【优化规划】禁忌搜索算法求解配电网无功补偿优化规划问题【含Matlab源码 1842期】

💥💥💞💞欢迎来到Matlab仿真科研站博客之家💞💞💥💥

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。

🍎个人主页：Matlab仿真科研站博客之家

🏆代码获取方式：
💥扫描文章底部QQ二维码💥

⛳️座右铭：行百里者，半于九十；路漫漫其修远兮，吾将上下而求索。

⛄更多Matlab优化求解仿真内容点击👇
Matlab优化求解（仿真科研站版）

⛄一、基于禁忌搜索算法的无功优化参数选择及流程

禁忌搜索方法是Glover F在1986年首次提出的一种智能启发式算法。鉴于禁忌搜索算法是对局部邻域搜索的一种扩展,通过引入一个灵活的存储结构和相应的禁忌准则来避免迂回搜索,并通过藐视准则来赦免一些被禁忌的优良状态,进而保证有效探索,最终实现全局最优化。由于配电网无功优化问题相当复杂,需要降低算法对初始解向量的依赖程度,增强收敛速度,减少搜索时间,本研究采用自适应长度的集中性和多样性禁忌搜索算法解决含风电机组的配电网无功优化问题。算法改进主要体现在邻域解集和候选解集的控制策略上。

1 算法参数选择
(1)适配值及解空间
最小网络损耗为对应的适配值函数,由牛顿拉夫逊潮流计算得出。
节点和对应节点的补偿容量为所要求的解向量X=[ni,nj,…nt;Qci,Qcj,…Qcm];ni为节点编号,QCi为对应节点的补偿容量。

(2)初始解
初始解对收敛速度和能否跳出全局最优有一定的影响。由于采用的是自适应长度的集中性与多样性搜索策略,降低了其对初始解的敏感性,并且多样性解是随机得到的,所以本研究采用随机产生满足电压约束条件的初始解。

(3)邻域控制策略
邻域搜索由集中性和多样性搜索两部分组成。将邻域分为两部分,前半部分元素称为集中性元素,用于集中性搜索,即搜索相邻的节点元素和补偿电容器的相邻组数。后半部分元素称为多样性元素,用于多样性搜索,即除前部分解向量和禁忌表中的解向量外随机产生满足电压约束条件的解向量。

(4)候选解控制策略
自适应长度的集中性和多样性搜索策略,将候选集中的元素与邻域对应分为两部分,前半部分从邻域的前半部分中选择最佳的解向量组成,称为集中性候选解集。后半部分从邻域的后半部分元素中随机选取组成,称为多样性候选解集。程序运行过程中,集中性元素和多样性元素的个数根据搜索过程中解的质量动态变化。设候选集长度为CL,候选集中集中性元素和多样性元素的分界点长度记为DL,即第1至DL个元素为集中性元素,后DL+1至CL个元素为多样性元素。在迭代之前,前CL/2为集中性元素组成的候选解集。后CL/2为多样性元素组成的候选解集。迭代过程中,如果当前最优解出自集中性元素,则对应的集中性元素个数变为DL+1,多样性元素个数变为CL-DL-1,如果当前解出自多样性元素,则集中性元素个数变为DL-1,多样性元素个数变为CL-DL+1,如此构成了自适应长度的集中性和多样性搜索的候选解集。

DL按上述规则动态地变化使得解的质量有提高时,候选集中的集中性元素增多,即进行集中性搜索的概率增大。相应地,多样性搜索的概率降低。反之,当解的的质量没有提高时候选集中的集中性元素减少,即进行集中性搜索的概率减少,相应地,多样性搜索的概率提高。这样,就能根据搜索进程中解的质量好坏自动地进行集中性搜索或多样性搜索。

(5)禁忌对象
禁忌对象是当前解的各状态量,即补偿节点和对应的补偿容量。

(6)禁忌表及禁忌长度
采用明晰记忆,即将搜索过的当前解的状态量放入禁忌表,把已经搜索过的节点和对应节点的容量放入禁忌表,以免再次搜索访问。
禁忌长度是禁忌对象在禁忌表中的任期,根据计算的规模大小选取。在对应的配电网节点数不多时一般取5。

