没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
为了更好地解决多目标优化问题,提出一种求解多目标优化问题的新型memetic算法。该算法利用微粒子群算法的全局搜索能力和同步启发式局部搜索相结合进行局部微调;利用基于模糊全局极值的概念处理种群中过早出现收敛以及解多样性保持等问题。通过进一步检测得出新算法的特点并展示其在多目标优化问题上的独立性和综合效应。同时应用新型算法对IEEE14节点标准电网进行无功优化计算。结果证明,该新型memetic算法具有很好的寻优能力,验证了该算法的有效性及科学性。
资源详情
资源评论
资源推荐
第 卷第 期 吉 林 大 学 学 报 信 息 科 学 版
VolNo
年 月 Journal of Jilin University Information Science Edition Mar
收稿日期
基金项目黑龙江省普通高等学校青年学术骨干基金资助项目G
作者简介刘伟 男 哈 尔 滨 人 东 北 石 油 大 学 教 授 博 士 硕 士 生 导 师 主 要 从 事 电 力 系 统 智 能 控 制 研 究 Tel
Email oliuweicom
文章编号
基 于 新 型 Memetic 算 法 的 多 目 标 优 化
刘伟
赵丹
孙宏伟
东北石油大学 电气信息工程学院黑龙江 大庆 中国石油集团 辽河石化公司辽宁 盘锦
摘要 为了更好地解决多目标优化问题提出一种求解多目标优化问题的新型 memetic 算法 该算法利用微粒
子群算法的全局搜索能力和同步启发式局部搜索相结合进行局部微调利用基于模糊全局极值的概念处理种群
中过早出现收敛以及解多样性保持等问题 通过进一步检测得出新算法的特点并展示其在多目标优化问题上
的独立性和综合效应 同时应用新型算法对 IEEE 节点标准电网进行无功优化计算 结果证明该新型
memetic 算法具有很好的寻优能力验证了该算法的有效性及科学性
关键词memetic 算法多目标优化粒子群算法
中图分类号TM 文献标识码 A
MultiObjective Optimization Based on Memetic Algorithm
LIU Wei
ZHAO Dan
SUN Hongwei
College of Electricity Information Engineering Northeast Petroleum UniversityDaqing China
Liao He Petrochemical CompanyChina PetroleumPanjin China
AbstractIn order to solve multiobjective optimization problemsa newmemetic algorithm is proposedwhich
combines the global search ability of particle swarm optimization with synchronous local search heuristic for di
rected local finetuningA new particle updating strategy is presented to deal with the problem of premature con
vergence and diversity maintenance in the swarm based upon the concept of fuzzy globalbestThe proposed new
features are verified to show their individual and combined effect in multiobjective optimizationThe reactive
power optimization result of IEEE node system by the new memetic shows that it has a good astringency and ef
ficiency
Key words memetic algorithmmultiobjective optimizationparticle swarm optimization
引言
许多现实世界中的优化问题涉及多个非对称优化准则并经常相互冲突这些冲突主要反应在各种设
计的规范和约束中 粒子群算法PSOParticle Swarm Optimization是一种随机优化技术是受鸟群的觅食
行为启发而得 Memetic 算法局部搜索法和交叉遗传算法是用来维持探测和开发之间平衡的工具它们
也是成功解决搜索和优化问题致关重要的方法 虽然研究人员致力于以上多种算法的不断改进工作
但他们却很少考虑将 Memetic 算法与 PSO 算法相结合研究 随着多目标优化问题的不断深入研究笔者
提出了一种基于 PSO 的多目标优化的 Memetic 算法 相对于单目标优化为多目标优化寻找到均匀分布
的多样的最优解集是很关键的 然而粒子群算法中的高速收敛速度导致优化过程中失去了解集的多样
性从而导致不良的过早收敛是不可避免的
因此设计一种基于 PSO 的多目标优化的 memetic 算法处
理粒子过早收敛问题很具有挑战性
吉 林 大 学 学 报信 息 科 学 版 第 卷
多目标无功优化的数学模型
传统的无功优化问题以系统的有功网损为目标通过给定节点电压范围满足电压安全条件的约束
这样建立的模型优化结果中各节点电压往往靠近其极限值从而使无功优化的目标函数与系统电压安全
之间发生冲突所以笔者构建了以有功网损最小和电压水平最好为目标函数以发电机各节点电压变压
器的变比和无功补偿量为控制变量以负荷节点的电压和发电机无功出力为状态变量的多目标无功优化
模型
有功网损最小
minf
minP
loss
min
N
k
G
k
ijV
i
V
j
V
i
V
j
cos
i
j
其中 N 为系统支路数G
k
ij为线路 ij 的电导V
i
为节点 i 的电压幅值
i
为节点 i 的电压相角
电压偏移最小
minf
minV min
N
D
i
V
i
V
spec
i
V
max
i
其中 N
D
为系统负荷节点数V
max
i
为负荷节点 i 允许的最大电压偏差V
max
i
V
max
i
V
min
i
V
spec
i
为负荷节
点 i 的期望电压幅值通常取 V
spec
i
V
max
i
V
min
i
电力系统无功优化的约束条件
P
i
V
i
n
j
V
j
G
ij
cos
ij
B
ij
sin
ij
Q
i
V
i
n
j
V
j
G
ij
sin
ij
B
ij
cos
ij
V
Gimin
V
Gi
V
Gimax
iN
g
Q
Cjmin
Q
Cj
Q
Cjmax
jN
c
T
kmin
T
k
T
kmax
kN
t
V
Dimin
V
Di
V
Dimax
jN
d
Q
Gjmin
Q
Gj
Q
Gjmax
jN
g
其中 V
Gimin
V
Gimax
分别为发电机端电压的上下限Q
Cjmin
Q
Cjmax
分别为电容器无功补偿容量的上下限
T
kmin
T
kmax
分别为变压器变比的上下限V
Dimin
V
Dimax
分别为 PQ 节点电压的上下限Q
Gjmin
Q
Gjmax
分别为
发电机节点无功的上下限N
d
为 PQ 节点的集合N
g
为发电机节点的集合N
c
为补偿电容器节点集合N
t
为变压器支路集合
相关算法及性能指标
PSO 算法
PSO 算法可描述为群体中每个个体视为多维搜索空间中没有质量和体积的粒子这些粒子在搜索空
间中以一定的速度飞行并根据粒子本身的飞行经验以及同伴的飞行经验对自己飞行速度进行不断调
整
假设在一个 D 维的搜索空间中一个种群有 n 个粒子其中第 i 个粒子在 D 维搜索空间中的位置
表示为 X
i
x
i
x
i
x
iD
其飞翔的速度用 V
i
v
i
v
i
v
iD
表示 它经历过的最好位置有最好的
适应值记为 P
i
p
i
p
i
p
iD
也称为 P
best
群体所有微粒经历过的最好位置记为 P
g
也称为 P
gbest
各粒子按照相关公式进行迭代操作从而不断更新自己的速度和位置直至寻找到最优解
v
ij
t v
ij
t c
r
p
ij
x
ij
t c
r
p
gj
x
ij
tj D
x
ij
t x
ij
t v
ij
t j D
Memetic 算法
Memetic 算法来自于生物进化理论 道金斯
提出了一个全新的概念 Meme一个文化传播或模
仿单位 Memetic 一词由 meme 而来其谐音译法很多根据道金斯提出的本意应理解为文化基因
剩余6页未读,继续阅读
weixin_38622125
- 粉丝: 7
- 资源: 939
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0