1 简介
遗传算法是一种通过在整个解空间多渠道同时搜索以找到全局最优解的寻优方法,针对电力系统无功优化问题,提出基于遗传算法的电力系统无功优化的求解方法,用实例验证了遗传算法对电力系统无功优化的效果,并对遗传算法的改进作简要的介绍.
2 部分代码
clear;
clc;
% % IEEE 30-BUS TEST SYSTEM (American Electric Power)
% % Bus Bus Voltage Angle ---Load---- -------Generator----- Injected
% % No code Mag. Degree MW Mvar MW Mvar Qmin Qmax Mvar
%
%
% busdata=[1 1 1.06 0.0 0.0 0.0 0.0 0.0 0 0 0
% 2 2 1.043 0.0 21.70 12.7 40.0 0.0 -40 50 0
% 3 0 1.0 0.0 2.4 1.2 0.0 0.0 0 0 0
% 4 0 1.06 0.0 7.6 1.6 0.0 0.0 0 0 0
% 5 2 1.01 0.0 94.2 19.0 0.0 0.0 -40 40 0
% 6 0 1.0 0.0 0.0 0.0 0.0 0.0 0 0 0
% 7 0 1.0 0.0 22.8 10.9 0.0 0.0 0 0 0
% 8 2 1.01 0.0 30.0 30.0 0.0 0.0 -10 60 0
% 9 0 1.0 0.0 0.0 0.0 0.0 0.0 0 0 0
% 10 0 1.0 0.0 5.8 2.0 0.0 0.0 -6 24 19
% 11 2 1.082 0.0 0.0 0.0 0.0 0.0 0 0 0
% 12 0 1.0 0 11.2 7.5 0 0 0 0 0
% 13 2 1.071 0 0 0.0 0 0 -6 24 0
% 14 0 1 0 6.2 1.6 0 0 0 0 0
% 15 0 1 0 8.2 2.5 0 0 0 0 0
% 16 0 1 0 3.5 1.8 0 0 0 0 0
% 17 0 1 0 9.0 5.8 0 0 0 0 0
% 18 0 1 0 3.2 0.9 0 0 0 0 0
% 19 0 1 0 9.5 3.4 0 0 0 0 0
% 20 0 1 0 2.2 0.7 0 0 0 0 0
% 21 0 1 0 17.5 11.2 0 0 0 0 0
% 22 0 1 0 0 0.0 0 0 0 0 0
% 23 0 1 0 3.2 1.6 0 0 0 0 0
% 24 0 1 0 8.7 6.7 0 0 0 0 4.3
% 25 0 1 0 0 0.0 0 0 0 0 0
% 26 0 1 0 3.5 2.3 0 0 0 0 0
% 27 0 1 0 0 0.0 0 0 0 0 0
% 28 0 1 0 0 0.0 0 0 0 0 0
% 29 0 1 0 2.4 0.9 0 0 0 0 0
% 30 0 1 0 10.6 1.9 0 0 0 0 0];
%
% % Line code
% % Bus bus R X 1/2 B = 1 for lines
% % nl nr p.u. p.u. p.u. > 1 or < 1 tr. tap at bus nl
% linedata=[1 2 0.0192 0.0575 0.02640 1
% 1 3 0.0452 0.1852 0.02040 1
% 2 4 0.0570 0.1737 0.01840 1
% 3 4 0.0132 0.0379 0.00420 1
% 2 5 0.0472 0.1983 0.02090 1
% 2 6 0.0581 0.1763 0.01870 1
% 4 6 0.0119 0.0414 0.00450 1
% 5 7 0.0460 0.1160 0.01020 1
% 6 7 0.0267 0.0820 0.00850 1
% 6 8 0.0120 0.0420 0.00450 1
% 6 9 0.0 0.2080 0.0 0.978
% 6 10 0 .5560 0 0.969
% 9 11 0 .2080 0 1
% 9 10 0 .1100 0 1
% 4 12 0 .2560 0 0.932
% 12 13 0 .1400 0 1
% 12 14 .1231 .2559 0 1
% 12 15 .0662 .1304 0 1
% 12 16 .0945 .1987 0 1
% 14 15 .2210 .1997 0 1
% 16 17 .0824 .1923 0 1
% 15 18 .1073 .2185 0 1
% 18 19 .0639 .1292 0 1
% 19 20 .0340 .0680 0 1
% 10 20 .0936 .2090 0 1
% 10 17 .0324 .0845 0 1
% 10 21 .0348 .0749 0 1
% 10 22 .0727 .1499 0 1
% 21 22 .0116 .0236 0 1
% 15 23 .1000 .2020 0 1
% 22 24 .1150 .1790 0 1
% 23 24 .1320 .2700 0 1
% 24 25 .1885 .3292 0 1
% 25 26 .2544 .3800 0 1
% 25 27 .1093 .2087 0 1
% 28 27 0 .3960 0 0.968
% 27 29 .2198 .4153 0 1
% 27 30 .3202 .6027 0 1
% 29 30 .2399 .4533 0 1
% 8 28 .0636 .2000 0.0214 1
% 6 28 .0169 .0599 0.065 1];
% gencost = [1 0.00375 2 0 50 200;
% 2 0.0175 1.75 0 20 80;
% 5 0.0625 1 0 15 50;
% 8 0.0083 3.25 0 10 35;
% 11 0.025 3 0 10 30;
% 13 0.025 3 0 12 40];
%
%
% % B=1e-4*[1.4 .17 .15 .19 .26 .22;.17 .60 .13 .16 .15 .20;.15 .13 .65 .17 .24 .19;.19 .16 .17 .71 .30 .25;.26 .15 .24 .30 .69 .32;.22 .20 .19 .25 .32 .85];
% %B=1e-4*[1.4 .17 .15 .19 .26 .22;.17 .60 .13 .16 .15 .20;.15 .13 .65 .17 .24 .19;.19 .16 .17 .71 .30 .25;.26 .15 .24 .30 .69 .32;.22 .20 .19 .25 .32 .85];
% %Pd=700;
%
%
%
% global busdata linedata gencost ;
% l=gencost(:,5)';
% u=gencost(:,6)';
% ran=[l' u'];
% n=length(gencost(:,1));
% Pdef = [50 1000 10 2 2 0.9 0.4 1500 1e-6 5000 NaN 0 0];
% [OUT]=pso_Trelea_vectorized('psoeld',n,1,ran,0,Pdef);
% out=abs(OUT)
% P=out(1:n)
%{@gaplotbestf,@gaplotbestindiv}
options = gaoptimset;
options = gaoptimset('PopulationSize', 50,'Display','iter','Generations', 200,'StallGenLimit',200,'TimeLimit', 300,'StallTimeLimit', 300,'PlotFcns', {@gaplotbestf} );
[x ff]=ga(@opf1,6,options);
[F Pgg vv TL]=opf1(x)
3 仿真结果
4 参考文献
[1]俞瑞亮, 王杨正, & 李长凯. (2007). 基于遗传算法的电力系统无功优化. 中国高等学校电力系统及其自动化专业学术年会. 合肥工业大学.
部分理论引用网络文献，若有侵权联系博主删除。
5 MATLAB代码与数据下载地址
见博客主页
