电力系统环保经济负荷分配的模糊自修正粒子群算法.pdf

《电力系统环保经济负荷分配的模糊自修正粒子群算法.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、第42卷第8期电力系统保护与控制Vl01．42NO．82014年4月16日PowerSystemProtectionandControlApr．16，2014电力系统环保经济负荷分配的模糊自修正粒子群算法李绍金，周任军，周胜瑜，康信文，刘乐平，王蛟(智能电网运行与控制湖南省重点实验室(长沙理工大学)，湖南长沙410114)摘要：针对标准粒子群算法易陷入局部最优、收敛过早的缺陷，提出了一种模糊自修正粒子群算法。通过利用模糊推理机制建立了粒子适应度值隶属度函数，在每次寻优过程中，使得各粒子根据自身当前适应度隶属度函数值来修正惯性权重的取值，而不是把惯性权重作为全局变量，对同一代粒子使用相同的惯

2、性权重；这充分考虑了各粒子自身的性能，可以进一步改善早熟的缺陷，增强全局搜索能力，从而可以获取更好的目标值。将该算法用于求解电力系统经济负荷分配问题，兼顾考虑了燃料成本和环境成本；在求解此问题时，为了更精确地处理功率平衡约束，根据寻优过程中等式约束偏差量的大小不断调整罚系数取值，并以此建立相应的罚函数。算例结果表明，模糊自修正粒子群算法对比标准粒子群算法有较强的全局搜索能力，有更可靠的优化计算结果，进而体现了该方法的有效性和优越性。关键词：粒子群算法；模糊推理机制；模糊自修正；环保经济负荷分配；适应度值隶属度函数Fuzzyself-correctionparticleswarmoptimi

3、zationofenvironmentaleconomicloaddistributioninpowersystemLIShao~in，ZHOURen~un，ZHOUSheng-yu，KANGXin—wen，LIULe—ping，WANGJiao(SmartGridsOperationandControlKeyLaboratoryofHunanProvince(ChangshaUniversityofScienceandTechnology)，Changsha410114，China)Abstract：Accordingtotheshortagethatparticleswarrl3opt

4、imization(PSO)algorithmeasilyfallsintolocaloptimumandprematureconvergence，afuzzyself-correctionparticleswarmoptimizationalgorithmisproposed．Byusingthefuzzyreasoningmechanism，aparticlefitnessmembershipfunctioniSestablished，whichmakestheparticlesbaseontheircurrentfitnessmembershipfunctionvaluestomod

5、ifythevalueofinertiaweightintheprocessofoptimization，insteadofseeingtheinertiaweightasaglobalvariable，thenagenerationofparticlesusethesameinertiaweight．Thisoptimizationfullyconsidersthefeaturesoftheparticleitself,whichcanfurtherimprovethedefectofprematurity，enhancetheglobalsearchabilityandgetabett

6、ertargetvalue．Thealgorithmisusedtosolvetheeconomicloaddistributionproblemsinpowersystem，bothconsideringfuelcostandenvironmentalcost．Insolvingthisproblem．toexactlydealwithpowerbalanceconstraints，itusesthesizeofthedeviationvalueofequalityconstraintintheoptimizationprocesstoconstantlyadjustthevalueof

7、penaltycoeficients，andthenestablishescorespondingpenaltyfunction．Numericalexampleresultsshowthattheproposedalgorithmhass~ongglobalsearchabilityandmorereliableoptimizationcalculationresultscomparedtothestandardpar