基于分布式并行遗传算法的电力系统无功优化

万方数据

电力系统无功优化的研究现状与算法综述

电力系统无功优化的研究现状与算法综述学号：201431403083 姓名：郭宗书摘要：对我国电力系统无功优化问题的研究现状和无功优化的一般模型进行了简要介绍，并在一般模型的基础上总结了目前已有的传统算法和现代算法，进一步分析了电力系统无功优化领域存在的问题，较全面地反映了这一科研领域的发展现状。关键词电力系统无功优化现状算法 0 引言最近几年来，伴随着我们国家的电力工业不断发展壮大，达到无功优化也已经成为了电力系统控制与运行的重点研究对象。在电力市场条件下，供电电压质量是电力系统电能质量的重要指标之一，而供电电压质量的好坏主要取决于电力系统无功潮流分布是否合理，所以，无功优化是合理分布电力系统无功潮流以及保证系统安全经济运行的有效手段。所谓的无功优化，就是指在给定的系统结构参数和负荷的情况下，通过对一些特定控制变量进行优化，并在一定的约束条件下，使得系统的一个或者是多个性能的指标都能够实现最佳时的一种无功调节方法。无功优化问题是从最优潮流的发展中逐渐分化出的一个分支问题。建立在严格的数学模型上的最优潮流模型，首先由法国的电气工程师Carpentier于20世纪60年代初期提出[2,3]。但随着电力市场化需求的不断增长，充分利用电力系统的无功优化手段，既满足客户各种用电需求又能保证系统安全经济运行，成为一直以来国内外电力工作者们致力研究解决的问题。而无功优化问题是一个复杂的非线性规划问题，由于其目标函数与约束条件的非线性、控制变量的离散性同连续性混合等特点，目前尚无一种直接、可行、快速完善的无功优化方法。因此，无功优化问题的核心就在于对非线性函数处理、算法收敛、处理优化问题中的离散变量三个方面。当下，国内外学者根据不同的需求，建立了不同的无功模型，主要分为考虑网损及电压质量[4,5]、考虑负荷变化影响[6]、考虑分布式电源接入[7]和电力市场环

PSASP电力系统分析综合程序简介

电力系统分析综合程序简介 A Brief Introduction of PSASP? 中国电力科学研究院 2011年5月

目录 PSASP电力系统分析综合程序简介............................................................................................- 1 -PSASP图模一体化平台（7.0版）..............................................................................................- 3 -PSASP潮流计算程序....................................................................................................................- 6 -PSASP暂态稳定计算程序............................................................................................................- 8 -PSASP短路计算程序................................................................................................................. - 10 -PSASP最优潮流和无功优化计算程序..................................................................................... - 12 -PSASP静态安全分析计算程序................................................................................................. - 14 -PSASP网损分析计算程序......................................................................................................... - 15 -PSASP静态和动态等值计算程序............................................................................................. - 16 -PSASP用户自定义模型和程序接口..........................................................................................- 17 -PSASP直接法稳定计算程序..................................................................................................... - 19 -PSASP小干扰稳定分析程序......................................................................................................- 20 -PSASP电压稳定分析程序......................................................................................................... - 22 -PSASP继电保护整定计算程序................................................................................................. - 23 -PSASP线性/非线性参数优化程序 ........................................................................................... - 25 -PSASP谐波分析程序..................................................................................................................- 26 -PSASP分布式离线计算平台..................................................................................................... - 28 -PSASP电网风险评估系统......................................................................................................... - 30 -PSASP暂态稳定极限自动求解程序......................................................................................... - 32 -PSASP负荷电流防冰融冰辅助决策系统................................................................................. - 33 -