(7)终止准则
终止准则设定为目前最优值,即“best so far”对应的目标函数值连续不变的迭代的次数。

2 算法流程
算法流程见图3。

图3 无功优化算法流程图

⛄二、部分源代码

clc
%%%%%%禁忌搜索算法%%%%%%%%%%%%%%%
%%%%%%%%只考虑节点和容量分别单独变化的邻域搜索%%%%%%%%%%%
%function []=TS
Vb=11; %Vb=11kV
Sb=100000; %Sb=100MVA=100000kVA
Zb=(Vb^2/Sb)1000; %Zb单位为Ω 电流单位为A
Z=[1 0 1 3 0.195/Zb+j0.080/Zb 0.60 230/Sb 142.5/Sb;
2 1 2 2 0.195/Zb+j0.080/Zb 0.55 0.00 0.00;
3 2 3 3 0.299/Zb+j0.083/Zb 0.55 230/Sb 142.5/Sb;
4 3 4 3 0.299/Zb+j0.083/Zb 0.50 230/Sb 142.5/Sb;
5 4 5 2 0.299/Zb+j0.083/Zb 0.50 0.00 0.00;
6 5 6 2 0.524/Zb+j0.090/Zb 0.60 0.00 0.00;
7 6 7 3 0.524/Zb+j0.090/Zb 0.40 230/Sb 142.5/Sb;
8 7 8 3 0.524/Zb+j0.090/Zb 0.60 230/Sb 142.5/Sb;
9 8 9 2 0.524/Zb+j0.090/Zb 0.40 0.00 0.00;
10 9 10 3 0.524/Zb+j0.090/Zb 0.25 230/Sb 142.5/Sb;
11 10 11 1 0.524/Zb+j0.090/Zb 0.20 137/Sb 84/Sb;
12 2 12 3 0.524/Zb+j0.090/Zb 0.30 72/Sb 45/Sb;
13 12 13 3 0.524/Zb+j0.090/Zb 0.40 72/Sb 45/Sb;
14 13 14 3 0.524/Zb+j0.090/Zb 0.20 72/Sb 45/Sb;
15 14 15 1 0.524/Zb+j0.090/Zb 0.10 13.5/Sb 7.5/Sb;
16 5 16 3 0.299/Zb+j0.083/Zb 0.60 230/Sb 142.5/Sb;
17 16 17 3 0.299/Zb+j0.083/Zb 0.55 230/Sb 142.5/Sb;
18 17 18 3 0.378/Zb+j0.086/Zb 0.55 230/Sb 142.5/Sb;
19 18 19 3 0.378/Zb+j0.086/Zb 0.50 230/Sb 142.5/Sb;
20 19 20 3 0.378/Zb+j0.086/Zb 0.50 230/Sb 142.5/Sb;
21 20 21 3 0.524/Zb+j0.090/Zb 0.50 230/Sb 142.5/Sb;
22 21 22 3 0.524/Zb+j0.090/Zb 0.50 230/Sb 142.5/Sb;
23 22 23 3 0.524/Zb+j0.090/Zb 0.60 230/Sb 142.5/Sb;
24 23 24 3 0.524/Zb+j0.090/Zb 0.40 230/Sb 142.5/Sb;
25 24 25 3 0.524/Zb+j0.090/Zb 0.25 230/Sb 142.5/Sb;
26 25 26 1 0.524/Zb+j0.090/Zb 0.20 137/Sb 85/Sb;
27 6 27 3 0.524/Zb+j0.090/Zb 0.30 75/Sb 48/Sb;
28 27 28 3 0.524/Zb+j0.090/Zb 0.30 75/Sb 48/Sb;
29 28 29 1 0.524/Zb+j0.090/Zb 0.30 75/Sb 48/Sb;
30 9 30 3 0.524/Zb+j0.090/Zb 0.30 57/Sb 34.5/Sb;
31 30 31 3 0.524/Zb+j0.090/Zb 0.40 57/Sb 34.5/Sb;
32 31 32 3 0.524/Zb+j0.090/Zb 0.30 57/Sb 34.5/Sb;
33 32 33 1 0.524/Zb+j0.090/Zb 0.20 57/Sb 34.5/Sb];
%Z=[支路数 首节点 尾节点 尾节点类型 支路阻抗 支路长度 尾节点的有功功率 尾节点的无功功率] 电源点：0 末梢点：1 T接点：2 负荷点：3
[h,l]=size(Z);
b=h; %支路数
n=h+1; %节点数
Vb=11; %Vb=11kV
Sb=100000; %Sb=100MVA=100000kVA
Zb=(Vb^2/Sb)*1000; %Zb单位为Ω 电流单位为A
[PlossTotal0,Vm]=TideCal(Z); %初始潮流计算得到初始系统有功损耗为202.292471kW
Vm; %补偿前各节点电压
Ptotal=0;
for i=1:b
Ptotal=Ptotal+Z(i,7)*Sb; %系统总有功功率
end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]余健明,刘飞.基于禁忌搜索算法的含风电机组的配电网无功优化研究[J].西安理工大学学报. 2013,29(01)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
1.1 PID优化
1.2 VMD优化
1.3 配电网重构
1.4 三维装箱
1.5 微电网优化
1.6 优化布局
1.7 优化参数
1.8 优化成本
1.9 优化充电
1.10 优化调度
1.11 优化电价
1.12 优化发车
1.13 优化分配
1.14 优化覆盖
1.15 优化控制
1.16 优化库存
1.17 优化路由
1.18 优化设计
1.19 优化位置
1.20 优化吸波
1.21 优化选址
1.22 优化运行
1.23 优化指派
1.24 优化组合
1.25 车间调度
1.26 生产调度
1.27 经济调度
1.28 装配线调度
1.29 水库调度
1.30 货位优化
1.31 公交排班优化
1.32 集装箱船配载优化
1.33 水泵组合优化
1.34 医疗资源分配优化
1.35 可视域基站和无人机选址优化

