细菌群体趋药性算法在电力系统无功优化中的应用

论文摘要

电力系统的无功优化是改善电压质量、减少网络损耗、提高系统电压稳定性的重要途径。基于此,对电力系统无功优化算法的研究就显得十分重要。本文将细菌群体趋药性(BCC)优化方法应用在电力系统无功优化中,以系统网损最小为目标函数,建立了细菌群体趋药性无功优化数学模型,由发电机机端电压、变压器分接头和电容器组三部分控制变量构成初始矩阵,在算法中都作为细菌位置坐标,表征细菌移动寻优时的空间位置,控制变量即细菌移动遵循在维空间中的移动寻优规律,每个细菌通过感知周围的信息不断向最优方向移动,从而提高了全局搜索能力。通过优化参数,加快了收敛速度。对标准IEEE 30、IEEE 118节测试系统进行了测试,并与免疫遗传算法(IMGA)和改进粒子群算法(CPSO)相比较,结果令人满意。BCC算法的简单性和鲁棒性表明其是一个值得进一步深入研究的方向,具有良好的理论价值和实用价值。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 选题背景
• 1.2 无功优化问题及其发展历程与现状
• 1.2.1 传统经典算法
• 1.2.2 人工智能优化算法
• 1.3 本文的主要工作
• 第二章 细菌群体趋药性算法
• 2.1 细菌趋药性（BC）二维模型的建立与描述
• 2.2 细菌趋药性（BC）算法由二维扩展到N 维的改进策略
• 2.3 细菌趋药性（BC）算法改进参数更新
• 2.4 引诱剂环境下细菌信息交互模式
• 2.5 细菌群体趋药性（BCC）算法的提出
• 2.6 二维空间中细菌群体趋药性算法算例测试
• 第三章 基于细菌群体趋药性算法的无功优化
• 3.1 无功优化数学模型举例
• 3.1.1 经典的数学模型
• 3.1.2 电力市场下的数学模型
• 3.2 细菌群体趋药性算法应用于无功优化问题的数学模型
• 3.2.1 建立无功优化数学模型
• 3.2.2 算法步骤
• 3.2.3 离散变量的处理
• 3.3 算法流程图
• 第四章 算例及分析
• 4.1 IEEE30 节点系统测试
• 4.1.1 测试系统数据
• 4.1.2 优化计算结果
• 4.2 IEEE118 节点系统测试
• 4.2.1 测试系统数据
• 4.2.2 优化计算结果
• 4.3 算法相关参数讨论与结果分析
• 4.3.1 改变步长时对寻优结果的影响
• 4.3.2 改变细菌个数对寻优结果的影响
• 4.3.3 细菌群体趋药性算法与其他优化算法的比较
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况