一种基于遗传算法的Kmeans聚类算法

一种基于遗传算法的K-means聚类算法一种基于遗传算法的K-means聚类算法摘要：传统K-means算法对初始聚类中心的选取和样本的输入顺序非常敏感，容易陷入局部最优。针对上述问题，提出了一种基于遗传算法的K-means聚类算法GKA，将K-means算法的局部寻优能力与遗传算法的全局寻优能力相结合，通过多次选择、交叉、变异的遗传操作，最终得到最优的聚类数和初始质心集，克服了传统K-means 算法的局部性和对初始聚类中心的敏感性。关键词：遗传算法；K-means；聚类聚类分析是一个无监督的学习过程，是指按照事物的某些属性将其聚集成类，使得簇间相似性尽量小，簇内相似性尽量大，实现对数据的分类[1]。聚类分析是数据挖掘技术的重要组成部分，它既可以作为独立的数据挖掘工具来获取数据库中数据的分布情况，也可以作为其他数据挖掘算法的预处理步骤。聚类分析已成为数据挖掘主要的研究领域，目前已被广泛应用于模式识别、图像处理、数据分析和客户关系管理等领域中。K-means算法是聚类分析中一种基本的划分方法，因其算法简单、理论可靠、收敛速度快、能有效处理较大数据而被广泛应用，但传统的K-means算法对初始聚类中心敏感，容易受初始选定的聚类中心的影响而过早地收敛于局部最优解，因此亟需一种能克服上述缺点的全局优化算法。遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化搜索算法。在进化过程中进行的遗传操作包括编码、选择、交叉、变异和适者生存选择。它以适应度函数为依据，通过对种群个体不断进行遗传操作实现种群个体一代代地优化并逐渐逼近最优解。鉴于遗传算法的全局优化性，本文针对应用最为广泛的K-means方法的缺点，提出了一种基于遗传算法的K-means聚类算法GKA(Genetic K-means Algorithm)，以克服传统K-means算法的局部性和对初始聚类中心的敏感性。用遗传算法求解聚类问题，首先要解决三个问题：(1)如何将聚类问题的解编码到个体中；(2)如何构造适应度函数来度量每个个体对聚类问题的适应程度，即如果某个个体的编码代表良好的聚类结果，则其适应度就高；反之，其适应度就低。适应度函数类似于有机体进化过程中环境的作用，适应度高的个体在一代又一代的繁殖过程中产生出较多的后代，而适应度低的个体则逐渐消亡；(3) 如何选择各个遗传操作以及如何确定各控制参数的取值。解决了这些问题就可以利

电力系统的无功优化与无功补偿

电力系统的无功优化和无功补偿摘要：电力系统的无功优化和无功补偿是提高系统运行电压,减小网损,提高系统稳定水平的有效手段。本文对当前国内外的无功优化和无功补偿进行了总结，对目前无功补偿和优化存在的问题进行了一定的探讨和研究。关键词:无功优化无功补偿非线性网损电压质量 1前言随着国民经济的迅速发展,用电量的增加,电网的经济运行日益受到重视。降低网损,提高电力系统输电效率和电力系统运行的经济性是电力系统运行部门面临的实际问题,也是电力系统研究的主要方向之一。特别是随着电力市场的实行，输电公司(电网公司)通过有效的手段,降低网损，提高系统运行的经济性，可给输电公司带来更高的效益和利润。电力系统无功功率优化和无功功率补偿是电力系统安全经济运行研究的一个重要组成部分。通过对电力系统无功电源的合理配置和对无功负荷的最佳补偿,不仅可以维持电压水平和提高电力系统运行的稳定性, 而且可以降低有功网损和无功网损,使电力系统能够安全经济运行。无功优化计算是在系统网络结构和系统负荷给定的情况下,通过调节控制变量（发电机的无功出力和机端电压水平、电容器组的安装及投切和变压器分接头的调节)使系统在满足各种约束条件下网损达到最小。通过无功优化不仅使全网电压在额定值附近运行,而且能取得可观的经济效益,使电能质量、系统运行的安全性和经济性完美的

结合在一起，因而无功优化的前景十分广阔。无功补偿可看作是无功优化的一个子部分,即它通过调节电容器的安装位置和电容器的容量,使系统在满足各种约束条件下网损达到最小。 2无功优化和补偿的原则和类型 2.1无功优化和补偿的原则在无功优化和无功补偿中，首先要确定合适的补偿点。无功负荷补偿点一般按以下原则进行确定: 1)根据网络结构的特点,选择几个中枢点以实现对其他节点电压的控制； 2)根据无功就地平衡原则,选择无功负荷较大的节点。３)无功分层平衡，即避免不同电压等级的无功相互流动,以提高系统运行的经济性。 4)网络中无功补偿度不应低于部颁标准０.7的规定。 2．2无功优化和补偿的类型电力系统的无功补偿不仅包括容性无功功率的补偿而且包括感性无功功率的补偿。在超高压输电线路中(500kＶ及以上),由于线路的容性充电功率很大，据统计在500kV每公里的容性充电功率达1．２Mvar／km。这样就必须对系统进行感性无功功率补偿以抵消线路的容性功率。如实际上，电网在５00kV的变电所都进行了感性无功补偿，并联了高压电抗和低压电抗,使无功在500kV电网平衡。 3 输配电网络的无功优化(闭式网)

