外文翻譯(基于多主體粒子群最優(yōu)化能源反應發(fā)生裝置的研究)

1、<p><b>　　畢業(yè)論文（設計）</b></p><p><b>　　外文翻譯</b></p><p>　　題 目：基于多主體粒子群最優(yōu)化能源反應發(fā)生裝置的研究</p><p>　　系部名稱： 專業(yè)班級： </p><p&

2、gt;　　學生姓名： 學 號： </p><p>　　指導教師： 教師職稱： </p><p><b>　　年 月 日</b></p><p>　　國際電工協(xié)會關于能源系統(tǒng)的處理，VOL.20，第二期

3、，2005年5月</p><p>　　基于多主體粒子群最優(yōu)化能源反應發(fā)生裝置的研究</p><p>　　B. Zhao, C. X. Guo, and Y. J. Cao, Member, IEEE</p><p><b>　　摘要</b></p><p>　　能源反應發(fā)射裝置在能源體系中是一個復雜的綜合優(yōu)化問題，是因為

4、非線性作用包括多重性局部微小反應和非線性斷續(xù)的系統(tǒng)規(guī)定參數(shù)。在這篇論文中，提出了一個針對解決能源反應發(fā)射裝置難題基于多主體開放系統(tǒng)（MAPSO）的解決方法，這個方法就是新穎的微粒子群最優(yōu)化途徑。這個方法融合了多主體模式（MAS）和新穎的粒子群最優(yōu)化(PSO)運算法則。MAPSO中的一個主體代表著對于PSO的一種微粒和對于最優(yōu)化問題的一種候選解決方案。所有的主體都存在于一個格子狀的環(huán)境中，也就是說格子內(nèi)每一個交叉點上都存在著主體。為了快速

5、地匯集所有的積極因素，每一個主體會完成和鄰居的合作，它們也可以學習運用自己的知識。為了更好地利用主體和主體之間的反互相作用和PSO的發(fā)展構(gòu)造，MAPSO充分認識到了這種積極反應的價值。MASPO表示，積極的能源反應發(fā)射裝置可以分為為IEEEE30倍功率模式和實用的118倍功率模式。模擬演示顯示:與之前報道的方案相比，文中所提出的方法更快更有效。這種最優(yōu)化方案適用性較廣，可以用于解決其他能源結(jié)構(gòu)的最優(yōu)化問題。</p><

6、;p><b>　　索引目錄：</b></p><p>　　Qij 電壓角度在總線i和j之間的差額和(rad)。</p><p>　　Bij 在總線i和j之間傳遞電納和（p.u.)。</p><p>　　fQ 網(wǎng)絡的有效功率的損失（p.u.)。</p><p>　　Gij

7、 在總線i和j之間傳遞電導和（p.u.)。</p><p>　　gk 支線的電導（p.u.)。</p><p>　　N0 設定的除靜止總線之外的全體總線的數(shù)量。</p><p>　　NB 設定的所有總線的數(shù)量。</p><p>　　NC 設定安裝的合理無功功率來源的總線的數(shù)量。</p

8、><p>　　ND 設定的能量需求的總線的數(shù)量。</p><p>　　NE 設定的網(wǎng)絡支線的數(shù)量。</p><p>　　NG 設定的發(fā)生器總線的數(shù)量。</p><p>　　Ni 設定的與總線i相鄰的總線數(shù)量，包括總線i。</p><p>　　NPQ

9、 設定的 PQ總線的數(shù)量。</p><p>　　NPV 設定的PV總線的數(shù)量。</p><p>　　NlimQ 設定超出無功能量極限之外的總線的數(shù)量。</p><p>　　NT 設定的變壓器支線的數(shù)量。</p><p>　　NlimV 總線的數(shù)量設定在任意一個極限電壓之外。</p>

10、<p>　　PDi 總線要求的有效功率（p.u.)。</p><p>　　Pgi 在總線上施加的有功功率（p.u.)。</p><p>　　Pkloss 支線上有功功率的損失（p.u.)。</p><p>　　Sl 在支線中的能量流失。（p.u．)</p><p>　　Ps

11、 在靜止總線上施加的有功功率（p.u.)。</p><p>　　QCi 在總線i上施加的無功功率（p.u.)。</p><p>　　QDi 總線i需求的無功功率（p.u.)。</p><p>　　QGi 總線i吸收的無功功率。（p.u．)</p><p>　　Ti 分接變壓器i上的

