【无功优化】基于改进教与学算法的配电网无功优化【IEEE33节点】(Matlab代码时候)

简介: 【无功优化】基于改进教与学算法的配电网无功优化【IEEE33节点】(Matlab代码时候)

💥💥💞💞欢迎来到本博客❤️❤️💥💥


🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。


⛳️座右铭:行百里者,半于九十。


📋📋📋本文目录如下:🎁🎁🎁


目录


💥1 概述


1.1 基本TLBO算法


1.2 基于精英策略改进算法


1.3 基于ETLBO算法的配电网无功优化流程图



1.4 改进的33母线系统接线图


📚2 运行结果


🎉3 参考文献


🌈4 Matlab代码实现



💥1 概述

文献来源:


6acf1952a45c453aae9dbb89c062d322.png


摘要:在解决配电网无功优化问题中,智能启发式算法得到了广泛应用,但仍存在一些不足。采用了教与学优化算法求解含分布式电源的配电网无功优化问题。教与学优化算法算法简单,取消了其他智能算法求解时需设定的控制参数,收敛速度快,收敛能力强。现将精英策略引入教与学算法,改进了该算法的搜索能力,提高了求解的稳定性。以有功网损最小为目标建立了无功优化模型,并基于改进的IEEE 33母线配电网系统进行仿真计算,结果验证了基于精英策略改进的教与学算法具有更强的收敛性和鲁棒性,能获得更好的优化结果,为配电网无功优化问题求解提供了一种新的方法和思路。


关键词:


配电网;无功优化;教与学算法;精英策略;分布式电源;


配电系统无功优化是指在满足系统安全运行约束的前提下,通过优化控制无功电源容量及可调


变压器分接头的位置,从而达到改善电压质量和降低系统网损的目标,以保证电力系统安全、经济


运行[1]。分布式电源(DG)具有小型、分散、灵活和靠近用户等特点,是可直接接入配电网或用户侧的发电系统,能在一定程度上缓解供电压力、减少输电损耗、减轻环境污染和提高电能可靠性[2];电网接入部分DG后,将DG与传统的电压调节方法相结合,通过调节其有功功率和无功补偿容量,充分发挥DG的补偿能力来实现配电网的无功优化,为提高配电网的运行水平提供了可行性,各国学者已在相关领域有大量的研究[3-4]。


目前,相较传统优化算法,已有大量种群智能优化算法得到迅猛发展,因其易处理多目标、多约


束、非线性优化问题,具有良好的适用性而被广泛运用于电力系统无功优化中,主要有粒子群算法


(PSO)[5]、差分进化算法(DE)[6]、遗传算法(GA)[7]、蚁群算法(ACO)[8]等,取得了良好的效果,但是这些算法也存在各自的局限性,如易陷于局部最优解、收敛速度变慢导致出现早熟停滞的现象,且一般都需要设置数个控制参数,而参数的改变严重影响算法的搜索能力[9]。


教与学优化算法(teaching-learning based opti- mization,TLBO) 是Rao等人于2010年提出的一种新的种群智能优化算法[10]。该算法通过模拟教师的教学过程和学员的学习过程来实现,因其简单、具有更快的收敛速度,收敛能力强,取消了其他智能算法需特定的控制参数值而受到广泛关注。


本文将TLBO算法应用于含分布式电源的配电网无功优化问题中,以有功网损最小为目标函数,


并引入节点电压越限罚函数。为进一步提高算法的效率和稳定性,采用了一种精英替换策略改进算法的搜索能力和收敛能力[11]。并基于改进的含分布式电源的IEEE33母线系统进行了仿真分析,与标准PSO、TLBO算法进行比较,结果验证了TLBO算法在无功优化问题中的可行性和有效性,基于精英策略改进的ETLBO算法具有更强的收敛能力和鲁棒性,更好的优化结果。


1.1 基本TLBO算法

教与学优化算法是模拟以班级为种群,通过教师的“教学”来提高班级中学员的整体水平的,通过不同学员之间“相互学习”再来提高个体成绩,从而优化种群[14]。其中,教师和学员都相当于进化算法中的个体,每个学员所学科目数即控制变量的个数,也就是变量的维数;学员的成绩即函数适应值,教师就是适应值最好的个体。分为3个步骤,具体定义如下。


383988ab83e24475aaf131f6c60bf017.png


3)相互学习阶段。通过学员之间的相互学习提高,来优化解集。“学”阶段是学员在小范围搜索空间内互相学习,不会过早向全局最优点靠拢,增强了算法的全局搜索能力,有效保持了种群的多样性。每一 个学员在班级随机选取另一个不同学员作为学习对象,相互分析比较来进行更新,采用公式:


d6ed6b7660ee4906bc4d7d91b9489d03.png


1.2 基于精英策略改进算法

基本TLBO算法中,在每一次“教”与“学”迭代完成后,因每个学员的学习能力(即教学因子和学习步


长)存在差异,部分学员成绩较差从而会影响整个班级的收敛能力,导致算法效率不高[15];同时在“学”阶段,学员之间的相互学习会吸收不良信息容易造成局部收敛,算法陷入局部最优则不容易全局收敛。因此,引入精英替换策略来改进TLBO算法,保留最好的数个精英个体,在每次迭代来替换最差的个体以增强算法的收敛能力,并利用重复个体裁剪技术避免陷入局部最优,从而提高算法的稳定性和全局搜索能力[16]。具体实现如下:


