基于混合连续蚁群算法的可用输电能力研究-电力系统及其自动化专业论文.docxVIP

摘 摘 要 摘 要 随着电力市场改革的不断深入，开放的输电网络给电力市场参与者提供了 一个公平竞争的环境。为确保电力系统的安全稳定运行，在保证已有输电协议 可靠输送的前提下，如何准确计算输电网络的可用传输能力(Available Transfer Capability，ATC)，己成为众多研究工作者关注和具有重要研究意义的课题。 ATC的计算是一个复杂的、多变量、多约束的非线性规划问题。经典的优化 算法存在着计算时间长，鲁棒性不佳，容易陷入局部最优解等弊端。现代启发 式算法内含的并行搜索机制能够快速准确地搜索到全局最优解，非常适合处理 大规模非线性优化问题。本文针对ATC的确定性求解模型，提出了基于混合连 续蚁群优化算法(Hybrid Continuous Ant colony Optimization，HCACO)求解ATC 的方法。该方法将蚁群优化算法(Ant Colony Optimization，ACO)的正反馈特 性与实数遗传算法(Genetic Algorithm，GA)的进化策略相结合，既克服了基本 蚁群算法只适用于离散问题的局限性，又解决了遗传算法收敛速度慢，计算精 确度不高的问题。算法通过全局蚂蚁和局部蚂蚁分别对遗传算法种群个体进行 全局探索式搜索和局部挖掘式搜索，并通过信息素来协调蚂蚁的运动，采用模 式搜索作为局部优化策略，提高了寻优的效率，全局的寻优能力和结果的稳定 性。计算过程中，根据不等式约束越界量的大小，动态调整罚函数，并采用强 制寻优策略，有效地提高了算法的收敛速度。 本文以IEEE一30节点系统为例进行仿真计算，并将结果与Benders分解法， 遗传算法和改进粒子群(Improved Particle Swarm Optimization，IPSO)算法相比 较，表明该算法具有较强的全局寻优能力，较快的收敛速度和较高的结果稳定 性，也验证了算法的合理性和有效性。 关键词：遗传算法；混合连续蚁群算法；可用输电能力；蚁群算法 东北电力大学颁‘L学位论文Abstract 东北电力大学颁‘L学位论文 Abstract The deregulation of electric power systems all over the world presents all opportunity to create competitive markets to trade electricity,which in turn presents new technical challenges to market participants and power system researchers．In this new environment，the security and economical issues of power systems are coordinated tightly than before．Thus，evaluation of Available Transfer Capability (ATC)is one of the most important items that many researchers face． The calculation of power system ATC is a mixed nonlinear optimization problem 、Ⅳith a large number of variables and constrains，there are some drawbacks，such as long computation time，poor robustness and easy to trip in local optimum solution using classical optimization algorithms to handle it．The meta-heuristic algorithms have the advantages of finding out the global optimal solution accurately and rapidly including the parallel searching strategy．This paper presents a deterministic and non-linear model of ATC computation，which is based on the hybrid continuous ant ’colony optimization(HCACO)．The algorithm combines the positive feedback