遗传算法概述

第1期作者简介：李红梅（1978-），女，湖南湘潭人，硕士，广东白云学院讲师，研究方向为演化计算。 1遗传算法的发展史遗传算法（Genetic Algorithms ）研究的历史比较短，20世纪 60年代末期到70年代初期，主要由美国家Michigan 大学的John Holland 与其同事、学生们研究形成了一个较完整的理论和方法，遗传算法作为具有系统优化、适应和学习的高性能计算和建模方法的研究渐趋成熟。我国对于GA 的研究起步较晚，不过从20世纪90年代以来一直处于不断上升中。 2遗传算法的基本思想遗传算法是从代表问题可能潜在解集的一个种群（popu- lation ）开始的，而一个种群则由经过基因（gene ）编码（coding ）的一定数目的个体（individual ）组成。每个个体实际上是染色体（chromosome ）带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现是某种基因组合，它决定了个体的形状的外部表现。初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation ）演化产生出越来越好的近似解。在每一代中，根据问题域中个体的适应度（fitness ）、大小挑选（selection ）个体，借助于自然遗传学的遗传算子（genetic operators ）进行组合交叉（crossover ）和变异（mutation ），产生出代表新的解集的种群。这个过程将导致后生代种群比前代更加适应环境，末代种群中的最优个体经过解码（decoding ），可以作为问题近似最优解。 3遗传算法的一般流程（1）随机产生一定数目的初始种群，每个个体表示为染色体的基因编码；（2）计算每个个体的适应度，并判断是否符合优化准则。若符合，输出最佳个体及其代表的最优解并结束计算，否则转向第3步；（3）依据适应度选择再生个体，适应度高的个体被选中的概率高，适应度低的个体可能被淘汰；（4）执行交叉和变异操作，生成新的个体；（5）得到新一代的种群，返回到第2步。 4遗传算法的特点传统的优化方法主要有三种：枚举法、启发式算法和搜索算法：（1）枚举法可行解集合内的所有可行解，以求出精确最优解。对于连续函数，该方法要求先对其进行离散化处理，这样就可能因离散处理而永远达不到最优解。此外，当枚举空间比较大时，该方法的求解效率比较低，有时甚至在目前先进计算机工具上无法求解。（2）启发式算法寻求一种能产生可行解的启发式规则，以找到一个最优解或近似最优解。该方法的求解效率比较高，但对每一个需求解的问题必须找出其特有的启发式规则。这个启发式规则一般无通用性，不适合于其它问题。（3）搜索算法寻求一种搜索算法，该算法在可行解集合的一个子集内进行搜索操作，以找到问题的最优解或者近似最优解。该方法虽然保证不了一定能够得到问题的最优解，但若适当地利用一些启发知识，就可在近似解的质量和效率上达到一种较好的平衡。遗传算法不同于传统的搜索和优化方法。主要区别在于： ①遗传算法直接处理问题参数的适当编码而不是处理参数集本身。②遗传算法按并行方式搜索一个种群数目的点，而不是遗传算法概述李红梅（广东白云学院计算机系，广东广州510450）摘要：遗传算法是一种全局优化的随机搜索算法。它是解决复杂优化问题的有力工具。在工程设计、演化硬件电路设计以及人工智能等方面应用前景广阔。系统地介绍了遗传算法的发展史、基本思想、特点、主要应用领域等相关方面。关键词：遗传算法；搜索；进化；最优解；种群中图分类号：TP312 文献标识码：A 文章编号：1672-7800（2009）01-0067-02 第8卷第1期2009年1月 Vol.8No.1Jan.2009 软件导刊 Software Guide

电力系统无功功率优化

电力系统无功功率优化【摘要】随着我国各种产业的迅速发展，现代电力系统日益扩大，对电网的运行的可靠性要求也越来越高。为了有效提高电力系统输电效率，降低有功网损和减少发电费用，我们需要加强对电力系统运行的经济性研究，合理选择无功补偿方案和补偿容量，通过对电力系统无功电源的合理配置和对无功负荷的最佳补偿，这样不仅能够改善电能的运行环境，给输电公司带来更高的效益和利润，还能提高功率因数，保证电网的电压质量，维持电压水平和提高电力系统运行的稳定性，最终保证了电网的安全、优质、经济运行。我国配电网的规模巨大，因此要想优化电力系统的无功补偿，需要电力部门和用户高度重视，密切配合，分析无功补偿应用技术，选择合适的优化方案。本文先是介绍了无功优化的重要性，接着分析了无功优化的基本思路，无功优化的一般模型和目标函数，阐述了无功功率的动态补偿。【关键词】电力系统；无功优化；一般模型；目标函数；动态补偿引言电压和无功功率的分布有着非常紧密的联系，一般情况下，无功功率是造成电网线路出现有功损耗的主要原因，同时也严重影响着电力系统电压的正确分布。由此可见，根据电网的实际情况，利用现有的无功调节手段，合理的调动无功，在满足安全运行约束的前提下，加强对无功优化的研究，对于提高电压质量、降低系统网损具有重要的意义。无功优化是实现电力系统安全和经济运行的重要手段。 1 无功优化的重要性随着电力市场改革的不断深化，降低电网损耗，直接决定着电力电网公司的经济效益和供电效率，变得非常重要。降低网损，其主要途径就是要降低电网的无功潮流流动，通过无功优化，可以降低电网有功损耗和电压损耗，优化电网的无功潮流分布，改善电压质量，使用电设备安全可靠地运行。在保证现代电力系统的安全性和经济性方面，无功优化的重要性已经得到全球的关注。因此，电力系统中无功优化的重要性越来越为突出。 2 无功优化的基本思路无功优化可分为无功运行优化和规划设计优化。其中无功运行优化是利用现有无功补偿装置，通过降低网损的方式，合理调节变压器分接头和发电机端电压，正确分析离线运行方式，实现无功实时或短期控制。而规划设计优化涉及的问题很多，也很复杂，不仅包括多时段，还要充分考虑多运行方式，确定补偿装置的地点、容量和投切时间，扣除补偿投资后的净收益，使得损耗电能减少的收益最大，而年运行费用与投资等年值之和最小。总之，电力系统的无功优化的基本思路，就是在满足电力系统无功负荷的需求下，根据电力系统的有功负荷、有功电

