基于反向思维进化算法分布式电源选址和定容.docVIP

基于反向思维进化算法分布式电源选址和定容.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于反向思维进化算法分布式电源选址和定容

基于反向思维进化算法分布式电源选址和定容   摘要: 以含分布式电源配电网规划为研究对象,提出一种反向思维的进化算法,对配电网规划中分布式电源的选址和定容进行优化。建立了含分布式电源配电网规划模型,利用Matlab 仿真工具对所提算法进行了仿真,算例仿真结果表明,本算法全局搜索能力较强,收敛速度较快,可适用于配电网的规划优化。   Abstract: By analyzing the distributed power of the impact of distribution network planning, A new mind evolutionary algorithm based on consideration with is proposed to solve the site and unit size problem of the distributed generation. Firstly, the normalized objective function including investment and operating cost, loss cost and purchase is proposed, then the algorithm is achieved by Matlab. The results obtained show that the global search capabilities can achieve balance and the optimal solution can be found quickly.   关键词: 分布式发电;配电网规划;思维进化算法;学习;反思   Key words: distributed power;distribution network planning;mind evolutionary algorithm;study;consideration   中图分类号:TM715 文献标识码:A 文章编号:1006-4311(2014)08-0093-02   0 引言   随着新能源的大力发展,分布式发电与大电网的结合是未来电力系统发展的方向,也是节能减排、绿色环保、安全可靠的电力系统运行方式。分布式发电(Distributed Generation-DG)是指安装在用户处或其附近的小型发电机,或者就地应用热电联产的发电形式,该发电形式支持已有配电网的经济运行且发电效率较高。配电网规划的主要任务是:在满足系统负荷和安全、可靠供电的前提下,根据现有电网的基本情况以及电网负荷预测的结果,来规划和确定最佳的配电网建设方案,使其建设费用和运行费用最小[1]。然而,由于分布式电源在电网中的投入和退出具有很大的随机性,极大地增加了负荷预测的不确定性,给准确预测负荷的变化带来了许多困难;除此之外,分布式电源所在的位置与其价值也密切关联。因此,为保证配电系统运行的安全性与经济性,准确评估这些影响,寻求准确的负荷预测方法和优化算法,对规划DG最佳位置和容量具有重要的意义。对DG位置和容量进行优化的求解方法大都采用的是遗传算法[2]、其求解过程是将每个分布式电源的规划方案用两个变量来表示,但当规划中分布式电源很多时就会大大的增加求解变量,出现求解计算速度变得很慢等问题。本文提出了优化含DG配电网规划的一种新方法,建立了含DG电源的最优目标函数、约束条件,采用反向的思维进化算法(CEMA)求解,该方法能有效解决计算速度慢等问题。仿真结果表明了本算法的有效性。   1 含DG的配电网规划模型   数学模型如式(1)所示:   OBJ MinCtola1=?琢1CDG+?琢2CBuy+?琢3CLoss   ST SDE∑   2.2 反向思维进化算法的基本定义 思维运动是一种持续性的过程,也是一个积累的过程,是对新、旧信息以及运算结果信息的综合运算。同时,思维运动的结果会对现在和将来的思维运动产生影响。如运算结果出现差异,会及时的进行方向推演,由于主体的不同,他的思维记忆和反思,包括学习的方式也不同。反应到函数优化中则表现为,对于不同的优化函数可以采用不同的记忆、学习和反思的方式。   定义1 历史最优子群体。设子群体的优胜个数为NS,即适应度值最高的NS个子群体。   定义2 学习,即子群体间进行的信息交流。设趋同过程结束后,第i个子群体中的最优个体为:   Cx=f(C1,C2,…,Ci,…,CN),Ci为各子群体中适应度最高的个体,其中i=1,2,…,N,函数f的学习策略是使Cx仍具有第i个子群体的特征。为此,选取Cx=?籽Ci+?滓■Cj+?滓■Cj,?滓 ?籽,分别为惯性系数和学习权值,对他们选取不同的数值就可得到不

文档评论(0)

erterye + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档