[发明专利]基于混沌映射改进遗传算法的城乡电网无功优化方法

权利要求书

1.基于混沌映射改进遗传算法的城乡电网无功优化方法，其特征在于，具体按以下步骤实施：

步骤1，对种群规模、交叉概率、变异概率进行选取；

步骤2，对混沌初始值进行潮流计算形成初始解集合，并计算适应值；

步骤3，对初始解集合进行选择，同时进行解向量的交叉、变异，并将该代的最优解进行保留，形成新的解集集合；

步骤4，将父代种群与子代种群进行结合后得到新子代种群；

步骤5，选取部分子代潮流计算结果优秀的个体进行局部搜索，再将产生的优于平均值的子代潮流群体与混沌变量进行组合，得到的新的分配决策；

步骤6，重复步骤3～5，直至混沌优化的最大迭代次数；

步骤7，满足迭代终止条件后，对结果统计，输出最优配置方案。

2.根据权利要求1所述的基于混沌映射改进遗传算法的城乡电网无功优化方法，其特征在于，所述步骤1具体包括以下步骤：

选取最大种群规模N_p＝100，以最大的进化迭代次数G_max＝500，混沌映射的控制参数为μ；需要确定算法的参数值为种群规模N_p，最大遗传代数G_max，交叉概率pc，变异概率pm；利用式(1)随机生成相关节点的无功装设容量，并生成初始种群：

X_n+1＝μX_n(1-X_n) (1)。

3.根据权利要求1或2所述的基于混沌映射改进遗传算法的城乡电网无功优化方法，其特征在于，所述步骤2具体包括以下步骤：

根据Logistic混沌映模型，将由式(1)迭代生成的初始种群带入潮流计算方程，潮流计算方程根据初始参数自动修改计算模型，利用牛顿拉夫逊迭代法进行迭代计算，最后计算其适应值。

4.根据权利要求1所述的基于混沌映射改进遗传算法的城乡电网无功优化方法，其特征在于，所述步骤3具体包括以下步骤：

对种群P_G通过选择、交叉和变异得到子代，其大小为N_p；在第t+1代中的计算规模为

式中，f(H)是在t时刻对应的适应度值。

5.根据权利要求1所述的基于混沌映射改进遗传算法的城乡电网无功优化方法，其特征在于，所述步骤4具体包括以下步骤：

将父代种群P_G和子代种群Q_G结合成R_G，所形成的新的种群函数为可以得到它的子代种群为

6.根据权利要求5所述的基于混沌映射改进遗传算法的城乡电网无功优化方法，其特征在于，所述步骤5具体包括以下步骤：

当N_First＝N_p时，选择子代种群优秀个体的10％按群盾局部搜索，设置对H的适应度值高于群体的平均值，且设高出部分为其中c为常数，则有：

再将产生的优于平均值的子代群体与混沌变量进行组合，得到的新的分配决策为：

m(H，t+1)＝m(H，0)(1+c) (5)。

7.根据权利要求1所述的基于混沌映射改进遗传算法的城乡电网无功优化方法，其特征在于，所述步骤6具体包括以下步骤：

重复步骤3～5，若未达到混沌优化的最大迭代次数，则n＝n+1，设从t＝0开始，c保持为常值，则有该优化模型的变异算子作用下的生存概率为：

P_s＝(1-P_m)^o(H)≈1-o(H)P_m (6)

若G的值小于G_max，则令G＝G+1，并返回执行步骤3，直到终止条件得以满足。