基于随机微粒群算法的电力系统无功优化

《基于随机微粒群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l2期电力系统保护与控制Vb1．36No．122008年6月l6日PowerSystemProtectionandControlJunel6，2008基于随机微粒群算法的电力系统无功优化张登科，黄挚雄(1．湖南省送变电建设公司调试所，湖南长沙410007；2．中南大学信息科学与工程学院，湖南长沙410083)摘要：介绍保证以概率l全局收敛的随机微粒群算法，针对随机微粒群算法难以在有限进化代数搜索到全局最优解的问题，介绍一种改进的随机微粒群算法，这种算法对随机微粒群算

2、法停止进化的微粒采用模拟退火方法生成，使得搜索更为有效。提出将两种算法分别应用于电力系统无功优化，通过对IEEEI4节点系统的仿真计算，并与遗传算法、标准微粒群算法相比较，结果表明这两种算法取得了更好的优化效果，改进的随机微粒群算法更具有实用意义。关键词：电力系统；无功优化；随机微粒群算法；模拟退火ReactivepoweroptimizationbasedonstochasticparticleswarmoptimizationZHANGDeng-ke一．HUANGZhi-xiong(1．HunanElectricPow

3、erTransmissionandSubstationConstructionCompany，Changsha410007，China；2．SchoolofInformationScienceandEngineering，CentralSouthUniversity，Changsha410083，China)Abstract：InthispaperyStochasticParticleSwarmOptimization(SPSO)algorithmisintroduced，whichCanguaranteetheconve

4、rgenceoftheglobaloptimizationsolutionwithprobabilityone．InrespectoftheproblemthatSPSOCannotretrievetheglobaloptimizationsolutioninlimitediterationtimes，animprovedSPSO(SASPSO)ispointedout，whichmakesthestaticparticlesintheSPSOregeneratebySimulatedAnnealing(SA)andwhi

5、chdevo~storenewthesearch．ThroughtheapplicationofSPSOandSASPSOtOreactivepoweroptimizationinpowersystem，andthecomparisonofthesimulationsofSPSO，SASPSO，GeneticAlgorithm(GA)andStandardParticleSwarmOptimization(BPSO)inIEEE14一bussystem，itisprovedthatSASPSOismuchmorepract

6、ica1．Keywords：powersystem；reactivepoweroptimization；stochasticparticleswarmoptimization；simulatedannealing中图分类号：TM714．3；TP301．6文献标识码：A文章编号：1674．3415(2008)12-0035-04果。0引言但是标准微粒群(BPSO)算法在收敛的情况下，电力系统无功优化是提高电压质量、降低系统由于所有的微粒都向最优解的方向“飞行”，所有运行网损、保证系统安全经济运行的有效手段。从的微粒趋向同一，

7、失去了微粒间解的多样性，使得本质上讲，无功优化问题是具有大量局部极小值的后期的收敛速度明显变慢，同时算法收敛到一定精多变量、多约束、非线性复杂优化问题，从而优化度时，算法无法继续优化，算法所能达到的精度较过程十分复杂，计算规模大，因此在实时环境中动低I7】。在收敛性方面，随机微粒群(SPSO)算法与态地进行大规模电网优化控制异常困难。微粒群BPSO算法具有几乎完全相同的性质，即在参数的(PSO)算法是一种基于群体智能的启发式算法。它具一定范围内均能保证微粒收敛于种群历史最优位有简单易行、收敛速度快、优化效率高、对种群大置；

8、但是对于收敛的全局最优性，BPSO算法无法小不十分敏感、鲁棒性好等特点，能方便地被用于保证，而SPSO算法当进化代数too时能保证以求解带离散变量的非线性、不连续、多约束、多变概率1收敛于全局最优位置I引。但是在实际应用中，量的复杂优化问题中I卜引。在电力系统研究中，PSO改善SPSO停止进化微粒的产生