基于改进粒子群算法的配电网网架规划优化研究

基于改进粒子群算法的配电网网架规划优化研究

论文摘要

配电网是现代电力系统中的重要组成部分之一,其任务是把从电源或输电网获得的电能直接分配给不同电压等级的用户。配电网网架规划优化是配电网络规划中的重点,进行好此项工作,可以大大提高配电网的投资效率,为配电网络的灵活可靠运行打下良好的基础。本文首先对配电网网架模型进行了研究,提出一种不确定性模型。接着对粒子群算法进行了研究,通过改进策略分析,提出了改进粒子群算法。然后,利用改进粒子群算法对配电网网架进行了深入研究,并对配电网重构、配电网故障隔离恢复进行了初步研究。最后,通过具体工程实例,验证了算法的可行性。本文的主要的研究成果及具体的内容如下:(1)考虑了配电网规划的不确定性,本文提出一种基于负荷变动的不确定配电网网架优化模型,使配电网网架优化模型更加贴近实际工程,为配电网网架优化方案选取打下了良好基础。(2)本文利用适应度函数的平整度信息对粒子群算法中的动态惯性因子进行了改进。改进后的算法,充分利用了目标函数的信息,使搜索方向的启发性增强。为了改善粒子的多样性,本文引入免疫算法,通过浓度的选择机制,对粒子群进行了改进。通过仿真实验发现,此改进算法有效的增强了粒子的多样性,收敛速度加快,避免了粒子群算法容易陷入局部最优解的缺点。(3)将改进的粒子群算法成功应用于实际配电网网架规划优化中。通过对规划结果的分析,发现该算法收敛速度快,计算精度高,克服了寻优迭代过程中的“早熟”问题。(4)本文对基于改进粒子群算法的配电网网络重构、故障隔离恢复进行了初步研究,由实际算例结果验证了可行性。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 课题研究的目的和意义
  • 1.2 国内外研究现状
  • 1.2.1 配电网网架优化的数学模型
  • 1.2.2 配电网网架优化算法
  • 1.2.3 配电网网架优化算法应用现状及存在的问题
  • 1.3 论文主要工作
  • 第2章 配电网网架优化的基本理论
  • 2.1 配电网的典型接线模式及运行方式
  • 2.2 配电网网架优化的特点
  • 2.3 配电网网架优化的数学模型
  • 2.3.1 模型的简化
  • 2.3.2 模型的建立
  • 2.4 配电网潮流计算
  • 2.4.1 配电网前推回代潮流算法的原理
  • 2.4.2 配电网潮流计算流程图
  • 2.4.3 配电网潮流计算校验
  • 2.5 配电网线损计算
  • 第3章 改进粒子群算法
  • 3.1 粒子群算法
  • 3.1.1 基本粒子群算法
  • 3.1.2 二进制粒子群算法
  • 3.1.3 粒子群算法的步骤及流程图
  • 3.2 粒子群算法的局限性
  • 3.3 改进粒子群算法
  • 3.3.1 改进策略分析
  • 3.3.2 改进粒子群算法
  • 3.3.3 改进粒子群算法的步骤及流程图
  • 3.4 函数测试
  • 第4章 基于改进粒子群算法的配电网网架优化研究
  • 4.1 配电网网架优化前提
  • 4.1.1 配电网网架优化的编码方案
  • 4.1.2 粒子的初始化
  • 4.1.3 迭代终止条件
  • 4.1.4 辐射网修复
  • 4.2 基于改进粒子群算法的配电网网架优化研究
  • 4.3 基于改进粒子群算法的配电网络重构研究
  • 4.4 基于改进粒子群算法的故障隔离恢复研究
  • 4.5 算例分析
  • 4.5.1 配电网网架优化算例
  • 4.5.2 配电网网络重构算例
  • 4.5.3 内蒙古鄂尔多斯某工业园区配电网网架规划
  • 第5章 结论
  • 参考文献
  • 攻读硕士学位期间发表的论文及其它成果
  • 致谢
  • 详细摘要
  • 相关论文文献

    • [1].电阻率测深数据的粒子群算法反演[J]. 红水河 2019(06)
    • [2].以云计算资源为基础实现粒子群算法的优化[J]. 电子技术与软件工程 2019(24)
    • [3].基于改进粒子群算法的机组负荷优化分配研究[J]. 科技创新导报 2019(28)
    • [4].基于改进粒子群算法的工程项目多目标集成管理研究[J]. 价值工程 2020(05)
    • [5].改进粒子群算法应用于挖掘机铲斗位置控制[J]. 机械设计与制造 2020(02)
    • [6].基于改进量子粒子群算法的输电网规划[J]. 计算机产品与流通 2020(02)
    • [7].基于改进粒子群算法的主动配电网网架优化研究[J]. 电气应用 2020(01)
    • [8].采用改进粒子群算法优化的涡轮增压器节能研究[J]. 中国工程机械学报 2020(01)
    • [9].进化粒子群算法在航空发动机模型求解中的应用[J]. 工程与试验 2019(04)
    • [10].粒子群算法在金融风险模型中的研究与改进[J]. 吉林大学学报(信息科学版) 2020(02)
    • [11].基于改进的粒子群算法求解供应链网络均衡问题[J]. 运筹与管理 2020(02)
    • [12].基于粒子群算法的航班座位自动分配系统[J]. 科技创新导报 2019(36)
    • [13].一种求解电力系统无功优化的改进粒子群算法[J]. 电工技术 2020(12)
    • [14].基于改进粒子群算法的主动微波遥感土壤水分反演方法研究[J]. 河南农业 2020(17)
    • [15].基于混合粒子群算法的注塑机电液伺服系统控制研究[J]. 机床与液压 2020(16)
    • [16].基于量子粒子群算法的大型阵稀疏优化方法[J]. 航空科学技术 2020(08)
    • [17].基于粒子群算法的函数复杂度分类法[J]. 控制工程 2020(08)
    • [18].协同粒子群算法下的火工品参数辨识[J]. 企业科技与发展 2020(09)
    • [19].基于家庭角色视角下家庭粒子群算法研究——评《家庭粒子群算法:方法、理论与性能分析》[J]. 中国科技论文 2020(09)
    • [20].基于混合粒子群算法的双离合变速器参数优化设计[J]. 吉林大学学报(工学版) 2020(05)
    • [21].惯性权重矩阵下的自适应粒子群算法分析[J]. 黑龙江工程学院学报 2020(05)
    • [22].基于改进粒子群算法的有效大数据多标准过滤系统设计[J]. 电子设计工程 2020(20)
    • [23].浅谈粒子群算法的应用[J]. 计算机产品与流通 2019(11)
    • [24].基于粒子群算法的最优值求解[J]. 科技广场 2017(12)
    • [25].基于混合粒子群算法的船舶稳定性分析[J]. 舰船科学技术 2018(14)
    • [26].自适应粒子群算法在模拟电路故障诊断中的应用[J]. 软件导刊 2017(02)
    • [27].基于改进量子粒子群算法的电力系统经济调度仿真研究[J]. 实验技术与管理 2017(03)
    • [28].改进的粒子群算法在云计算下的数据挖掘中的研究[J]. 科技通报 2017(04)
    • [29].基于改进粒子群算法的移动机器人路径规划[J]. 传感器与微系统 2017(05)
    • [30].一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J]. 水下无人系统学报 2017(03)

    标签:;  ;  ;  ;  

    基于改进粒子群算法的配电网网架规划优化研究
    下载Doc文档

    猜你喜欢