無功優(yōu)化進化計算的局部搜索策略及多目標處理方法.pdf

1、華中科技大學博士學位論文無功優(yōu)化進化計算的局部搜索策略及多目標處理方法姓名：李智歡申請學位級別：博士專業(yè)：電力系統(tǒng)及其自動化指導教師：段獻忠20100527華中科技大學博士學位論文華中科技大學博士學位論文II（StrengthParetoEvolutionaryalgithm2，SPEA2）與改進非支配解排序遺傳算法（NondominatedStingGeicAlgithmII，NSGAII）表現出了最優(yōu)異的性能特點，能獲得質量較高的帕

2、累托最優(yōu)解集。提出了多目標無功優(yōu)化進化計算的一種分階段優(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函數的近似分布范圍、目標函數間的近似關系等粗略信息，分析并制定對最優(yōu)解的要求，簡單直觀的表達偏好信息；在此基礎上，第二階段利用等值線分析的相關結論，獲取決策者對最優(yōu)解的要求后設定偏好參數，并采用權值法、目標規(guī)劃法、ε約束法等方法，有針對性的在重點區(qū)域和方向

3、上進行集中尋優(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與模型轉換方法的優(yōu)勢，靈活實用，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函數，近似地替代了在負荷水平波動下電壓偏移、系統(tǒng)網損的期望值，搜索能夠抵御負荷波動的無功優(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)負荷增加比例與功率增長方向兩個參數，

4、并根據負荷的增減情況選擇恰當的樣本解。算例分析中分別采用遺傳算法及NSGAII，計算了IEEE118節(jié)點系統(tǒng)的單目標與多目標魯棒性無功優(yōu)化問題。結果表明，對于負荷水平的波動，無功優(yōu)化魯棒解更能保持解的質量，性能較優(yōu)。提出了基于自動分區(qū)遺傳算法的一種無功優(yōu)化協同進化的分組方法。該方法將控制變量分組問題轉換為降階電網分區(qū)問題，并構造了降階電網分區(qū)優(yōu)化模型。新模型不僅采用了典型的聚類有效性指標，而且考慮了控制變量分組的均勻性。在此基礎上，引入