改进型粒子群优化算法在电力系统无功优化中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 引言 | 第7页 |
| 1.2 智能优化算法的研究现状 | 第7-11页 |
| 1.2.1 遗传算法 | 第7-8页 |
| 1.2.2 模拟退火算法 | 第8页 |
| 1.2.3 人工神经网络 | 第8-9页 |
| 1.2.4 群智能算法 | 第9-11页 |
| 1.3 电力系统中的优化问题 | 第11-13页 |
| 1.3.1 最优潮流 | 第12页 |
| 1.3.2 电力系统优化问题的研究现状 | 第12-13页 |
| 1.4 本文的主要研究内容 | 第13-15页 |
| 第二章 粒子群优化算法研究 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 基本粒子群算法原理 | 第15-18页 |
| 2.2.1 算法流程 | 第16-17页 |
| 2.2.2 算法参数 | 第17-18页 |
| 2.3 基本粒子群算法的不足与改进 | 第18-22页 |
| 2.3.1 标准PSO算法 | 第18-19页 |
| 2.3.2 改进种群内部结构 | 第19-20页 |
| 2.3.3 异步模型 | 第20-21页 |
| 2.3.4 量子粒子群算法 | 第21页 |
| 2.3.5 保证收敛的PSO算法 | 第21页 |
| 2.3.6 PSO算法与其他算法的结合 | 第21-22页 |
| 2.4 粒子群算法与其它算法的比较 | 第22-24页 |
| 2.4.1 群智能算法间的比较 | 第22-23页 |
| 2.4.2 PSO算法与其他智能优化算法的比较 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 带可变惯性权重与变异操作的PSO算法 | 第25-34页 |
| 3.1 引言 | 第25页 |
| 3.2 可变惯性权重 | 第25-26页 |
| 3.3 种群变异 | 第26-28页 |
| 3.3.1 变异条件 | 第27-28页 |
| 3.3.2 变异方式 | 第28页 |
| 3.4 PSO-VM的流程 | 第28-29页 |
| 3.5 算法性能分析 | 第29-34页 |
| 3.5.1 变异率对于算法性能的影响 | 第30-31页 |
| 3.5.2 PSO-VM性能测试 | 第31-33页 |
| 3.5.3 测试结果分析 | 第33-34页 |
| 第四章 基于PSO-VM算法的无功优化 | 第34-53页 |
| 4.1 引言 | 第34页 |
| 4.2 潮流计算方式选择 | 第34-42页 |
| 4.2.1 潮流计算数学模型 | 第36-38页 |
| 4.2.2 潮流计算方法 | 第38-42页 |
| 4.3 建立优化数学模型 | 第42-44页 |
| 4.3.1 变量约束 | 第42页 |
| 4.3.2 功率约束 | 第42-43页 |
| 4.3.3 目标函数 | 第43-44页 |
| 4.4 带罚函数的目标优化函数 | 第44-46页 |
| 4.4.1 优化目标函数 | 第44页 |
| 4.4.2 惩罚因子 | 第44-45页 |
| 4.4.3 利用改进PSO算法优化求解 | 第45-46页 |
| 4.5 算例分析 | 第46-51页 |
| 4.5.1 IEEE14节点系统 | 第47-49页 |
| 4.5.2 IEEE30节点系统 | 第49-51页 |
| 4.5.3 结果对比分析 | 第51页 |
| 4.6 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 本文总结 | 第53页 |
| 5.2 本文的不足与展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
