改进型粒子群算法在有源电力滤波器优化配置中的应用.pdf

《改进型粒子群算法在有源电力滤波器优化配置中的应用.pdf》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、·6·煤矿机电2016年第2期李玉，刘建功．改进型粒子群算法在有源电力滤波器优化配置中的应用[J]．煤矿机电，2016(2)：6．8．doi：1016545“．cnki．cmet．2016．02．002改进型粒子群算法在有源电力滤波器优化配置中的应用李玉，刘建功(中国矿业大学(北京)机电与信息工程学院．北京100083)摘要：针对电网中谐波源多种多样、情况复杂的问题，以最小化投资成本为目标函数，以电压总谐波畸变率和各节点电压谐波畸变率为约束条件，应用改进型的粒子群算法，建立多个有源滤波器优化配置问题的数学模型。通过应用Matlab仿真软件，以IEEEl8节点系统进行了仿真，结果表明所述算法

2、可以较快地收敛到全局最优解，能很好地解决电网中多个有源滤波器的优化配置问题。关键词：谐波源；有源滤波器；粒子群优化算法(Ps0)中图分类号：TN713+．8文献标识码：B文章编号：1001—0874(2016)02—0006—03App¨catiOnOfMOdifiedPSOinOptimaICOnf_guraliOnfOrActiVePOwerFI

3、terL￡y“，L‘uI，EⅡ，酱。增(SchoolofMechanicalElectronic＆InfomationEngineerjng，Chinauniversi【yofMiningandTechnology(Beijing)，Beij

4、ing100083，China)AbStraCt：TosolvethecomplexproblemofpowergridhamonicsourceVariety，theparticleswarmoptimizationwasusedtooptimizethecon69urafionofactivepower6lter．ThemodelofsingleandmultiactiVepowerfilterwereestablishedwithmakingtheminimumcostofinvestmentastheobjectfunction，takingeachnodeVoltagetotal

5、harmonicdistortionrateandthevoltagetotalharmonicdisfonionrateasconstraintconditions，andusingMatlabsimulationsoftwaretoIEEEl8nodesystemsimulation．Theresultsshowtha【thealgorithmcanconvergetheglobaloptimalsolutionquickly，whichsolvetheoptimizationconfigurationofactiVepowerfilterefkctiVely．Keywords：ham

6、onicsource；activepower61ter；particleswamoptimization(PS0)O引言随着电力电子工业的不断发展，各种新型电力电子装置等非线性负载大量应用于电网中，向电网注入大量谐波，带来了功率因数下降、电压波形畸变等电能质量问题，对电力系统的安全运行造成了极大影响。有源电力滤波器(APF)可有效抑制电网中谐波电流，也可提供容性无功功率，能对频率和幅值都变化的谐波进行跟踪补偿，补偿方式灵活，补偿效果好，在当前电网谐波治理中的应用越来越广泛。APF在电网中的安装位置对于其优化效果有着较大影响。若安装在合适位置，就能以较小的注入电流取得较好的谐波治理效果。当前

7、，人们对APF的研究多集中于拓扑结构、谐波检测算法等方面，对于APF安装位置优化方面的研究涉及较少。目前，APF主要就近安装在靠近谐波源的母线位置，尽管降低了所在母线的谐波畸变率，但对于全网的电能质量的改善效果却不尽人意。同时由于APF成本较高，在实际应用中要使治理效果达到标准的同时，应进行安装位置的最优配置，以最小化滤波装置的2016年第2期煤矿机电·7·总体投资成本：粒子群算法(PS0)最初来自于对鸟群捕食这一集体行为的研究，1995年由Eberhart博士和Kenne-dy博十提出，属于群体智能算法的一种。本文利用一种改进型粒子群算法。1，以最小化投资成本为目标函数，以电压总谐波畸变

8、率和各节点电压谐波畸变率为约束条件，研究多个APF优化配置问题，并用Maclab进行仿真，获得电网中多个APF优化配置的全局最优解：：训(矗)=训。，．×(加。。一叫。d)×二。}(3)』max式中，川。．为初始惯性权重；叫。。。．为迭代至最大次数的惯性权重；L。，为最大迭代次数。一般取值：埘。。=0．9，训刊=0．4。随着迭代次数增加，惯性权重线性递减，运算初期Ⅲ变化较慢，较大的训值保证了算法较强的全局搜索能力，在算法