12、電勢。</p><p>　　Vi 總線的電壓量（p.u.)。</p><p>　　VPQPQ 總線PQ的電壓矢量（p.u.)。</p><p>　　VPVPV 總線PV的電壓矢量（p.u.)。</p><p><b>　　1、引言</b></p><p>　　能源反應發(fā)射裝置問

13、題對安全經(jīng)濟的能源模式操作有標志性的作用。反應能源最優(yōu)化是最優(yōu)能源推斷（OPF）的次要問題，它決定了所有可控制的變量，比如說發(fā)電機的反應能源輸出量，靜止能源反應裝置的補償，變壓器的龍頭比率，分流器的電容或反應裝置的輸出功率，等等。在滿足一個物質(zhì)的既定設置和操作系統(tǒng)參數(shù)時，傳送損失最低估計和其它適當客觀的作用。</p><p>　　到目前為止，一部分由傳統(tǒng)技術如以壓力變化率為基礎的最優(yōu)化運算法則升級而來的多種數(shù)字規(guī)

14、劃技術已經(jīng)被運用于解決這個問題。最近，由于內(nèi)部定位思路的基本功效，它需要對其他方法的快速集中和不等量系統(tǒng)規(guī)定參數(shù)的便利掌握，內(nèi)部定位長度的規(guī)劃、二次規(guī)劃和非線性規(guī)劃等方法已被廣泛地運用到解決高級別能源系統(tǒng)的OPF問題。然而，這些技術在非線性控制上都有嚴重的局限性，如間斷的功能和系統(tǒng)規(guī)定參數(shù)，以及功能所具有的多重的局部最小值。不幸的是，最初的能源反應問題也有這些局限性。在所有這些成就或簡化結(jié)果中，有的已經(jīng)突破了解決技術中的局限。聯(lián)合搜索的

15、進展中，分支定界和分界算法通常被用于解決復合整數(shù)規(guī)劃模型。不管怎樣，這些解決思路都是“非多項式的”，并且在大規(guī)模的應用中都遭遇了被稱為“維度詛咒”的難題。為了克服這個算法式的缺點，一些有效的算法式也已經(jīng)被提出來。為了解決遞歸復合整數(shù)問題，Aoki等人在近似值搜索的基礎上，提出以不關聯(lián)變量為主題的方法來解決大規(guī)模的VAR計劃問題。Bakirtzis和Meliopous提出線性規(guī)劃的理論來解決運用Driebeck的損失運算法則時存在于最優(yōu)化

16、問題中的不關聯(lián)的分流器的電容或反應裝</p><p>　　在最近十年里，許多新的運用于全球最優(yōu)化問題的隨機研究方法已經(jīng)被發(fā)明出來，例如，遺傳學運算法則，進化規(guī)劃，粒子群最優(yōu)化。粒子群最優(yōu)化（PSO）是進化估算技術的一種。它是通過對簡化社會體系的模擬發(fā)展，被創(chuàng)立出來用于解決持續(xù)的非線性最優(yōu)化問題。PSO技術能在較短的計算時間內(nèi)產(chǎn)生高質(zhì)量的解決方法，并且比其他隨機方法有更多的穩(wěn)定集合優(yōu)點。盡管PSO看起來比一些重量和

17、參數(shù)的調(diào)整更容易受影響，許多研究仍然在解決復雜的能源系統(tǒng)問題</p><p>　　上證明它的可能性的進程。Kassabalidis等人介紹動態(tài)的安全邊界認證中運用PSO。NaKa等人為分配狀態(tài)評估推薦了一種混合PSO。為了解決許多能源系統(tǒng)最優(yōu)化問題，這被創(chuàng)立出來運用于PSO 快速的高質(zhì)量的解決方案。通常來說，PSO在運行之初有一個更廣泛的搜索能力，在運行結(jié)尾也有局部的搜索能力。因此，當運用局部最優(yōu)化方案解決問題時

18、，對于在運行結(jié)尾運用PSO探索局部最優(yōu)化因素有更多責任。然而，能源反應最優(yōu)化問題對于自身也有所有權。出于這些原因，能源反應最優(yōu)化問題的一個可信的廣泛進程在能源工程領域有相當大的價值。</p><p>　　最近，科學家已研究出了基于代理程式的計算方法，不但應用在人工智能【16】領域，而且也廣泛地應用在計算機科學【17】以及其他領域中了。首先要解決問題是一個領域內(nèi)許多基于代理程式的應用程序。Liu 等人【18】 介紹

