基于粒子群优化技术PSO确定TCSC最佳安装位置.pdf

《基于粒子群优化技术PSO确定TCSC最佳安装位置.pdf》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23卷第1期电力科学与工程VO1．23．No．1Mar—007192007年3月ElectricPowerScienceandEngineering基于粒子群优化技术PSO确定TCSC最佳安装位置戴文进，吴敏(南昌大学电气与自动化工程系，江西南昌330031)摘要：提出一种采用粒子群优化技术，以系统载荷能力最大化及安装费用最小化为目标，确定TCSC最佳安装位置的方法。该方法的数学模型以线路潮流和节点电压限制作为约束条件，从而提高了结果的准确性和实用性

2、。最后在1EEE6节点系统中成功地应用该方法。结果表明，PSO算法求得的系统最大载荷能力较原状态提高了14％，并且与遗传算法GA相比，其具有较强的全局搜索能力和较高的收敛精度，是寻找TCSC最佳安装位置的有效方法。关键词：粒子群优化技术；TCSC,最佳安装位置中图分类号：TM712文献标识码：A中采用的遗传算法则存在群体早熟、收敛速度较0引言慢、有时收敛于局部最优解等缺点。而采用粒子群算法PSO确定TCSC最佳安装位置则可以很好的随着国民经济持续快速的发展，我国对电能的克服这些困难。该算法具有并行处

3、理、鲁棒性好等需求量在不断增大，电压稳定作为一个限制系统运特点，能以较大概率找到问题的全局最优解，且计行的重要因素，越来越受到电力部门的重视。一般算效率比传统随机方法高p。本文提出了一种基于认为，电压失稳的原因是负荷过重，超过了系统最粒子群优化(PSO)技术寻找TCSC最佳安装地大可承受的负荷，系统失去了工作平衡点。可控串点的方法，并在IEEE6节点系统中应用该方法，联补偿器(TCSC)，作为目前FACTS家族成员中证明了该方法的有效性。应用前景最为广泛的装置之一，它的投运能够大幅度提高系统的载荷能

4、力。近些年来，对TCSC的1粒子群优化算法介绍研究开展相当广泛，其中选取最佳的TCSC安装地点，以最大限度地提高系统载荷能力，增大稳定粒子群优化算法是一种基于群智能方法的演化裕度是一个重要而又实际的问题q】。计算技术，源于对鸟群捕食的行为研究。在PSO关于TCSC的选址问题，目前已经有许多研算法中，群体中的每个粒子通过迭代过程中自身的究成果。文献[1，2]是采用灵敏度法寻找TCSC最优值和群体的最优值，来不断地更新自己的前进的最优安装位置；文献[4，5】则是选择遗传算法方向和速度大小，从而形成群体寻

5、优的正反馈机制，来求解TCSC装置的最优位置及其参数；文献[6]最终搜索和寻找到问题的最优解。是采用模型可控指数法，以阻尼区域振荡为最大目在PSO算法中，用粒子的位置表示待优化问题标，确定TCSC的最优位置。上述文献中阐述的的解。每个粒子性能的优劣程度，取决于待优化问方法都存在一定的缺陷：文献[1，2,6]中的灵敏度题目标函数确定的适应值。每个粒子由一个速度矢法、非线性规划法一般要求目标函数连续可导，在量，来决定其飞行方向和速率大小。开始执行PSO实际应用中受限制，并且容易造成误差；文献[4，5]算

6、法时，首先，随机初始化m个粒子的位置和速度。收稿日期：2006—12-16．作者简介：戴文进(1948一)，男，南昌大学电气与自动化系教授维普资讯http://www.cqvip.com20电力科学与工程2007笠然后，通过迭代寻找最优解。在每一次迭代中，粒子式中助违反线路潮流约束和节点电压约束的因子。通过跟踪个体极值Pb，和全局极值Gb来更新自己a．若P删，则肿=1；如若P删>，则的速度和位置。在第k+1次迭代计算时，粒子f根FL~=exp21一鲁l1。据下列公式来更新自己的速度和位置式中凡M为线

7、路超负荷因子；为节点m，间的有“=Wx+C1xr×(Pb，一)+xr~x(Gb一X,O(1)功功率；为其最大值，2=0．1。b．如果0．91．1，则Rus=1；否则Rus=+”(2)expl1一1)。式中Cl和为学习因子，分别调节向全局最好粒子式中凡us为节点电压稳定性指数，=0．1。和个体最好粒子方向飞行的最大步长。通常，令(2)TCSC的阻抗值取值范围为：Cl==2；rl和r2为介于[0，1】之间的随机数；。j为第一0．8五csc0．2(6)f个粒子的最优值；G为整个粒子群的最优值；为式中五为装

8、设TCSC的线路初始电抗值；csc为惯性权重，一般的做法是将嘲始取0．9，并使其随迭TCSC的等效阻抗值。代次数的增加而线性递减至0．4。这样，便可先侧重2．1．3适应函数于全局搜索，使搜索空间快速收敛于某一区域。然综合考虑目标函数和约束条件，各节点电压约后，采用局部精细搜索以获得高精度的解。其计算束和线路潮流约束作为罚函数引入目标函数，则本公式为文模型的适应函数的表示式为一×6lfPFitnessfunction=C+F．XJIF一1JJ(7)式中a为的起始值；b为