功出力和节点电压合格率，可表示为 态变量的影响程度。在无功优化问题中，通过分析 系统有功网损对节点注入的无功功率的灵敏度，可 以得出各节点的无功功率变化对于有功网损变化的 作用。由此，有文章提出使用灵敏度分析选择补偿 A ㈩ ． v熹kS--等胁S)2 的节点，以降低优化算法的搜索空间的维数，提高 式中，Ph。为系统有功网损，等式右端第二、三项分 搜索的效率H““。 别为发电机无功越界的罚函数和节点电压越界的罚 Genetic 本文在标准遗传算法(StandardAlgo—