ISSN: 1814-3520(print)
ISSN: 2500-1590(online)
12+
Научный журнал «Вестник Иркутского государственного технического университета»
Поиск по сайту

ПРИМЕНЕНИЕ ГЕНЕТИЧЕСКОГО АЛГОРИТМА ДЛЯ РАСЧЕТА УСТАНОВИВШЕГОСЯ РЕЖИМА ЭЛЕКТРИЧЕСКОЙ СЕТИ

2018 / Том 22 №2 (133) 2018 [ Энергетика ]

ЦЕЛЬ. Разработка метода расчета установившихся режимов электрической сети (УР ЭС) с использованием генетического алгоритма (ГА). МЕТОДЫ. Предложен метод расчета УР ЭС с использованием генетических алгоритмов. РЕЗУЛЬТАТЫ. Показана принципиальная возможность применения ГА для расчета УР ЭС. Составлен алгоритм и программа для расчета УР ЭС методом ГА. Проведена верификация результатов расчетов методом ГА с результатами расчета традиционными итерационными методами математического анализа. ЗАКЛЮЧЕНИЕ. Разработан альтернативный метод расчета УР ЭС, достоинством которого является высокая точность расчетов при значительном снижении требований к вычислительным ресурсам.

Ключевые слова:

расчет режима сети, генетический алгоритм, установившийся режим, методы расчета установившегося режима, электрические сети

Авторы:

Библиографический список:

  1. Аюев Б.И., Давыдов В.В., Ерохин П.М., Неуймин В.Г. Вычислительные модели потокораспределения в электрических системах. М.: Изд-во Флинта, 2008. 256 с.
  2. Идельчик В.И. Электрические системы и сети. М.: Энергоатомиздат, 1989. 592 с.
  3. Кавченков В.П., Солопов Р.В. Алгоритм комплексной оптимизации режимов электроэнергетической системы с использованием обобщенных критериев подобия // Программные продукты и системы. 2013. № 1. 23 с.
  4. Solopov R., Kavchenkov V., Doletskaya L., Kiselev V. Effective solution of large-scale optimization problems using the similarity criteria // International Journal of Applied Engineering Research. 2017. No. 12. Р. 3539–3541.
  5. Solopov R.V. Criterion complex optimization in electric-power systems // Russian Electrical Engineering. 2017. No. 5. P. 280–284.
  6. Ортега Д., Рейнболдт В. Итерационные методы решения нелинейных систем уравнений со многими неизвестными. М.: Изд-во Мир, 1975. 560 с.
  7. Амосов А.А., Дубинский Ю.А., Копченова Н.В. Вычислительные методы для инженеров. М.: Высшая школа, 1994. 544 с.
  8. Баламетов А.Б., Халилов Э.Д. О применении нейронных сетей при расчетах установившихся режимов электрических сетей // Проблемы энергетики. 2009. № 1 c. 21 – 31
  9. Хохлов М.В. Расчеты установившихся режимов ЭЭС с использованием нейронных сетей. В кн.: Новые информационные технологии в задачах оперативного управления электроэнергетическими системами. Екатеринбург: Уральское отделение Российской академии наук (УрО РАН), 2002. С. 102–126.
  10. Панченко Т.В. Генетические алгоритмы. Астрахань: Издательский дом «Астраханский университет», 2007. 87 с.
  11. Yuancheng Li, Yiliang Wang and Bin Li. A hybrid artificial bee colony assisted differential evolution algorithm for optimal reactive power flow // Electrical Power and Energy Systems. 2013. No. 52. P. 25–33.
  12. Sina Tabakhi, Parham Moradi and Fardin Akhlaghian. An unsupervised feature selection algorithm based on ant colony optimization // Engineering Applications of Artificial Intelligence. 2014. No. 32. P. 112–123.
  13. Манусов В.З., Павлюченко Д.А. Оптимизация режимов электроэнергетических систем на основе эволюционных вычислений // Проблемы энергетики. 2002. № 1-2. С. 12–19.
  14. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы. М: ФИЗМАТЛИТ, 2006. 320 с.
  15. Gajendra Sahu and Kuldeep Swarnkar. Review of Reactive Power Optimization Using Evolutionary Computation Techniques // Advance in Electronic and Electric Engineering. 2014. No. 4. P. 73–82.
  16. Кнут Д. Искусство программирования: в 3 т. / Пер. с англ. М.: Вильямс, 2006. 720 c.

Файлы:

Язык

Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная
Количество скачиваний:8252