基于改进AFSA算法的电力系统无功优化

《基于改进AFSA算法的电力系统无功优化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第36卷第8期继电器Vl01．36No．82008年4月16日RELAYApril16，2008基于改进AFSA算法的电力系统无功优化刘耀年，范为，韩立国(东北电力大学，吉林吉林132012)摘要：将人工鱼群算法(AFSA)应用到电力系统无功优化问题的研究中，建立了相应的优化模型。为提高AFSA的搜索能力，对AFSA进行了改进，在算法中加入了生存机制、竞争机制。对IEEE6、14节点系统的仿真计算结果表明了算法的有效性。关键词：无功优化；人工鱼群优化算法；电力系统Researchonthereactivepoweroptimizationba

2、sedonAFSAalgorithmLIUYao—nian，FANWei，HANLi—guo(NortheastDianliUniversity，Jilin132012，China)Abstract：Anartificialfish—swarmalgorithm(AFSA)forreactivepoweroptimizationofpowersystemandamodelbasedonAFSAalepresentedinthispaper．Thesurvivalmechanismandthecompetitivemechanismareincludedinthealgorithminord

3、ertoi~~hanCethesearchcapabilityofAFSAalgorithm．SimulationresultsonIEEE6andIEEE14systemsdemonstratetheeficiencyofthealgorithm．Keywords：reactivepoweroptimization；AFSAalgorithm；powersystem中图分类号：TM71文献标识码：A文章编号：1003．4897(2008)08—0026—05的克服局部极值、取得全局极值的能力。0引言本文针对实际系统常见的变量维数高、约束方无功优化是电力系统运行与控制中的一个传统程多等特点

4、，尝试将改进的人工鱼群算法用于电力课题，是保证系统安全、经济、稳定运行的有效手系统无功优化，建立了基于该算法的无功优化模型，段，也是降低系统网损、提高电压质量的重要措施。仿真结果表明本文的模型和算法是可行的、并具有无功优化问题可分为两类：一类是常规解析式优化很好的适用性。方法；另一类是智能启发式优化算法u】。传统的常1无功优化数学模型规解析式方法通常需要使用梯度矢量信息，由于电力系统无功优化中存在较多离散变量，使得在求解无功优化的目的是通过调整无功潮流的分布降一些问题时不得不做一些近似处理，而且传统算法低有功网损，并保持最好的电压水平9因此，通常采用的目标是有功网损最小。无功潮流分布的变动

5、都是基于单点的搜索方法，很容易由于初始点的选可以通过改变无功源的注入无功、调整节点电压幅取不当而陷入局部极值区。智能启发式优化算法由值以及变压器的分接头来实现，但是这些量之间的于可以处理离散、非凸的非线性问题9较常规算法变化应满足潮流方程，它们并不是都能独立调整的。更能找到全局最优解，在处理无功优化问题时具有因此，在进行无功优化时，应将控制变量及状态变较好的效果。量区分开。控制变量的选取方式有多种，本文的无人工鱼群算法【．3】是一种基于模拟鱼群行为的功优化模型选择发电机节点电压幅值、无功补偿源随机搜索优化算法，从构造单条鱼的底层行为做起，节点的注入无功及变压器的可调分接头作为控制变利用了鱼

6、的觅食、聚群和追尾行为，通过鱼群中各量，在电网有功潮流分布已经确定的情况下9以系个体的局部寻优达到全局最优值在群体中突显出来统网损最小为目标，其数学模型为式(1)：的目的。文献[2，3]的计算实例表明该算法具有良好维普资讯http://www.cqvip.com刘耀年，等基于改进AFSA算法的电力系统无功优化一27-感知范围内随机选择一个状态x，如果在求极大问minf(Xl，x2)题中，Yf，因极大s．t，g(Xl，x2)=0XlminXlXlmaxL和极小问题可以互相转换，所以以下均以求极大问题讨论)，则向该方向前进一步；反之，再重新随机x2minx2≤x2ma

7、x选择状态X，判断是否满足前进条件；这样反复尝式中：ml，x2)为系统有功损耗；g(Xl，x2)为潮流方程；试try_number次后，如果仍不满足前进条件，则随机l为控制变量；X2为状态变量。且必须满足潮流方移动一步。程和变量约束。2)聚群行为设人工鱼当前状态为X，探索当潮流约束方程：前邻域内(di，表明伙伴中心有较多的食