基于改进pso算法的电力系统无功优化

《基于改进pso算法的电力系统无功优化》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第26卷第2期电力系统及其自动化学报Vol.26No.22014年2月ProceedingsoftheCSU-EPSAFeb.2014基于改进PSO算法的电力系统无功优化陈前宇，陈维荣，戴朝华，张雪霞（西南交通大学电气工程学院，成都610031）摘要：提出了一种多策略融合自适应粒子群优化（MSI-APSO）算法求解电力系统无功优化问题的新方法。该方法采用分阶段调整加速因子，结合适应值自适应调整惯性权重，然后基于群体信息改善部分性能差的粒子，迭代后性能改善的粒子，采取速度保持策略，从而提高了PSO全局寻优性能。针对IEEE30节点系统进

2、行无功优化计算，并与带惯性权重的粒子群（PSO-w）算法、带压缩因子的粒子群（PSO-cf）算法、全面学习粒子群（CLPSO）算法进行了比较，表明MSI-APSO具有更好的全局寻优能力和收敛性能。关键词：无功优化；智能优化算法；粒子群优化算法；有功网损中图分类号：TM761文献标志码：A文章编号：1003-8930（2014）02-0008-06ReactivePowerOptimizationBasedonModifiedParticleSwarmOptimizationAlgorithmforPowerSystemCHENQian

3、-yu，CHENWei-rong，DAIChao-hua，ZHANGXue-xia（SchoolofElectricalEngineering，SouthwestJiaotongUniversity，Chengdu610031，China）Abstract：Applyingadaptiveparticleswarmoptimizationwithmulti-strategyintegration（MSI-APSO）algoritm，anewapproachofsolvingreactivepoweroptimizationisprop

4、osed.Themethodadjuststheaccelerationfactorwithstagevary－ing，adaptivelyadjustsinertiaweightaccordingtothefitness，thenemploysgroupinformationtoimprovetheparticleswiththeworseperformances.Fortheparticleswhichareimprovedafteriteration，thespeedremainingstrategyisem－ployed.In

5、thiscase，theglobaloptimazationperformanceofPSOisconsequentlyimproved.TheproposedalgorithmisappliedtothereactivepoweroptimizationofIEEE30-bussystem，andcomparedwithPSO-w，PSO-cf，CLPSO，there－sultsindicatethatMSI-APSOhasbettergloballyoptimalcapabilityandconvergenceperformanc

6、e.Keywords：reactivepoweroptimization；intelligentoptimizationalgorithm；particleswarmoptimizationalgorithm；activenetworkloss无功优化问题是典型非线性规划问题，具有针对PSO算法易于陷入局部最优的缺点，很多目标、多约束、连续变量和离散变量同时存在的多文献提出了改进的PSO算法。文献[8]考虑其他[1，2]特点，传统的算法如线性规划法、非线性规划粒子的历史最优信息使得搜索方向多样化。文献[3~5]法、内点发、牛顿法等在求

7、解无功优化的离散变[9]提出一种动态调整种群规模的方法以更好地适[6]量规整和多峰多极值问题时具有一定的局限性。应进化，该算法可以较好地避免PSO算法过快收近年来，遗传算法、蚁群算法、粒子群优化PSO敛于局部最优解。文献[10]提出的随机聚焦粒子群（particleswarmoptimization）算法等智能优化算法优化SFPSO（stochasticfocusingparticleswarmopti－在无功优化中得到了成功运用。其中，PSO算法由mization）算法使粒子并不同时向种群中的全局极于具有简单易行、收敛速度快、优化效

8、率高、鲁棒值和个体极值趋进，而是在全局极值的一个邻域性好等优势，在处理非线性问题中取得了很好的中进行搜索，以避免粒子陷入局部最优。文献[11][7][8]效果，但其不足在于易于陷入局部最优解。提出的自适应聚焦粒子群优化A