2 机器学习和深度学习分类与预测
2.1 机器学习和深度学习分类
2.1.1 BiLSTM双向长短时记忆神经网络分类
2.1.2 BP神经网络分类
2.1.3 CNN卷积神经网络分类
2.1.4 DBN深度置信网络分类
2.1.5 DELM深度学习极限学习机分类
2.1.6 ELMAN递归神经网络分类
2.1.7 ELM极限学习机分类
2.1.8 GRNN广义回归神经网络分类
2.1.9 GRU门控循环单元分类
2.1.10 KELM混合核极限学习机分类
2.1.11 KNN分类
2.1.12 LSSVM最小二乘法支持向量机分类
2.1.13 LSTM长短时记忆网络分类
2.1.14 MLP全连接神经网络分类
2.1.15 PNN概率神经网络分类
2.1.16 RELM鲁棒极限学习机分类
2.1.17 RF随机森林分类
2.1.18 SCN随机配置网络模型分类
2.1.19 SVM支持向量机分类
2.1.20 XGBOOST分类

2.2 机器学习和深度学习预测
2.2.1 ANFIS自适应模糊神经网络预测
2.2.2 ANN人工神经网络预测
2.2.3 ARMA自回归滑动平均模型预测
2.2.4 BF粒子滤波预测
2.2.5 BiLSTM双向长短时记忆神经网络预测
2.2.6 BLS宽度学习神经网络预测
2.2.7 BP神经网络预测
2.2.8 CNN卷积神经网络预测
2.2.9 DBN深度置信网络预测
2.2.10 DELM深度学习极限学习机预测
2.2.11 DKELM回归预测
2.2.12 ELMAN递归神经网络预测
2.2.13 ELM极限学习机预测
2.2.14 ESN回声状态网络预测
2.2.15 FNN前馈神经网络预测
2.2.16 GMDN预测
2.2.17 GMM高斯混合模型预测
2.2.18 GRNN广义回归神经网络预测
2.2.19 GRU门控循环单元预测
2.2.20 KELM混合核极限学习机预测
2.2.21 LMS最小均方算法预测
2.2.22 LSSVM最小二乘法支持向量机预测
2.2.23 LSTM长短时记忆网络预测
2.2.24 RBF径向基函数神经网络预测
2.2.25 RELM鲁棒极限学习机预测
2.2.26 RF随机森林预测
2.2.27 RNN循环神经网络预测
2.2.28 RVM相关向量机预测
2.2.29 SVM支持向量机预测
2.2.30 TCN时间卷积神经网络预测
2.2.31 XGBoost回归预测
2.2.32 模糊预测
2.2.33 奇异谱分析方法SSA时间序列预测