电力系统无功优化调度研究综述陆梦龙

电力系统无功优化调度研究综述陆梦龙发表时间：2017-09-19T12:02:15.953Z 来源：《电力设备》2017年第13期作者：陆梦龙 [导读] 摘要：无功优化是关系到电力系统能否安全经济运行的一个核心问题。电力系统无功优化直接关系到电力公司的经济效益和供电效率。（国网徐州供电公司江苏徐州 221000）摘要：无功优化是关系到电力系统能否安全经济运行的一个核心问题。电力系统无功优化直接关系到电力公司的经济效益和供电效率。利用无功优化调度，能够优化电网的无功潮流分布。大大的降低电网的有功损耗和电压的损耗。从根本上缓解电压质量问题，对于电力系统的安全具有重要意义，受到国内外电力学者和研究人员的充分重视。本文对无功优化调度的计算和控制进行了深入讨论，提出了寻优质量，离散变量处理，求解效率动态优化调度及其协同优化方法等关键性问题。关键词：电力系统；无功优化调度；研究一、电力系统无功优化问题概述电力系统无功优化调度问题是指在电力系统无功电源较为充足的情况下，通过调节发电机机端的电压，调整变压器抽头变比，改变无功补偿装置的出力等措施来调整无功潮流。从而使系统电压值能够达到合格值。同时把全网有功损耗降到最小。电力系统无功优化调度问题有时也被称为电力系统无功优化控制，或者电压无功优化控制，无功优化潮流问题等。电压质量是衡量电力系统电能质量的一个重要指标。在各种电能质量问题中，电压波动过大产生的危害是最大的。它不止会影响电气设备的性能，它会影响到系统的稳定和运行安全。利用无功优化调度，能够优化电网的无功潮流分布。大大的降低电网的有功损耗和电压的损耗。从根本上缓解电压质量问题。保证电气设备的安全运行。无功优化调度在保证现代电力系统的安全性和经济性双面的作用不可小视。从笔者的观点来看，电力系统无功优化调度，分为静态无功优化调度和动态无功优化调度。静态无功优化调度是指不考虑控制设备是否允许连续调整的情况下，只追求对于电压水平和网损的无功优化。而动态的无功优化调度是指在无功优化过程中，为了适应负荷的动态变化，而加上对控制变量的每日允许操作次数限制的考虑。还要考虑到电力系统各种不同的负荷水平和运行状态下所产生的各种调度结果的相关联系。所以动态优化比静态优化问题要复杂一些。静态优化一般是停留在理论层面的，而动态优化往往是在实际生活中的。电力系统无功优化调度问题从数学的角度来讲可以类似于一个目标函数和一组约束条件。这个问题具有多目标性，约束条件数量多，非线性不确定性，离散性，多极值性，解的空间缺少连通性等。随着我国电力系统规模的不断扩大，对于无功优化算法的要求也越来越高。如何快速得到最优解。解决不可行问题等都变得十分复杂和困难了。二、无功优化的几种常用计算方法无功优化的求解方法主要有非线性规划法，线性规划法，混合整数，动态规划法等常规方法。以及像神经网络法，专家系统方法遗传算法等非常规性方法。这些方法在无功优化的求解方面各有利弊，下面来一一进行分析。 1.非线性规划法。非线性规划法是最先被运用到电力系统无功优化中的一种算法。因为无功优化本身便是具有非线性的特点的。这种算法的优点是既能够保证电力系统的安全性又能够实现他的经济性，还能提高电能质量。非线性规划法的运算操作形式是，首先设定一个目标函数。然后把节点功率平衡作为等式的约束条件。然后再通过引入松弛变量的方法发布董事的约束条件转换成等式的约束条件。