基于量子粒子群算法的电力系统无功优化.pdf

基于量子粒子群算法的电力系统无功优化.pdf

ID:52483651

大小:349.40 KB

页数:5页

时间:2020-03-28

基于量子粒子群算法的电力系统无功优化.pdf_第1页
基于量子粒子群算法的电力系统无功优化.pdf_第2页
基于量子粒子群算法的电力系统无功优化.pdf_第3页
基于量子粒子群算法的电力系统无功优化.pdf_第4页
基于量子粒子群算法的电力系统无功优化.pdf_第5页
资源描述:

《基于量子粒子群算法的电力系统无功优化.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、研究与开发基于量子粒子群算法的电力系统无功优化张斌刘幸2(1.陕西省地方电力(集团)有限公司延安分公司,陕西延安716000;2.华北电力大学,北京102206)摘要本文提出了一种量子粒子群算法解决电力系统无功优化问题。量子粒子群算法采用实数编码,融合了量子进化算法的概率性并进行计算和粒子群算法的更新策略,在全局寻优能力和保持种群多样性方面表现出了较大优势,而且寻优速度快另外,为了避免大量不可行初始解,本文采用倾斜分布式启发方法得到初始种群。IEEE.30系统证明了量子粒子群算法的高效性和鲁棒性。关键词;无功优化;量子粒子群算法;概率性;倾斜分布式启发Reactiv

2、ePowerOptimizationinPowerSystemBasdedonQuantumParticleSwarmOptimizationAlgorithm(QPSO)ZhangBinLiuXing(1.ShaanxiProvincialLocalPower(Group)Co,Ltd.,YananBranch,Yanan,Shaanxi716000;2.NorthChinaElectricPowerUniversity,Beijing102206)AbstractAnewevolutionaryalgorithmcalledQuantumParticleSwar

3、mOptimizationAlgorithm(QPSO)isproposedinthispapertosolvereactivepoweroptimizationinpowersystem.QPSOisbasedonreal—numbercoding,whichcombinesbothprobabilisticparallelcomputingofQuantumEvolutionaryAlgorithm(QEA)andupdatepolicyofParticleSwarmOptimization(PSO).QPSOhavegreatersuperiorityingl

4、obalsearchabilityandproperpopulationmultiplicity,aswellasspeedyconvergence.Inaddition,aninclininginitializationisadoptedinordertoavoidagreatquantityofinfeasiblesolutions.IEEE-30systemprovesefficiencyandrobustnessofQPSO.Keywords:reactivepoweroptimization:QuantumParticleSwarmOptimization

5、Algorithm(QPSO):probabilistic;inclininginitialization电力系统无功优化主要是指在不同的条件下,的情况发生。与此同时,科技的不断发展和进步,充分使用各种控制手段,来有效达到降低系统功耗,各种先进算法已经成功应用到电力系统的无功优化提升电压水平的方法。在数学上,必须使用多目标、.问题上来。通过多年的实践,已经取得了不错的效多约束、非线性、非连续、混合整数组合,才能达果如粒子群算法、量子算法等。到优化的目的。因为,在计算过程中,需运用到多粒子群优化算法(PSO)⋯是在1995年由个连续变量,也需要运用到多个离散变量,使得

6、优Eberhard和Kennedy等人首先提出,它是一种基于化过程十分复杂。种群搜索的自适应进化计算技术,由于其概念和参一般而言,常用的优化方法有如下几种l线性数调整简单并容易编程实现,得到了广泛应用,但规划、非线性规划、二次规划、混合整数法等,每是PSO算法的早熟收敛问题一直无法破解,因此其种方法都有其各自的特点和优越性,但缺点也是非应用性受到了一定的限制。常明显的,它们只能对与初始点有关的局部最优解量子计算[2-3]在20世纪90年代中期得到广泛应进行搜索,同时,对目标函数和约束条件有连续、用,它的最大的优点在于其具有强大计算能力,不可微的要求,耗费时间长,并且

7、时常有“维数灾”少研究者将经典算法和量子算法结合起来进行研2o12年第2期喀藏燕l15研究与开发究,实现了性能上的突破,如Han提出的量子遗传线路容量约束算法,Sun提出的基于量子行为的粒子群优化算法lSl≤ll;,∈Ⅳ(8)等。叠加态特性和概率表达特性是量子进化算法的其中,Pl为系统有功损耗;P,Q分别表示节点i两大特点,叠加态特性最大的特点在于让单个粒子的注入有功功率和无功功率;G,分别表示节点呈现出多种不同的状态,具有种群多样性;概率表i和节点之间的电导和电纳;表示节点i接入的达特性帮助粒子以一定概率跳出局部最优解。但是,无功发电机;Q。表示节点i出补偿电

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。