遺傳算法的自適應改進及在無功優(yōu)化問題中的應用研究.pdf

1、遺傳算法（GA）是由John Holland于1975年提出的一類進化類優(yōu)化算法，對于傳統(tǒng)方法難于求解的組合優(yōu)化、非線性優(yōu)化等復雜問題，使用GA求解能得到令人較為滿意的解。GA所具有的魯棒性、全局性、并行性等特點，使其日益受到廣泛關注和應用。本文在綜述前人工作的基礎上，對簡單遺傳算法（SGA）的特點進行了分析，并提出了具有參數(shù)自適應特性的改進遺傳算法（AGA）。AGA對SGA的復制和變異操作進行改進，根據(jù)優(yōu)化過程動態(tài)地調(diào)整主要參數(shù)。在優(yōu)

2、化初期，適當降低選擇壓力，保持種群中基因特性的多樣性，克服SGA容易過早收斂的缺點，以改善優(yōu)化結(jié)果。在優(yōu)化末期，逐漸增加選擇壓力，促進優(yōu)勢種群的發(fā)展，加快收斂速度。對典型函數(shù)進行優(yōu)化計算的結(jié)果表明，AGA算法能夠克服SGA過早收斂的缺點，并以較快的速度求得更好的最優(yōu)解。 本研究利用AGA算法分別對電力系統(tǒng)無功優(yōu)化、規(guī)劃問題進行建模和求解。無功優(yōu)化問題以并聯(lián)補償電容器、變壓器分接頭等電壓/無功調(diào)節(jié)設備為控制手段，以降低網(wǎng)損為目標，

3、構(gòu)建為非線性組合優(yōu)化問題。求解中，對離散控制變量采用二進制編碼方案，物理意義明確；在變異操作中引入專家的經(jīng)驗和知識，可以保證種群向優(yōu)化的方向變異；在適應度函數(shù)計算中，采用散列表保存已知解的信息，可以加快搜尋速度。無功規(guī)劃問題則以新增無功補償設備的地點和容量為控制手段，以未來一段時間內(nèi)的能量損耗最小為優(yōu)化目標。無功規(guī)劃與無功優(yōu)化數(shù)學模型具有一定的相似性，均可構(gòu)造為非線性的組合優(yōu)化問題。求解中以補償設備安裝點的個數(shù)為約束條件，對安裝位置和容