那么这个复杂的无功优化问题就转换成了一个非线性代数方程组求解的问题。 2.线性规划法。无功优化虽然是一个非线性问题，但是我们可以对其进行线性化之后再进行研究。通过线性规划的方法对无功优化进行计算，具有加快计算速度，使各种约束条件处理简单化。线性规划法因其较为简单便捷，所以得到了较快的发展。它具有速度快收敛性好算法稳定等优点。但是在进行无功规划优化时需要对目标函数和约束函数进行线性化处理。这便是一个非常容易出问题的环节。如果选取或处理的不合适，很有可能会引发震荡或收敛缓慢。在把无功优化的线性规划模型确定好之后，它的求解方法一般采用具有指数时间复杂性的单纯形法，或者是这一形法的各种变形。美国贝尔实验室于1984年提出内点法。内点法具有迭代次数变化少，鲁棒性和收敛特性较好的特点，很多专家学者在应用中证实它比单纯形法更具有优越性。人们越来越多地开始采用内点法来解决无功优化问题。 3.混合整数算法。非线性和线性规划法虽然各有各自的优点。但是在实际应用中它们都难以反映出变压器分接头变化以及电容器组，电抗器投射的离散特性。为了解决这个问题，便有学者发明了混合整数规划方法。在一般的线性规划问题中，最优解是分数和小数的情况很多，但是对于具体的问题来说，他一般要求某些变量的解必须要是一个整数。把规划中的变量限制为整数，称为整数规划。这个方法能够有效的解决优化计算中变量的离散性问题。它的原理是通过分支定界法，不断的定系缩小范围，使得结果越来越接近于最优解。但是这一算法也存在一些弊端。它的计算时间属于非多项式的类型。随着计算维度的不断增加，计算时间也会快速增长，这样在实际操作中便难以及时有效的反映问题，所以混合整数规划优化算法应当向着更好的适应系统规模，加强实用化这个方面不断发展。 4.人工智能方法。上面提到的三种算法的共同缺陷是他们都存在着无法找到全局最优解的可能性。而且传统的数学优化方法一般都需要依赖于非常精确的数学模型。这就造成了这一问题的复杂性，从而导致它难以被实时控制。基于这一原因和人们受自然界和人类本身的启发。人工智能方法开始逐渐被研究并应用到电力系统无功优化中。例如专家系统，神经网络等都是一些较为具有代表性的人工智能方法。专家系统方法是指在结合上其它方法的基础上，依据专家的经验设置出初始值，然后不断的调整控制参数的大小，选举出一个比较好的解，将专家系统应用于无功优化，有利于结合上运行人员的专业知识，从而增加功能性。人工神经网络又被人称为连接机制模型，它是一个由大量简单元件广泛连接而形成的，被用来模拟人脑行为的一个十分复杂的网络系统。三、无功优化的领域的关键性问题及发展动态 1.存在的关键性问题。笔者认为目前无功优化领域需要解决的关键性问题有五点。一是选择哪种算法可以求出最优解，二是我们是否能够直接处理离散控制变量，不再采用连续化假设的方法，三是在电网规模不断扩大的同时，优化算法的巡游速度能否赶上实时计算的需求，四是如何解决好控制设备动作次数的限制问题，五是在大规模电网中无功优化调度如何更好的实现对于全局的协调优化控制。 2.国内外关于这些问题的研究现状。就目前国内外的发展情况来看，现在学者们研究的问题大多是针对选择何种优化算法可以求得最优解的，当然，这一研究也取得了较大的成果。而对于不采用连续化假设直接处理离散控制变量来说，只有进化算法和内点算法能够解决这一问题。就目前所存在的算法来看，随着电网规模的不断扩大，优化算法的速度是难以赶上实时计算的需求的，这一点还需要我们不断

