基于改进粒子群算法的电力系统无功优化研究.pdf

《基于改进粒子群算法的电力系统无功优化研究.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、研究与开发基于改进粒子群算法的电力系统无功优化研究韩富春刘利红岳永新2(1．太原理工大学电气与动力工程学院太原030024；2．山西省电力公司超(特)高压分公司，太原030001)摘要粒子群(PSO)优化算法具有并行处理的优点但易于陷入早熟收敛，针对这一问题，本文提出了一种改进粒子群无功优化算法，该算法使用了自适应动态惯性权重，充分利用了遗传算法中交叉变异和种群移动均匀的特性，从而有效克服了PSO算法易于陷入局部最优和早熟收敛的缺陷，具有良好的寻优速度和计算精度，实例计算取得了良好的结果，从而验证了该算法的有效性和正确性。关键词：改进粒子群算法；电力系统；无功优化R

2、esearchofParticleImprovedSwarmAlgorithminPowerSystemReactivePowerOptimizationHanFuchunLiuLihong~o'ngxin(1．SchoolofElectricalandPowerEngineeringTaiyuanUniversityofTechnology,Taiyuan030024；2．Super(ultra)HighVoltageBranchofShanxi，Taiyuan030001)AbstractThoughhavingparallelprocessingability

3、，thetraditionalPSOalgorithmiseasytotrapinlocaloptimum，consideringthisproblem，problem，aimprovedoptimizationalgorithmi8proposed，thealgorithmdrawlessonsfromthecrossoveranduniformmovementcharacteristicofgenetiealgorithm，animprovedparticleswarmoptimizationalgorithmisestablishedtosolvethere~

4、letivepoweroptimizationmodel，thealgorithmcanovercomethedisadvantageabouteasytotrapinlocaloptimumandhasgoodglobalastringency．Realexamplesshowthatthisalgorithmisasuccessfulandfeasibleapproachforreactivepoweroptimization．Keywords：improvedparticleswarmalgorithm：powersystemreactivepoweropti

5、mization对电力系统无功优化国内外己进行了大量研克服了PSO局部最优和早熟收敛的缺陷。采用该算究，提出了很多优化方法【1]，取得了不少好的成法对IEEE30节点系统和某地区电网进行了无功优果，但由于无功优化具有多目标，非线性，多约束化计算，结果表明：该算法具有较高的寻优速度和等诸多特点，因此，现有方法还不能圆满解决这些计算精度，从而验证了该算法的有效性，问题。粒子群优化(PSO)算法具有并行处理的特l无功优化的数学模型点，易于实现，但同时也存在计算速度慢，容易陷入局部最优，早熟收敛等缺陷。针对此问题，文本本文以网损最小为目标函数，由式(1)表示提出了一种具有动

6、态惯性权重和随机杂交相结合的粒子群改进优化算法来求解电力系统无功优化问jImin_厂Plo(’(1)g(z)=0，z≤z≤z题。该算法具有动态适应性，其惯性权重随粒子的适应度的变化而动态改变。此外，该算法采用了遗式中，-厂为系统有功损耗最小的目标函数；g为系传算法中交叉变异和种群移动均匀特性，从而有效统潮流约束；Z=[X，Uc，U。】为系统变量，其中为6l电号技7lt2o11年第7期研究与歼发系统状态变量(负荷节点电压幅值和发电机注入无式中，P是0到1之问的随机数。予代的速度由式功功率)；Uc为连续控制变量(发电机节点电压)；(5)计算：为离散控制变量(无功补偿装置

7、的无功补偿容量幽f㈨=parent~(v)+parent2(v)Iv)f5和可调变压器分接头)；Zm，和Zm为系统变量的运parent1(V)+parent2f川’’行限制约束。3IPSO在电力系统无功优化中的应用2改进粒子群优化算法(IPSo)存1PSOr1lI，粒子在搜索窄问的位置对应丁_尢2．1标准PSO算法及惯性权重的选取功优化的控制变，每个粒子的搜索窄问(维数)PSO算法通过个体问的协作与竞争实现复杂空为控制变最个数，}1lJ间中最优解的搜索，执行PSO算法时，首先在D维X=[】⋯，l⋯Ⅳc，rl⋯]空间随机初始化Ⅳ个粒子的位置和速度，然后通过式中，。