無功優(yōu)化進(jìn)化計(jì)算的局部搜索策略及多目標(biāo)處理方法.pdf

1、華中科技大學(xué)博士學(xué)位論文無功優(yōu)化進(jìn)化計(jì)算的局部搜索策略及多目標(biāo)處理方法姓名：李智歡申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：電力系統(tǒng)及其自動(dòng)化指導(dǎo)教師：段獻(xiàn)忠20100527華中科技大學(xué)博士學(xué)位論文華中科技大學(xué)博士學(xué)位論文II（StrengthParetoEvolutionaryalgithm2，SPEA2）與改進(jìn)非支配解排序遺傳算法（NondominatedStingGeicAlgithmII，NSGAII）表現(xiàn)出了最優(yōu)異的性能特點(diǎn)，能獲得質(zhì)量較高的帕

2、累托最優(yōu)解集。提出了多目標(biāo)無功優(yōu)化進(jìn)化計(jì)算的一種分階段優(yōu)化策略。該優(yōu)化策略將優(yōu)化過程分為全局搜索和集中搜索兩個(gè)階段。第一階段采用NSGAII搜索到粗略的帕累托解集后，決策者從中獲取目標(biāo)函數(shù)的近似分布范圍、目標(biāo)函數(shù)間的近似關(guān)系等粗略信息，分析并制定對(duì)最優(yōu)解的要求，簡(jiǎn)單直觀的表達(dá)偏好信息；在此基礎(chǔ)上，第二階段利用等值線分析的相關(guān)結(jié)論，獲取決策者對(duì)最優(yōu)解的要求后設(shè)定偏好參數(shù)，并采用權(quán)值法、目標(biāo)規(guī)劃法、ε約束法等方法，有針對(duì)性的在重點(diǎn)區(qū)域和方向

3、上進(jìn)行集中尋優(yōu)，獲得滿足要求的最優(yōu)解。仿真分析表明，分階段策略能夠綜合NSGAII與模型轉(zhuǎn)換方法的優(yōu)勢(shì)，靈活實(shí)用，具有較高的尋優(yōu)效率。提出了基于蒙特卡洛積分的魯棒性無功優(yōu)化模型。該模型采用了蒙特卡洛積分形式的目標(biāo)函數(shù)，近似地替代了在負(fù)荷水平波動(dòng)下電壓偏移、系統(tǒng)網(wǎng)損的期望值，搜索能夠抵御負(fù)荷波動(dòng)的無功優(yōu)化魯棒解。為降低蒙特卡洛積分的誤差，提出了一種魯棒性無功優(yōu)化的樣本解選擇方法。該方法將樣本解表示為系統(tǒng)負(fù)荷增加比例與功率增長(zhǎng)方向兩個(gè)參數(shù)，

4、并根據(jù)負(fù)荷的增減情況選擇恰當(dāng)?shù)臉颖窘狻Ｋ憷治鲋蟹謩e采用遺傳算法及NSGAII，計(jì)算了IEEE118節(jié)點(diǎn)系統(tǒng)的單目標(biāo)與多目標(biāo)魯棒性無功優(yōu)化問題。結(jié)果表明，對(duì)于負(fù)荷水平的波動(dòng)，無功優(yōu)化魯棒解更能保持解的質(zhì)量，性能較優(yōu)。提出了基于自動(dòng)分區(qū)遺傳算法的一種無功優(yōu)化協(xié)同進(jìn)化的分組方法。該方法將控制變量分組問題轉(zhuǎn)換為降階電網(wǎng)分區(qū)問題，并構(gòu)造了降階電網(wǎng)分區(qū)優(yōu)化模型。新模型不僅采用了典型的聚類有效性指標(biāo)，而且考慮了控制變量分組的均勻性。在此基礎(chǔ)上，引入