2.3 机器学习和深度学习实际应用预测
CPI指数预测、PM2.5浓度预测、SOC预测、财务预警预测、产量预测、车位预测、虫情预测、带钢厚度预测、电池健康状态预测、电力负荷预测、房价预测、腐蚀率预测、故障诊断预测、光伏功率预测、轨迹预测、航空发动机寿命预测、汇率预测、混凝土强度预测、加热炉炉温预测、价格预测、交通流预测、居民消费指数预测、空气质量预测、粮食温度预测、气温预测、清水值预测、失业率预测、用电量预测、运输量预测、制造业采购经理指数预测

3 图像处理方面
3.1 图像边缘检测
3.2 图像处理
3.3 图像分割
3.4 图像分类
3.5 图像跟踪
3.6 图像加密解密
3.7 图像检索
3.8 图像配准
3.9 图像拼接
3.10 图像评价
3.11 图像去噪
3.12 图像融合
3.13 图像识别
3.13.1 表盘识别
3.13.2 车道线识别
3.13.3 车辆计数
3.13.4 车辆识别
3.13.5 车牌识别
3.13.6 车位识别
3.13.7 尺寸检测
3.13.8 答题卡识别
3.13.9 电器识别
3.13.10 跌倒检测
3.13.11 动物识别
3.13.12 二维码识别
3.13.13 发票识别
3.13.14 服装识别
3.13.15 汉字识别
3.13.16 红绿灯识别
3.13.17 虹膜识别
3.13.18 火灾检测
3.13.19 疾病分类
3.13.20 交通标志识别
3.13.21 卡号识别
3.13.22 口罩识别
3.13.23 裂缝识别
3.13.24 目标跟踪
3.13.25 疲劳检测
3.13.26 旗帜识别
3.13.27 青草识别
3.13.28 人脸识别
3.13.29 人民币识别
3.13.30 身份证识别
3.13.31 手势识别
3.13.32 数字字母识别
3.13.33 手掌识别
3.13.34 树叶识别
3.13.35 水果识别
3.13.36 条形码识别
3.13.37 温度检测
3.13.38 瑕疵检测
3.13.39 芯片检测
3.13.40 行为识别
3.13.41 验证码识别
3.13.42 药材识别
3.13.43 硬币识别
3.13.44 邮政编码识别
3.13.45 纸牌识别
3.13.46 指纹识别

3.14 图像修复
3.15 图像压缩
3.16 图像隐写
3.17 图像增强
3.18 图像重建

4 路径规划方面
4.1 旅行商问题（TSP）
4.1.1 单旅行商问题（TSP）
4.1.2 多旅行商问题（MTSP）
4.2 车辆路径问题（VRP）
4.2.1 车辆路径问题（VRP）
4.2.2 带容量的车辆路径问题（CVRP）
4.2.3 带容量+时间窗+距离车辆路径问题（DCTWVRP）
4.2.4 带容量+距离车辆路径问题（DCVRP）
4.2.5 带距离的车辆路径问题（DVRP）
4.2.6 带充电站+时间窗车辆路径问题（ETWVRP）
4.2.3 带多种容量的车辆路径问题（MCVRP）
4.2.4 带距离的多车辆路径问题（MDVRP）
4.2.5 同时取送货的车辆路径问题（SDVRP）
4.2.6 带时间窗+容量的车辆路径问题（TWCVRP）
4.2.6 带时间窗的车辆路径问题（TWVRP）
4.3 多式联运运输问题

