基于遺傳退火混合算法的配電網網絡重構研究

基于遺傳退火混合算法的配電網網絡重構研究

ID:32710769

大小:1.76 MB

頁數:66頁

時間:2019-02-14

基于遺傳退火混合算法的配電網網絡重構研究_第1頁
基于遺傳退火混合算法的配電網網絡重構研究_第2頁
基于遺傳退火混合算法的配電網網絡重構研究_第3頁
基于遺傳退火混合算法的配電網網絡重構研究_第4頁
基于遺傳退火混合算法的配電網網絡重構研究_第5頁
資源描述:

《基于遺傳退火混合算法的配電網網絡重構研究》由會員上傳分享,免費在線閱讀,更多相關內容在學術論文-天天文庫。

1、華中科技大學碩士學位論文摘要網絡重構是配電系統(tǒng)運行和控制的重要手段,也是配電管理系統(tǒng)的重要組成部分。網絡重構在理論上是一個復雜的多目標非線性組合優(yōu)化問題。自上世紀80年代以來,人們對配電網絡重構進行了廣泛的研究,形成了比較成熟的網絡重構的方法和理論,但各種方法都存在著缺點。遺傳算法的全局搜索能力和在其它領域的應用證明,研究遺傳算法進行網絡重構應該是有巨大潛力的。這正是本論文研究的初衷。論文闡述了國內外配電網絡重構的方法。數學優(yōu)化理論,從理論上保證得到全局最優(yōu)解,但是在實際應用中,隨著維數的增多將導致嚴重的“組合爆炸”問題。基于SA的算法可

2、以獲得全局最優(yōu)解,但存在算法依賴參數和計算量大的缺點。基于ANN的算法不需進行潮流計算,可以在很短的時間內得出結果,但其精度取決于樣本,而要獲得完整的樣本較困難,需要較長的時間來訓練樣本。模糊數學和專家系統(tǒng)必須依賴于其它技術的發(fā)展。最優(yōu)流模式和基于支路的交換方法不能保證得到全局最優(yōu)解,但與啟發(fā)式規(guī)則結合后,可以在較短的時間得到結果。GA具有很多適于求解網絡重構的特點,如果能結合配電網絡的特點,提高收斂速度和收斂性,那么在網絡重構中將會得到更好的應用。當一種方法不能很好地解決問題時,可以考慮將兩種或幾種方法加以綜合,也許能得到比較滿意的解決

3、方案。因此,論文以遺傳算法為基礎和主要方法,引入模擬退火算子作為輔助手段進行網絡重構的研究。在對遺傳算法和模擬退火算法進行研究的基礎上,對遺傳操作進行了部分改進:采用基于基本回路的編碼方式,對交叉操作提出部分映射交叉策略,變異操作采用成對變異的方式,這些改進更容易使網絡結構滿足輻射和連通約束。對于新解的接受機制,引入模擬退火算法的Metropolis準則。通過數學算例證明了將遺傳算法和模擬退火算法結合可以有效地解決配電網絡重構問題。在以上理論和算法研究的基礎上,對配電網絡故障恢復重構的理論也做了一些初步的探討。關鍵詞:遺傳算法模擬退火算法

4、配電網網絡重構華中科技大學碩士學位論文AbstractNetworkreconfigurationisnotonlyanimportantmethodincirculateandcontrolofdistributionsystem,butalsoanimportantpartofdistributionmanagementsystem.Intheory,networkrecontigurationisacomplexandmanyobjectcombinationoptimizationproblem.From1980s,peopleh

5、asextensivelystudiedonnetworkreconfigurationofdistributionsystem,SOmanyrelativelymaturemethodsandtheoriesofnetworkreconfigurationhasformedanddeveloped.butallmethodshavemanyshortcomings.Theabilityofglobalsearchingandextensiveapplicationinotherscopesofgeneticalgorithmhaspro

6、vedthatitisattractinggoalforUStostudyhowtoapplygeneticalgorithmtonetworkrecontiguration.Thethesisdiscussedthehomeandforeignmethodsofdistributionnetworkreconfiguration.Intheory.themethodofmathoptimizationcanas乳lretheglobaloptimizationresult.butinfactitwillresultinthecombin

7、ationblastwhenthedimensionincreases.nlemethodonthebaseofsimulatedannealingcarlgettheglobaloptimizationresult.butithasshortcomingthatitdependsontheparameterandcalculationislarge.ThemethodonthebaseofartificialneuralnetworkCallgettheresultintheshortesttimeanddoesnotcalculate

8、theflow,buttheprecisiondepends011thestylebook,itisdifficultthatgetsthefullstylebookanditneedstra

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內容,確認文檔內容符合您的需求后進行下載,若出現(xiàn)內容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網絡波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。