改进的教与学算法 (ETLBO) 是在每次迭代之前,选择并保留班级里成绩最优的NES个个体作为精英解 (elite solutions,ES);在所有学员每经过一次 “教”、“学”阶段迭代后,用精英解ES替换班级中成绩最差的NES个学员。同时为了避免替换后产生重复学员而陷入局部最优,则用重复个体裁剪技术对班级进行一次操作,裁剪的策略是当班级中有两个重复学员时,对重复学员的随机一维数据进行一次更新。改进的教与学优化算法(ETLBO)过程如下:


1)数据初始化。


2)选取NES个精英解(ES)并保留。


3)教学阶段,更新学员。


4)互相学习阶段,更新学员。


5)精英解替换NES个最差学员。


2368f180dff24d96b67601a85efaeb28.png


1.3 基于ETLBO算法的配电网无功优化流程图


0b31944920bc41fcbfe91c1c0d650244.png


1.4 改进的33母线系统接线图


📚2 运行结果


01d01de63490438eb7525553a90c6438.png

4d69e2c9753a432bb421d2c86c2c1a06.png


教学优化算法:


89e1063a8caf4dea8352c3f714fc9a30.gif


🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。


[1]蒋嘉焱,李红伟,向美龄,刘宇陆,林山峰.基于改进教与学算法的配电网无功优化[J].电网与清洁能源,2017,33(07):58-63+84.


[2]蒋嘉焱. 基于改进教与学算法的配电网无功优化研究[D].西南石油大学,2018.


🌈4 Matlab代码实现


相关文章
|
1天前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
6 3
|
4天前
|
人工智能 算法 数据安全/隐私保护
基于遗传优化的SVD水印嵌入提取算法matlab仿真
该算法基于遗传优化的SVD水印嵌入与提取技术,通过遗传算法优化水印嵌入参数,提高水印的鲁棒性和隐蔽性。在MATLAB2022a环境下测试,展示了优化前后的性能对比及不同干扰下的水印提取效果。核心程序实现了SVD分解、遗传算法流程及其参数优化,有效提升了水印技术的应用价值。
|
3天前
|
存储 缓存 算法
优化轮询算法以提高资源分配的效率
【10月更文挑战第13天】通过以上这些优化措施,可以在一定程度上提高轮询算法的资源分配效率,使其更好地适应不同的应用场景和需求。但需要注意的是,优化策略的选择和实施需要根据具体情况进行详细的分析和评估,以确保优化效果的最大化。
|
4天前
|
并行计算 算法 IDE
【灵码助力Cuda算法分析】分析共享内存的矩阵乘法优化
本文介绍了如何利用通义灵码在Visual Studio 2022中对基于CUDA的共享内存矩阵乘法优化代码进行深入分析。文章从整体程序结构入手,逐步深入到线程调度、矩阵分块、循环展开等关键细节,最后通过带入具体值的方式进一步解析复杂循环逻辑,展示了通义灵码在辅助理解和优化CUDA编程中的强大功能。
|
5天前
|
存储 缓存 算法
前端算法:优化与实战技巧的深度探索
【10月更文挑战第21天】前端算法:优化与实战技巧的深度探索
9 1
|
7天前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。
|
26天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于MSER和HOG特征提取的SVM交通标志检测和识别算法matlab仿真
### 算法简介 1. **算法运行效果图预览**:展示算法效果,完整程序运行后无水印。 2. **算法运行软件版本**:Matlab 2017b。 3. **部分核心程序**:完整版代码包含中文注释及操作步骤视频。 4. **算法理论概述**: - **MSER**:用于检测显著区域,提取图像中稳定区域,适用于光照变化下的交通标志检测。 - **HOG特征提取**:通过计算图像小区域的梯度直方图捕捉局部纹理信息,用于物体检测。 - **SVM**:寻找最大化间隔的超平面以分类样本。 整个算法流程图见下图。
|
6天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于贝叶斯优化CNN-LSTM网络的数据分类识别算法matlab仿真
本项目展示了基于贝叶斯优化(BO)的CNN-LSTM网络在数据分类中的应用。通过MATLAB 2022a实现,优化前后效果对比明显。核心代码附带中文注释和操作视频,涵盖BO、CNN、LSTM理论,特别是BO优化CNN-LSTM网络的batchsize和学习率,显著提升模型性能。
|
10天前
|
存储
基于遗传算法的智能天线最佳阵列因子计算matlab仿真
本课题探讨基于遗传算法优化智能天线阵列因子,以提升无线通信系统性能,包括信号质量、干扰抑制及定位精度。通过MATLAB2022a实现的核心程序,展示了遗传算法在寻找最优阵列因子上的应用,显著改善了天线接收功率。
|
12天前
|
监控 算法 数据安全/隐私保护
基于三帧差算法的运动目标检测系统FPGA实现,包含testbench和MATLAB辅助验证程序
本项目展示了基于FPGA与MATLAB实现的三帧差算法运动目标检测。使用Vivado 2019.2和MATLAB 2022a开发环境,通过对比连续三帧图像的像素值变化,有效识别运动区域。项目包括完整无水印的运行效果预览、详细中文注释的代码及操作步骤视频,适合学习和研究。