基于遗传算法的库位优化问题

Logistics Sci-Tech 2010.5 收稿日期：2010－02－07 作者简介：周兴建（1979-），男，湖北黄冈人，武汉科技学院经济管理学院，讲师，武汉理工大学交通学院博士研究生，研究方向：物流价值链、物流系统规划；刘元奇（1988-），男，甘肃天水人，武汉科技学院经济管理学院；李泉（1989-），男，湖北武汉人，武汉科技学院经济管理学院。文章编号：1002-3100(2010)05-0038-03 物流科技2010年第5期Logistics Sci-Tech No.5,2010 摘要：应用遗传算法对邯运集团仓库库位进行优化。在充分考虑邯运集团仓库所存放的货物种类、货物数量、出入库频率等因素的基础上进行库位预分区规划，建立了二次指派问题的数学模型。利用遗传算法对其求解，结合MATLAB 进行编程计算并得出最优划分方案。关键词：遗传算法；预分区规划；库位优化中图分类号：F253.4 文献标识码：A Abstract:The paper optimize the storage position in warehouse of Hanyun Group based on genetic algorithm.With thinking of the factors such as goods categories,quantities and frequencies of I/O,etc,firstly,the storage district is planned.Then the model of quadratic assignment problems is build,and genetic algorithm is utilized to resolve the problem.The software MATLAB is used to program and figure out the best alternatives. Key words:genetic algorithm;district planning;storage position optimization 1 库位优化的提出邯郸交通运输集团有限公司（简称“邯运集团”）是一家集多种业务为一体的大型综合性物流企业。邯运集团的主要业务板块有原料采购（天信运业及天昊、天诚、天恒等）、快递服务（飞马快运）、汽贸业务（天诚汽贸）及仓储配送（河北快运）等。其中，邯运集团的仓储配送业务由河北快运经营，现有仓库面积总共40000㎡，主要的业务范围为医药、日用百货、卷烟、陶瓷、化工产品的配送，其中以医药为主。邯运集团库存货物主要涉及两个方面：一个是大宗的供应商货物，如医药，化工产品等；另一方面主要是大规模的小件快递货物，如日用百货等[1]。经分析，邯运集团在仓储运作方面存在如下问题：（1）存储货物繁多而分拣速度低下。仓库每天到货近400箱，有近200多种规格，缺乏一套行之有效的仓储管理系统。（2）货架高度不当而货位分配混乱。现在采用的货架高度在2米以上，而且将整箱货物直接码垛在货架上，不严格按货位摆放。当需要往货架最上层码放货物需要借助梯子，增加操作难度且操作效率较低。货物在拣货区货架摆放是以件为单位的，分拣和搬运速度较慢。（3）拣货货架设计不当而仓储效率低下。发货前装箱工作主要由人工协同完成，出库效率低，出错率难以控制。（4）存储能力和分拣能力不能满足需求。根据邯运集团的业务发展现状及趋势，现有的仓库储存和分拣能力远远达不到集团公司对配送业务量的需求。当前邯运集团的货位分配主要采用物理地址编码的方式，很少考虑货位分配对仓储管理员工作效率的影响。对其进行库位优化设计不仅直接影响到其库存量的大小、出入库的效率，还间接影响到邯运集团的整体经营效益。本文对邯运集团的仓库货位进行优化时，结合考虑仓库所存放的货物种类、货物数量、出入库频率等因素，对仓库货位进行规划，以提高仓储效率。 2库位预分区规划在进行仓库货位规划时，作如下假设：（1）货物的存放种类已知；（2）货物每种类的单位时间内存放的数量己知；（3）每一种货物的存取频率已知。在仓库货位优化中一个重要的环节即预分区。所谓预分区，是指没有存放货物时的分区，分区时只考虑仓储作业人员的速基于遗传算法的库位优化问题 Optimization of Storage Position in Warehouse Based on Genetic Algorithm 周兴建1,2，刘元奇1，李泉1 ZHOU Xing-jian 1,2,LIU Yuan-qi 1,LI Quan 1 （1.武汉科技学院经济管理学院，湖北武汉430073；2.武汉理工大学交通学院，湖北武汉430063） (1.College of Economics &Management,Wuhan University of Science &Engineering,Wuhan 430073,China; 2.School of Transportation,Wuhan University of Technology,Wuhan 430063,China) !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 38

电力系统无功优化建设

电力系统无功优化建设摘要：随着电网管理水平的日益提高及不断细化，电网无功补偿安装容量已经能够基本满足电网的负荷需要，但电网无功管理工作仍需加强，就目前县级电网无功优化问题进行深入的研究和探讨，提出一些意见和看法。关键词：无功优化；管理；电网 1 无功优化建设原则坚持“全面规划、合理布局、全网优化、分级补偿、就地平衡”的原则，以改善电压质量、降低损耗、节约运行成本、提高企业经济效益和无功优化管理水平为目的，逐步实现变电站、配电线路、低压配电台区的全网分区、分层电压无功优化。 2 无功优化的目的经过近几年的电网建设与改造，公司所属35kv及以上变电站基本上安装了足够容量的无功补偿装置。但变电站的电容器均采用断路器分组投切方式。这种采用人工投切电容器组的方式不能根据负荷及时的输出无功，且大大的加重了主变有载调压的动作次数，给我局设备安全运行带来隐患。 3 目前现状 1）10kv线路无功自动补偿装置安装的还较少，不能够满足需要。2）没有开展全网无功优化计算，还处于比较粗略的计算方法和仅仅凭借经验从事的状态。需要进一步完善全网优化、提高优化效果。3）农网低压线路存在三相负荷不平衡现象，损耗较大，没有达到

经济运行的要求。4）随着近几年“农网改造”、“农网完善工程”、“农村电气化建设”以及“农田机井通电工程”等农网工程的开展，对全市农村低压线路和设备进行了改造，增补了大批台区无功补偿装置。目前县级电网低压配电台区的随器、随机补偿容量基本满足要求。但因未加装配电台区采集终端，也无法对低压补偿装置进行实时监控和远方控制。5）无法实时监测用户的无功补偿情况，大用户不及时投退电容器会影响电网的无功补偿效果。 4 存在问题随着电网规模的增大及日益复杂，电压无功优化问题越来越突出，尤其表现在无功补偿虽然达到局部最优，但是全网电压无功质量却上不去。目前电力系统进行无功规划和无功控制都是局部补偿，不能考虑到全网进行优化补偿。目前县级无功电压管理还存在以下问题：如：高、中、低压无功管理分离，这种管理模式造成管理上的脱节；无功管理理论缺乏、人员素质不高，还处于依据粗略、传统的计算方法和凭借经验指导工作；无功补偿进行了分层、分级补偿，在区域内达到了效果，但是没有实现全网的整体优化补偿。经过近几年的电网建设与改造，县级供电企业所属35kv及以上变电站基本上安装了足够容量的无功补偿装置。但变电站的电容器均采用断路器分组投切方式。这种采用人工投切电容器组的方式不能根据负荷及时的输出无功，且大大的加重了主变有载调压的动作次数，给县级供电企业设备安全运行带来隐患。

