基于分解的智能优化算法在电力系统无功优化中的仿真研究 application of moead in power system reactive power optimization.pdfVIP

27 基于分解的智能优化算法在电力系统 无功优化中的仿真研究 康健1，周庆庆2 (1．西安供电局，陕西西安710032；2．陕西省电力公司，陕西西安710068) 一一一№懈憾 概剩撤 舭妇一 m一 ofMOEADinPower ReactiVePower Application System 一一～～一～一一一一 KANG Jianl，ZHOU Qing—qin92 Power ElectricPower (1．Xi’an Bureau，Xi’an Supply 710032，China；2．ShaanxiCorporation，Xi’an710048，China) Abstract：ReactiVe isa reactive simula“on poweroptimizationmul“一objectivepmbIem．Themul“一objectivepoweroptjmization modelisbuiltwiththe functionofminimumactive lossesminimumreactive costs．MOEAD target power powercompensation (Multi—objectiveEvolutionaryBasedon isusedtosolve reactive model．The Algorithm Decomposition) mul“一objectiveoptimal simulationresults thatthe reactive basedonMOEADcanreducethe active prove mul“一objective poweroptimization system power lossesandreactive costs withfast and calculation powercompensationeffectivelyspeedgood perfb丌nance． KeyworiIs：MOEAD；reactive poweroptimization；powersystem；multi—objectiveoptimization 在电力系统无功优化问题中的研究具有非常重要的 0 引言 科研价值和实际意义㈨。 我国幅员辽阔，东西部能源分布不平衡，为了实 1 基于分解的多目标进化算法 现经济持续增长和可持续发展。我国的智能电网发 展必然会进入到一个快速发展期，作为电力系统中 1．1算法的数学描述 较为常见的无功优化问题，仍然需要受到重视和关 将一个多目标优化问题(MOP)描述为㈣： 注。同样的多目标进化算法的发展越来越快，应用领 min：y=F(戈)=∽(戈)正(戈)，…二(戈))1’(1) 电网技术一DIz≤z。J|∞工c 域越来越广，并且日趋成熟。这使得将多目标进化算法 式中：戈∈n，门是决策(参数)