基于遗传算法的电力系统无功优化的应用综述

龙源期刊网 https://www.wendangku.net/doc/188404767.html,

基于遗传算法的电力系统无功优化的应用综述

作者：杨过

来源：《华中电力》2013年第10期

摘要：遗传算法大量应用于电力系统的无功优化问题。众多学者根据研究需要对遗传算

法进行了相应的改进，或者将遗传算法与其他算法相结合，以获得更优越的计算效率和更好的收敛性。本文阐述了近几年遗传算法在电力系统无功优化中的应用。

关键词：遗传算法；无功优化；电力系统

1 引言

无功优化定义为在给定系统结构参数和负荷时，以满足所有约束条件为前提，通过优化某些控制变量而找到使系统的某些性能指标达到最优的无功调节手段[1]。电力系统无功优化是

一个变量多、约束条件多的非线性优化问题，其变量属性多态化，使整个无功优化过程变得复杂。

2 电力系统无功优化的方法

在有关电力系统无功优化的早期研究中，大部分学者采用微分学的优化方法，侧重研究非线性函数、离散变量的处理和算法的收敛性。主要算法包括线性与非线性规划、混合整数法、序列二次规划法、牛顿法、简化梯度法、内点法等。研究发现，这些算法虽能体现各自优点，但不能妥善处理离散变量，且由于多因素的影响，很难求得无功优化的全局最优解。

在后期基于人工智能的电力系统无功优化研究中，禁忌搜索法、仿真退火法、免疫算法、粒子群优化算法、遗传算法等得到了广泛的应用。其中，遗传算法由于其鲁棒性、全局收敛性和通用性强等特性，突出了其在解决多变量、非线性、不连续和多约束问题时的明显优势[2]

而最受学者青睐。

3 遗传算法在无功优化中的应用

传统遗传算法在早期电力系统无功优化问题中得到了广泛应用。马晋弢等人[3]利用遗传

算法求解电力系统的无功优化问题，结果表明遗传算法具备全局寻优的能力。周双喜等人[4]

指出遗传算法收敛性好，适应性强，可以达到全局最优。

随着传统遗传算法在无功优化应用方面的不断纯熟，其不足之处也日益凸显。研究发现，遗传算法一般只能达到最优解的90%左右，若要取得真正的最优解则需要花费很长的时间。