基于微细菌群体趋药性算法的电压稳定裕度计算

《基于微细菌群体趋药性算法的电压稳定裕度计算》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第23卷第1期广东电力Vo1．23No．12010年1月GUANGD0NGELECnUCP0WERJan．2010基于微细菌群体趋药性算法的电压稳定裕度计算孙守鑫，张超(东北电力大学，吉林吉林132012)摘要：针对电压稳定裕度计算问题．提出了一种基于菌群趋药性(bacterialcolonychemotaxis，BCC)算法的新的优化算法～微细菌群体趋药性(microbacterialcolonychemotaxis，MBCC)算法。MBCC算法利用2个菌群(寻优菌群和库存菌群)来寻优．寻优菌群使用BCC算法来寻找最优解，库存茵群保证了寻优茵群的多样性。MBcc算

2、法加快了算法收敛速度，提高了全局搜索能力，而且在寻优过程中减少了系统资源的浪费。将该算法用于电压稳定裕度的计算，与连续潮流法计算结果的比较表明，该算法切实可行并具有较高的精度。关键词：电压稳定裕度；细菌群体趋药性；微菌群中图分类号：TP18文献标志码：A文章编号：1007—290X(2010)01．0033。04ComputationofVoltageStabilityMarginBasedonMicroBacterialColonyChemotaxisAlgorithmSUNShou-xin，ZHANGChao(NortheastChinaElectricPowe

3、rUniv．．Jilin，Jilin132012，China)Abstract：Aimingatthecomputationofvoltagestabilitymargin，anewoptimizationalgorithm，microbacterialcolonychemotaxis(MBCC)algorithmisproposedbasedonbacterialcolonychemotaxis(BCC)algorithm．MBCCalgorithmutilizestwobacterialcolonies(optimumsearchingbacterialcolo

4、nyandstockingbacterialcolony)tosearchforoptimum；theformerusesBCCalgorithmtosearchfortheoptimum，whilethelatterensuresthediversityoftheformer．MBCCalgorithmacceleratesconvergency·improvesglobalsearchingability，andsavessystematicresourcesduringoptimumsearching．Thealgorithmisappliedtothecal

5、culationofvoltagestabilitymarginandcomparedwithcontinuationpowerflow(CPF)method．whichshowsthatthealgorithmisfeasibleandaccurate．Keywords：voltagestabilitymargin；bacterialcolonychemotaxis(BCC)；microbacterialcolony电压稳定性是电力系统稳定的重要组成部分，文献[1—3]提出了细菌趋药性(bacterialchemo．电压稳定裕度指标因能较好地反映电压稳定性水平ta

6、xis，BC)算法，进而又提出细菌群体趋药陛(bacte—而受到电力行业的广泛重视。电压稳定裕度指标计rialcolonychemotaxis，BCC)算法，以及在BCC算的关键是确定电压崩溃临界点，当前求解临界点算法基础上改进产生的微细菌群体趋药性(micro的方法主要有连续潮流法(continuationpowerbacterialcolonychemotaxis．MBCC)算法。flow，CPF)、零特征根法及非线性规划法。因求本文在此基础上，将MBCC算法应用于电压解计算量比较大，潮流雅可比矩阵在临界点的奇异稳定裕度的计算，建立了基于该算法的电力系统电及在临

7、界点附近的病态也给用常规潮流方法计算临压稳定裕度优化模型，算例分析表明了该算法的有界点带来极大困难。效性。现代智能优化算法在有关电压稳定优化问题中的应用为电压崩溃临界点的计算开辟了新的思路。1MBCC算法1．1BOO算法简介收稿日期：2009．1O-26在BC算法基础上加以改进提出BCC算法，广东电力第23卷同时使用单个细菌在引诱剂环境下的应激反应动作优菌群中各细菌分布在不同的位置。和细菌群体问的位置交换来进行函数优化。在保留第二步，寻优菌群寻优，具体步骤包括：单个细菌较强搜索能力的基础上，采用菌群来进行a)确定初始收敛精度e。、终止收敛精度￡，函数优化的思想，