并行遗传算法

并行遗传算法及其应用 1、遗传算法（GA）概述 GA是一类基于自然选择和遗传学原理的有效搜索方法，它从一个种群开始，利用选择、交叉、变异等遗传算子对种群进行不断进化，最后得到全局最优解。生物遗传物质的主要载体是染色体，在GA中同样将问题的求解表示成“染色体Chromosome”，通常是二进制字符串表示，其本身不一定是解。首先，随机产生一定数据的初始染色体，这些随机产生的染色体组成一个种群（Population），种群中染色体的数目称为种群的大小或者种群规模。第二：用适值度函数来评价每一个染色体的优劣，即染色体对环境的适应程度，用来作为以后遗传操作的依据。第三：进行选择（Selection），选择过程的目的是为了从当前种群中选出优良的染色体，通过选择过程，产生一个新的种群。第四：对这个新的种群进行交叉操作，变异操作。交叉、变异操作的目的是挖掘种群中个体的多样性，避免有可能陷入局部解。经过上述运算产生的染色体称为后代。最后，对新的种群（即后代）重复进行选择、交叉和变异操作，经过给定次数的迭代处理以后，把最好的染色体作为优化问题的最优解。 GA通常包含5个基本要素：1、参数编码：GA是采用问题参数的编码集进行工作的，而不是采用问题参数本身，通常选择二进制编码。2、初始种群设定：GA随机产生一个由N个染色体组成的初始种群（Population），也可根据一定的限制条件来产生。种群规模是指种群中所含染色体的数目。3、适值度函数的设定：适值度函数是用来区分种群中个体好坏的标准，是进行选择的唯一依据。目前主要通过目标函数映射成适值度函数。4、遗传操作设计：遗传算子是模拟生物基因遗传的操作，遗传操作的任务是对种群的个体按照它们对环境的适应的程度施加一定的算子，从而实现优胜劣汰的进化过程。遗传基本算子包括：选择算子，交叉算子，变异算子和其他高级遗传算子。5、控制参数设定：在GA的应用中，要首先给定一组控制参数：种群规模，杂交率，变异率，进化代数等。 GA的优点是擅长全局搜索，一般来说，对于中小规模的应用问题，能够在许可的范围内获得满意解，对于大规模或超大规模的多变量求解任务则性能较差。另外，GA本身不要求对优化问题的性质做一些深入的数学分析，从而对那些不

电力系统无功优化的模型及算法综述_许文超

电力系统无功优化的模型及算法综述① 许文超郭　伟 (东南大学电气工程系　南京　210096) SUMMARIZE OF REACTIVE POWER OPTIMIZATION MODEL AND ALGORITHM I N ELETRIC POWER SYSTEM Xu Wenchao　Guo Wei (Dept.of Electrical Engineering,South east Univ ersity,Nanjing,210096) ABSTRACT　In this pape r Reactiv e Pow er Optimiza tio n (R PO)and its histo r y ar e intro duced in brief.Th en the pape r makes a summar y of sev er al cla ssical optima l models and the model in elect ricity mar ke t,and ana ly ses some compar ativ ely ex cellent optima l algo rithm.So me ex istent pro blems ar e also bro ught o ut accor ding to the demand of r ea l-time optima l co ntro l. Key Words　Reactiv e po w er optimizatio n(RPO),Algo-rithm,M o del,Electric po w er system 摘要　本文简要介绍了电力系统无功优化的历史,综合评述了比较经典的优化模型和电力市场下的无功优化模型,分析比较了多种较为优秀的优化算法,并根据全网无功实时优化控制的要求提出了现存的一些有待解决的问题。关键词　无功优化　算法　模型　电力系统 1　引言自J.Carpentier在上世纪60年代初首先提出了电力系统最优潮流(OPF)的概念后,电力系统潮流优化问题在理论上和实际应用上已经有了很大发展。而无功优化问题是O PF中一个重要的组成部分,几十年来国内外很多专家学者对此开展了大量的研究工作[1～4]。随着电力系统的复杂化,除了系统规划、运行要考虑无功优化,高压支流输电及灵活交流输电、电力市场等更多的领域也涉及到无功优化问题,对无功优化方案及控制手段的要求也越来越苛刻[5][6]。本文对其中的无功优化问题及其研究现状进行分析,通过对以往无功优化模型算法的优缺点的比较,希望能够对今后的研究有所帮助。 2　无功优化的数学模型无功优化问题是指某电力系统在一定运行方式下,满足各种约束条件,达到预定目标的优化问题,它涉及无功补偿装备投入地点的选择、无功补偿装置投入容量的确定、变压器分接头的调节和发电机机端电压的配合等,是一个多约束的非线性规划问题。 2.1　经典的数学模型电力系统无功优化问题一般可以表示为以下的数学模型: min f(u,x) s.t.g(u,x)=0 h(u,x)≤0 (1) 式(1)中涉及到控制变量(u)和状态变量(x)。u是可人为调节的变量,可包括:P Q发电机节点的无功功率、可调变压器的抽头位置、无功补偿设备的容量及PV和平衡节点的电压模值。x可包括除平衡节点外其它所有节点的电压相角、除发电机或具有无功补偿设备的节点的电压模值。目标函数有多种考虑角度。从经济性角度出发的经典模型是考虑系统的网损最小化,目标函数为[7]: min f1=min∑ n l k=1 G k(i,j)[U2i+U2j-2U i U j cos(W i-W j)](2)式中:n l为网络总支路数;G k(i,j)为支路i-j的电导;U i、U j分别为节点i、j的电压;W i、W j分别为节点i、j的相角。从系统安全性出发的经典模型是选取节点电压偏离规定值最小为目标函数[7]: min f2=min∑ n j=1 |U j-U spec j| ΔU j(3) ①本文2002年5月17日收到本文修改稿2002年7月9日收到

