基于粒子群優(yōu)化算法的最優(yōu)潮流與其應(yīng)用.研究

《基于粒子群優(yōu)化算法的最優(yōu)潮流與其應(yīng)用.研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除文中已經(jīng)標(biāo)明引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對本文的研究做出貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：郭遠(yuǎn)帆日期：2006年5月10日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)華中科技大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印

2、或掃描等復(fù)制手段保存和匯編本學(xué)位論文。保密□，在____________年解密后適用本授權(quán)書。本論文屬于不保密□。（請在以上方框內(nèi)打“√”）學(xué)位論文作者簽名：郭遠(yuǎn)帆指導(dǎo)教師簽名：日期：2006年5月10日日期：年月日1緒論1.1研究背景與現(xiàn)狀電力工業(yè)的市場化改革和我國電力體制改革的不斷深化給電力系統(tǒng)潮流有關(guān)問題帶來了新的機(jī)遇和挑戰(zhàn)，20世紀(jì)90年代世界范圍內(nèi)電力工業(yè)的市場化改革，將經(jīng)濟(jì)性提到了一個新的高度，給最優(yōu)潮流的研究帶來了的機(jī)遇。無論是節(jié)點(diǎn)實(shí)時電價的計算、輸電服務(wù)價格的計算，還是無功支持輔助服務(wù)價格的計算、聯(lián)絡(luò)線輸電能力的計算等等電力市場理論和實(shí)踐中最困難的工作都需要最優(yōu)潮流作為

3、理想的工具。這些都為最優(yōu)潮流的發(fā)展帶來了機(jī)遇和挑戰(zhàn)，也對最優(yōu)潮流的算法提出了更高的要求。1.1.1最優(yōu)潮流所謂最優(yōu)潮流（OptimalPowerFlow，簡稱OPF），就是當(dāng)系統(tǒng)的結(jié)構(gòu)參數(shù)及負(fù)荷情況給定時，通過控制變量的優(yōu)選，所找到的能夠滿足所有指定的約束條件，并使系統(tǒng)的一個或多個性能指標(biāo)達(dá)到最優(yōu)時的潮流分布。由于電力系統(tǒng)的狀態(tài)變量及有關(guān)函數(shù)的上下限值間有一定的間距，控制變量也可以在其一定的容許范圍內(nèi)調(diào)節(jié)，因此對某一種負(fù)荷情況，理論上可以同時存在為數(shù)眾多的、技術(shù)上都能滿足要求的可行潮流解。這里每一個可行潮流解對應(yīng)于系統(tǒng)的某一個特定的運(yùn)行方式，具有相應(yīng)總體的經(jīng)濟(jì)上或技術(shù)上的性能指標(biāo)（如系

4、統(tǒng)總的燃料消耗量、系統(tǒng)總的網(wǎng)損等）。為了優(yōu)化系統(tǒng)的運(yùn)行，就有必要從所有的可行潮流解中挑選出上述性能指標(biāo)[1]為最佳的一個方案。這就是最優(yōu)潮流所要解決的問題。最優(yōu)潮流一直是一個具有挑戰(zhàn)性的課題，廣大學(xué)者對其進(jìn)行了大量的研究，發(fā)展到今天，最優(yōu)潮流的應(yīng)用領(lǐng)域已經(jīng)十分廣泛，針對不同的應(yīng)用，OPF模型可以選擇不同的控制變量、狀態(tài)變量集合，不同的目標(biāo)函數(shù)，以及不同的約束條件。從數(shù)學(xué)模型上看，最優(yōu)潮流是典型的非線性數(shù)學(xué)規(guī)劃問題，隨著系統(tǒng)規(guī)模的不斷擴(kuò)大，變量和約束條件的數(shù)目劇增，變量之間復(fù)雜的函數(shù)關(guān)系和眾多的非線性約束條件使最優(yōu)潮流躋身于最困難的大規(guī)模數(shù)學(xué)規(guī)劃問題之列，至今人們還在探索有關(guān)最優(yōu)潮1流的

5、算法及其應(yīng)用。電力系統(tǒng)最優(yōu)潮流作為經(jīng)典潮流的發(fā)展與延伸，將經(jīng)濟(jì)性與安全性、有功功率優(yōu)化和無功功率優(yōu)化結(jié)合在一起。20世紀(jì)60年代初，法國學(xué)者Carpentier最早提[2]出了建立在嚴(yán)格數(shù)學(xué)基礎(chǔ)之上的電力系統(tǒng)OPF模型，備受學(xué)者和研究人員關(guān)注。經(jīng)過幾十年的發(fā)展，取得了一系列的成果，電力系統(tǒng)最優(yōu)潮流已經(jīng)成為一種重要的電力系統(tǒng)網(wǎng)絡(luò)運(yùn)行分析和優(yōu)化的工具。相繼涌現(xiàn)出基于非線性規(guī)劃、二次規(guī)劃、線性規(guī)劃、混合規(guī)劃等計算方法。然而，上述傳統(tǒng)的OPF算法存在以下幾個方面的不足：隨著電力系統(tǒng)開放性的增加，OPF問題非凸性的特點(diǎn)愈發(fā)明顯，采用僅適用于凸性問題的傳統(tǒng)方法，容易使解陷于局部極值，而無法獲取全局

6、最優(yōu)解；對于所有不等式約束條件都有清晰而不能逾越的邊界值，過于苛刻的限制使得OPF問題的可行域大大縮小，造成實(shí)際運(yùn)行中的欠優(yōu)；系統(tǒng)的優(yōu)化運(yùn)行往往需要綜合考慮安全穩(wěn)定及經(jīng)濟(jì)等多方面的因素，使得單目標(biāo)優(yōu)化已無法滿足要求。1.1.2粒子群優(yōu)化算法近年來，人工智能（ArtificialIntelligence，簡稱AI）作為科學(xué)體系中一門新興的邊緣學(xué)科，在從理論發(fā)展到實(shí)際應(yīng)用的過程中，不斷顯示出其強(qiáng)大的生命力，它的成果正在以一種新的力量進(jìn)入社會。人工智能算法是以一定的直觀基礎(chǔ)而構(gòu)造的[4][5][6]算法，主要包括遺傳算法GA、模擬退火算法SA、粒子群優(yōu)化算法PSO等。這類算法以獨(dú)特的優(yōu)點(diǎn)和機(jī)

7、制為解決復(fù)雜問題提供了新的思路和手段，當(dāng)前主要應(yīng)用于傳統(tǒng)的數(shù)學(xué)優(yōu)化方法難以解決的大規(guī)模非線性優(yōu)化問題。AI方法不需要嚴(yán)格的數(shù)學(xué)模型，更適合于處理非線性和離散性問題，在電力系統(tǒng)中的應(yīng)用越來越廣泛，AI方法在OPF問題處理（也稱為現(xiàn)代優(yōu)化算法）中的展現(xiàn)出來的優(yōu)越性，使其得到了飛速的發(fā)展并且成為許多學(xué)者和研究人員關(guān)注的熱點(diǎn)問題。粒子群優(yōu)化（ParticleSwarmOptimization，簡稱PSO）算法最初是由Kennedy[6][7]和Eber