1. 研究目的与意义
电力系统无功优化是保证系统安全、经济运行的有效手段,是提高电力系统电压质量、降低网络损耗的重要措施之一。所谓无功优化,就是当系统的结构参数及负荷情况给定时,通过对某些控制变量的优化,所能找到的在满足所有指定约束条件前提下,使系统的某一个或多个性能指标达到最优时的无功调节手段。
利用Matlab的高效处理矩阵运算的能力，编写了用改进遗传算法求解无功优化的程序。
通过本毕业设计，学习了大量的潮流计算和电力系统分析的知识，是对大学四年来所学知识的总结与巩固，为以后参加电力系统分析方面工作打下了很好的基础，有利于在以后的继续学习与发展。同时，在做毕业设计的过程中，学习到了大量的教材之外的知识，扩展了知识面，开阔了视野，对于我而言收获很大。更重要的是，在做设计的过程中，培养了当遇到问题时，分析问题和解决问题的能力，这对于以后的工作有很大的帮助。
2. 课题关键问题和重难点
无功优化问题是典型的非线性规划问题,解空间具有非线性、不连续、多不确定因素等特点。一般将这种规划问题分为运行和投资规划两个子问题。本文只对运行规划进行研究。即寻求一种无功补偿方法使得线路总的损耗费用最小。
就无功优化的方法而言,现已提出的无功优化方法有线性规划法、非线性规划法等常规的无功优化方法以及人工智能系统分析方法等。但由于无功优化题本身的复杂性,这些算法都存在着这样或那样的不足。遗传算法作为一种模拟生物进化过程的新方法,以其对非线性和复杂问题的全局搜索能力及其简单通用、鲁棒性强的显著特点,引起了不同研究领域人们的广泛注意。由于遗传算法本身存在局限性，随着问题的扩大，往往容易不收敛或者早熟，收敛速度也很慢，本文结合电力系统无功优化的特点，通过改进遗传算法的操作来改进整体收敛性和寻优性能。
利用Matlab的高效处理矩阵运算的能力，编写用改进遗传算法求解无功优化的程序。
3. 国内外研究现状（文献综述）
遗传算法(GA)源于达尔文的进化理论,设想在某种环境下的一群个体,由于环境限制只有适应性强的可以生存,将优良性状遗传而弱者被淘汰。GA应用于无功优化问题时,可理解为电力系统环境下的一组初始潮流解,受各种约束条件约束,通过目标函数评价其优劣,评价值低的被淘汰,只有评价值高的有机会将其特征迭代至下一轮解,最后趋向最优。传统遗传算法首先随机产生一组初始潮流解,然后对其编码,通过遗传操作选择、杂交、变异,最后这串码对应的解将趋向最优。
由于常规遗传算法又存在收敛速度慢, 易早熟等缺陷, 本文针对这个问题对常规遗传算法的编码方式、遗传算子和终止判据等方面进行了改进, 提出了一种适合于求解无功优化问题的改进遗传算法, 将之应用于IEEE 9节点系统, 实验结果表明该方法在寻优能力和计算速度方面优于常规遗传算法。
它的主要特点是：可从多初值点开始,沿多路径搜索实现全局或准全局最优;可方便地处理混合整数离散性问题;是一种有效的自适应优化方法。GA应用于潮流优化问题时,一般步骤为：首先随机给出一组初始潮流解,受各种约束条件约束,然后通过目标函数评价其优劣，然对其编码，通过遗传操作选择、杂交和变异，使其重新组合，评价值低的被抛弃，只有评价值高的有机会将其特征迭代至下一轮解，最后这码串对应的解将趋向优化。
4. 研究方案
本文研究的是基于改进遗传算法的无功优化，在文章的第一章我就对无功优化的定义，分类，特点及方法作了一个简单介绍。
然后对遗传优化及改进遗传优化的原理及方法作了介绍，在此基础上研究改进遗传优化方法如何用于无功优化中，且以一个9节点的网络图的两种优化对比说明改进遗传优化算法的优越性。
关于在本文中所涉及到的仿真和潮流计算，我都是用MATLAB实现的，就MATLAB的一些常见用法，因为比较简单在一些常见的书中都有所涉及，所以本文就没有过多做这方面的介绍。
5. 工作计划
第一周~第三周：熟悉Matlab软件，了解此软件在电力系统中的应用，翻译相应的元件说明。了解电力系统潮流计算的基本原理及方法。
第三周~第八周：用Matlab编写潮流计算程序。
第九周~第十三周：熟悉改进遗传算法在无功优化中的应用。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