电力系统无功优化算法综述

文章编号:1004-289X(2007)05-0016-06 电力系统无功优化算法综述寸巧萍 (西南交通大学电气工程学院,成都　610031) 摘　要:综合分析了用于电力系统无功优化的各种优化算法,特别是一些新兴算法,指出了各种方法的优缺点。同时还对无功优化算法进一步发展做了一些探讨。关键词:电力系统;无功优化;常规优化方法;人工智能方法中图分类号:TM71 文献标识码:B O verview on R eactive O p ti m izati on A lgo rithm fo r Pow er System CUN Q iao-p ing (Co llege of E lectron ic Engineering,Sou thw est J iao tong U n iversity,Chengdu,610031,Ch ina) A b stract:T h is paper syn thetically analyzes all k inds of the op ti m izati on m ethods u sed in reactive pow er op ti m izati on of pow er system,especially som e new techno logy.A nd their advan tages and disadvan tages are po in ted ou t resp ectively.M eanw h ile th is paper discu sses som e of its fu tu re developm en t. Key w o rds:pow er system;reactive op ti m izati on;classical algo rithm;artificial in tellectual algo rithm 1　引言电力系统无功优化是电力系统安全经济运行的一个重要方面[1],是降低有功损耗,提高电压合格率的有效手段。电力系统无功优化是指在系统有功潮流分布确定的情况下,通过对某些控制变量的优化调节,在满足系统各种约束条件的前提下使系统有功网损最小[2]。电力系统的无功优化问题是一个多目标、多变量、多约束的混合非线性规划问题,其操作变量既有连续变量(发电机、调相机的无功出力,母线电压),又有离散变量(有载调压变压器的分接头档位,并联电容器和电抗器的分组投切),这使得优化过程十分复杂。其通常的数学描述为: m in f(u,x) s.t.g(u,x)=0 h(u,x)≤0 式中:u—控制变量,是人为可调节的变量,通常可取发电机端电压、可调变压器的抽头位置和节点装设无功补偿设备的补偿容量; x—状态变量,包括除发电机节点和平衡节点外所有节点的电压、发电机无功出力和线路无功功率; (,)—无功优化的目标函数; g(u,x)—等式约束条件,即节点潮流方程; h(u,x)—控制变量与状态变量须满足的约束条件。近年来,人们对此进行了大量的研究,并取得了一定的成果。但由于无功优化目标函数、约束条件的非线性、控制变量的离散性与连续性相混合等特点,到目前为止,已有的无功优化方法还未能圆满解决这些问题。就无功优化的方法而言,大致分为常规优化方法和人工智能方法两类。 2　常规优化算法电力系统无功优化的常规优化算法主要有:线性规划、非线性规划、混合整数规划法及动态规划法等,这类算法是以目标函数和约束条件的一阶或二阶导数作为寻找最优解的主要信息。 2.1　非线性规划法由于无功优化问题自身的非线性,所以非线性规划法最先被运用到电力系统无功优化之中。最具代表性的是简化梯度法、牛顿法、二次规划法(Q P)。非线性规划法能够兼顾电力系统的安全性、经济性和电能质量,因而受到重视。其形式为设定一个目标函数,以节点功率平衡为等式约束条件,利用引入松弛