4.4 机器人路径规划
4.4.1 避障路径规划
4.4.2 迷宫路径规划
4.4.3 栅格地图路径规划

4.5 配送路径规划
4.5.1 冷链配送路径规划
4.5.2 外卖配送路径规划
4.5.3 口罩配送路径规划
4.5.4 药品配送路径规划
4.5.5 含充电站配送路径规划
4.5.6 连锁超市配送路径规划
4.5.7 车辆协同无人机配送路径规划

4.6 无人机路径规划
4.6.1 飞行器仿真
4.6.2 无人机飞行作业
4.6.3 无人机轨迹跟踪
4.6.4 无人机集群仿真
4.6.5 无人机三维路径规划
4.6.6 无人机编队
4.6.7 无人机协同任务
4.6.8 无人机任务分配

5 语音处理
5.1 语音情感识别
5.2 声源定位
5.3 特征提取
5.4 语音编码
5.5 语音处理
5.6 语音分离
5.7 语音分析
5.8 语音合成
5.9 语音加密
5.10 语音去噪
5.11 语音识别
5.12 语音压缩
5.13 语音隐藏

6 元胞自动机方面
6.1 元胞自动机病毒仿真
6.2 元胞自动机城市规划
6.3 元胞自动机交通流
6.4 元胞自动机气体
6.5 元胞自动机人员疏散
6.6 元胞自动机森林火灾
6.7 元胞自动机生命游戏

7 信号处理方面
7.1 故障信号诊断分析
7.1.1 齿轮损伤识别
7.1.2 异步电机转子断条故障诊断
7.1.3 滚动体内外圈故障诊断分析
7.1.4 电机故障诊断分析
7.1.5 轴承故障诊断分析
7.1.6 齿轮箱故障诊断分析
7.1.7 三相逆变器故障诊断分析
7.1.8 柴油机故障诊断

7.2 雷达通信
7.2.1 FMCW仿真
7.2.2 GPS抗干扰
7.2.3 雷达LFM
7.2.4 雷达MIMO
7.2.5 雷达测角
7.2.6 雷达成像
7.2.7 雷达定位
7.2.8 雷达回波
7.2.9 雷达检测
7.2.10 雷达数字信号处理
7.2.11 雷达通信
7.2.12 雷达相控阵
7.2.13 雷达信号分析
7.2.14 雷达预警
7.2.15 雷达脉冲压缩
7.2.16 天线方向图
7.2.17 雷达杂波仿真

7.3 生物电信号
7.3.1 肌电信号EMG
7.3.2 脑电信号EEG
7.3.3 心电信号ECG
7.3.4 心脏仿真

7.4 通信系统
7.4.1 DOA估计
7.4.2 LEACH协议
7.4.3 编码译码
7.4.4 变分模态分解
7.4.5 超宽带仿真
7.4.6 多径衰落仿真
7.4.7 蜂窝网络
7.4.8 管道泄漏
7.4.9 经验模态分解
7.4.10 滤波器设计
7.4.11 模拟信号传输
7.4.12 模拟信号调制
7.4.13 数字基带信号
7.4.14 数字信道
7.4.15 数字信号处理
7.4.16 数字信号传输
7.4.17 数字信号去噪
7.4.18 水声通信
7.4.19 通信仿真
7.4.20 无线传输
7.4.21 误码率仿真
7.4.22 现代通信
7.4.23 信道估计
7.4.24 信号检测
7.4.25 信号融合
7.4.26 信号识别
7.4.27 压缩感知
7.4.28 噪声仿真
7.4.29 噪声干扰

7.5 无人机通信

7.6 无线传感器定位及布局方面
7.6.1 WSN定位
7.6.2 高度预估
7.6.3 滤波跟踪
7.6.4 目标定位
7.6.4.1 Dv-Hop定位
7.6.4.2 RSSI定位
7.6.4.3 智能算法优化定位
7.6.5 组合导航

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置