19、了解決限制分配技術的應用程序及補償問題。受多代理程式系統(tǒng)和PSO的影響，整合了多代理程式系統(tǒng)和 PSO ，形成了基于代理程式的 PSO 方法 （MAPSO）,成功解決了</p><p>　　無功功率最佳化問題。在 MAPSO中，一個代理程式描繪出粒子對 PSO 和候選粒子解決辦法的最佳化問題。 所有代理程式都像住在格子中一樣，與每個代理程式一起在每一個格點上定盤。 為了快速獲得最理想的“居住環(huán)境”，它們競爭而且選

20、擇與它們的鄰居“住在”一起，使它們也能使用知識。隨著科技的發(fā)展，這些代理程式與代理程式之間相互作用，和先進機械裝置一樣，采用這種方法可以比較可靠地、快速的找到高質(zhì)量的環(huán)境，在一個適度時間段計算。MAPSO被用來計算一個電器最佳的無功功率，并且在國際電子工程師協(xié)會上評估出的30總線的能量系統(tǒng)和一個實際的118-總線能量系統(tǒng)。模擬產(chǎn)生的解決方法，可以更快速、更好的適應環(huán)境，這是比較早的報告。</p><p>　　這份

21、報告的其余組織者以下各項：第 2 節(jié)描述的最佳無功功率的數(shù)學公式化調(diào)節(jié)。第 3 節(jié)將會詳細的敘述MAPSO。第 4 節(jié)將會與其他方法做出比較模擬。最后，結(jié)論會在第5節(jié)中呈現(xiàn)。</p><p><b>　　2、公式化問題</b></p><p>　　無功功率調(diào)度的目的將傳輸網(wǎng)絡的有功功率損失減小到最小，其描述如下：</p><p><b&g

22、t;　　其中上。</b></p><p>　　上述的方程式在下面的背景中被名的。上述式子減小到最小限度，其中有一些限制：</p><p><b>　　和</b></p><p>　　能源循環(huán)守恒定律被用作同等的系統(tǒng)參數(shù)，反應能源來源安置約束，反應的產(chǎn)生約束，變壓器龍頭設置限制，總線電壓限制和單個分支的能源循環(huán)被用作不同等的系統(tǒng)規(guī)定參

23、數(shù)。</p><p>　　在大部分非線性最佳化問題中，限制客觀的問題的作用而采取處理措施。在無功功率調(diào)節(jié)問題中，發(fā)生器的總線電VPV和VS，分解變壓器T的電勢，和無功功率源的和QC是用來控制自動變化的變比的。</p><p><b>　　英文文獻</b></p><p>　　IEEE TRANSACTIONS ON POWER SYSTEMS,

24、 VOL. 20, NO. 2, MAY 2005</p><p>　　A Multiagent-Based Particle Swarm Optimization</p><p>　　Approach for Optimal Reactive Power Dispatch</p><p>　　B. Zhao, C. X. Guo, and Y. J. Cao, M

25、ember, IEEE</p><p>　　Abstract—Reactive power dispatch in power systems is a complex combinatorial optimization problem involving nonlinear functions having multiple local minima and nonlinear and discontinuo

26、us constraints. In this paper, a solution to the reactive power dispatch problem with a novel particle swarm optimization approach based on multiagent systems (MAPSO) is presented. This method integrates the multiagent s

27、ystem (MAS) and the particle swarm optimization (PSO) algorithm. An agent in MAPSO represents</p><p>　　Index Terms—Multiagent system, particle swarm optimization (PSO), power system, reactive power dispatch

28、 </p><p>　　NOMENCLATURE</p><p>　　Voltage angle difference between buses and (rad).</p><p>　　Transfer susceptance between bus and (p.u.).</p><p>　　Active power loss in n

29、etwork (p.u.).</p><p>　　Transfer conductance between bus and (p.u.).</p><p>　　Conductance of branch (p.u.).</p><p>　　Set of numbers of total buses excluding slack bus.</p>&l

30、t;p>　　Set of numbers of total buses.</p><p>　　Set of numbers of possible reactive power source installation buses.</p><p>　　Set of numbers of power demand buses.</p><p>　　Set of

31、numbers of network branches.</p><p>　　Set of numbers of generator buses.</p><p>　　Set of numbers of buses adjacent to bus , including bus .</p><p>　　Set of numbers of buses.</p&g

