文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 电力/水利 > 基于GIS和改进微分进化算法的农网变电站选址定容
侵权投诉

基于GIS和改进微分进化算法的农网变电站选址定容

第37卷 第22期 电力系统保护与控制 Vol.37 No.22 2009年11月16日 Power System Protection and Control Nov. 16, 2009

基于GIS和改进微分进化算法的农网变电站选址定容

许童羽,孙艳辉

(沈阳农业大学信息与电气工程学院,辽宁 沈阳 110161)

摘要:基于地理信息管理系统将改进微分进化算法引入到变电站优化选址定容求解问题中。利用三个标准的优化算法测试函数对引入惯性加权系数的微分进化改进算法进行了测试,并与标准微分进化算法进行比较。结果证明对不同函数有目的性地调整惯性加权系数F的取值范围可以提高改进算法的搜索效率。在选址模型中考虑了地理因素对投资费用的影响,并综合考虑了农网特点和其所处的复杂地理环境和对变电站选址的影响,使结果更具科学性和可行性。 关键词: 变电站选址;微分进化算法;惯性加权;地理信息系统

Substation locating and sizing in rural power system based on GIS

and modified differential evolution algorithm

XU Tong-yu, SUN Yan-hui

(Shenyang Agricultural University, Shenyang 110161, China)

Abstract: A modified differential evolution (MDE) algorithm is introduced to solve the problems of substation location optimization based on GIS. Numerical study is carried out using three benchmark functions to the introduced inertia scaling factor MDE algorithm, and the result is compared with that of dynamic differential evolution. Analysis results show that the efficiency of modified differential evolution is significantly improved for adjusting the inertia scaling factor F scope purposefully to different function. The model of the problem involving the geographic information, the rural power network characteristic and its located complex geographical environment make the given solution more effective and feasible. Key words: substation location; differential evolution algorithm; inertia scaling fact; GIS 中图分类号: TM715 文献标识码:A 文章编号: 1674-3415(2009)22-0034-06

0 引言

变电站选址和定容是电网规划工作的一个重要环节,其结果将影响到未来电网的网络结构、供电质量和运行经济性。国内外在变电站选址方面已经开展了大量卓有成效的研究。微分进化(DE—differential evolution)是一种实数编码的基于种群进化的全局优化算法。本文是在文献[4]的基础上,提出应用惯性加权系数策略的微分进化改进算法与GIS相结合的农村配电网变电站优化选址方法。应用此方法通过引入在计算中呈线性变化的加权系数,使种群中的个体能更广泛寻优,以加快算法的收敛速度。在计算过程中,本文在变电站选址的数学模型描述中引入地理因素对投资费用的影响因子,结合农网规划地块的地理属性的特点,绕开了不可能建站的区域,综合地考虑农网变电站选

址的特点,使最终规划方案科学可行。

1 DE算法的数学描述与惯性加权系数策略

微分进化算法DE是1995年由Rainer Storn和

Kenneth Price首先提出。DE已被证明在求解过程中具有高效性、收敛性、鲁棒性等优点[5,6] 。它在许多优化问题中都表现出优于自适应模拟退火算法、POS 算法、GA算法的性能。DE利用实数值参数向量作为每一代的种群,它的自参考种群繁殖方案与其他优化算法不同。设待求的问题为

[8]

min f(x),其算法描述如下:

x∈R

n

(1)(初始化)输入进化参数:种群规模NP,交叉概率CR∈[0,1],交叉因子F,自变量的下届Ib和上界ub,随机生成初始种群(0)={X1(0),…,XN(0)},其中

Xi(0)=x1(i)(0),…,xn(i)(0)

{};

(2)(个体评价)计算每个个体Xi(t)的目标值

第1页

你可能喜欢

  • GIS变电站
  • 配电房设计
  • 地方电力网规划
  • 小区供电系统设计
  • 配电网规划
  • 规划模型

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email