32、t;<p>　　Set of numbers of buses.</p><p>　　Set of numbers of buses on which injected reactive power outside limits.</p><p>　　Set of numbers of transformer branches.</p><p>　　S

33、et of numbers of buses on which voltages outside limits.</p><p>　　Demanded active power at bus (p.u.).</p><p>　　Injected active power at bus (p.u.).</p><p>　　Active power loss in br

34、anch (p.u.).</p><p>　　Power flow in branch (p.u.).</p><p>　　Injected active power at slack bus (p.u.).</p><p>　　Reactive power source installation at bus (p.u.).</p><p>

35、;　　Demanded reactive power at bus (p.u.).</p><p>　　Injected reactive power at bus (p.u.).</p><p>　　Tap position of transformer .</p><p>　　Voltage magnitude of bus (p.u.).</p>

36、<p>　　Voltage vectors of buses (p.u.).</p><p>　　Voltage vectors of buses (p.u.).</p><p>　　Manuscript received August 13, 2004; revised December 27, 2004. This work</p><p>　　is

37、 supported by the Outstanding Young Scholars Fund (no. 60225006) and Innovative</p><p>　　Research Group Fund of Natural Science Foundation of China. Paper no.TPWRS-00444-2004.</p><p>　　The autho

38、rs are with the College of Electrical Engineering, Zhejiang University, Hangzhou, Zhejiang 310027, China (e-mail: zhaobozju@zju.edu.cn; chuangxinguo@vip.sina.com; yijiacao@zju.edu.cn).</p><p>　　Digital Objec

39、t Identifier 10.1109/TPWRS.2005.846064</p><p>　　I. INTRODUCTION</p><p>　　THE reactive power dispatch problem has a significant influence on secure and economic operation of power systems. Reacti

40、ve power optimization is a subproblem of theoptimal power-flow (OPF) calculation, which determines all kinds of controllable variables, such as reactive-power outputs of generators and static reactive power compensators,

41、 tap ratios of transformers, outputs of shunt capacitors/reactors, etc., and minimizes transmission losses or other appropriate objective functions, while sati</p><p>　　Up to now, a number of techniques rang

42、ing from classical techniques like gradient-based optimization algorithms to various mathematical programming techniques have been applied to solve this problem [1]–[4]. Recently, due to the basic efficiency of interior-

43、point methods, which offer fast convergence and convenience in handling inequality constraints in comparison with other methods, interior-point linear programming [5], quadratic programming [6], and nonlinear programming

44、 [7] methods have been</p><p>　　In the last decade, many new stochastic search methods have been developed for the global optimization problems, such as genetic algorithms, evolutionary programming and parti

45、cle swarm optimization. Particle swarm optimization (PSO) is one of the evolutionary computation techniques [11]. It was developed through simulation of a simplified social system, and has been found to be robust in solv

46、ing continuous nonlinear optimization problems. The PSO technique can generate high-quality solutions wit</p><p>　　Recently, agent-based computation has been studied in the field of distributed artificial in

47、telligence [16] and has been widely used in other branches of computer science [17]. Problem solving is an area that many multiagent-based applications are concerned with. Liu et al. [18] introduced an application of dis

48、tributed techniques for solving constraint satisfaction problem. Enlightened by multiagent system and PSO, this paper integrates multiagent system and PSO to form a multiagent-based PSO ap</p><p>　　The rest

49、of this paper is organized as follows: Section II describes mathematical formulation of optimal reactive power dispatch. Section III describesMAPSO in detail. Simulation results and comparison with other approaches are g

50、iven in Section IV. Finally, conclusions are presented in Section V.</p><p>　　II. PROBLEM FORMULATION</p><p>　　The objective of the reactive power dispatch is to minimize the active power loss i

51、n the transmission network, which can be described as follows:</p><p><b>　　(1)</b></p><p>　　where 。 The symbols of the above equation and in the following context are given in the No

52、menclature section. The minimization of the above function is subject to a number of constraints:</p><p><b>　　(2)</b></p><p><b>　　(3)</b></p><p><b>　　a

53、nd</b></p><p>　　where power flow equations are used as equality constraints, reactive power source installation restrictions, reactive generation restrictions, transformer tap-setting restrictions, bus

54、 voltage restrictions and power flow of each branch are used as inequality constraints.</p><p>　　In the most of the nonlinear optimization problems, the constraints are considered by generalizing the objecti

55、ve function using penalty terms. In the reactive power dispatch problem, the generator bus voltages and , the tap position of transformer, and the amount of the reactive power source installation are control variables wh