改進粒子群算法在電力系統(tǒng)無功優(yōu)化中的應(yīng)用.pdf

1、在現(xiàn)代電力系統(tǒng)中，電能質(zhì)量的好壞是確保整個系統(tǒng)安全穩(wěn)定運行的關(guān)鍵，而電壓質(zhì)量則是衡量電能質(zhì)量的一個重要指標(biāo)。無功功率是影響電壓質(zhì)量的重要因素，因此需要對系統(tǒng)進行合理的無功規(guī)劃。合理的無功優(yōu)化，不僅能夠有效的改善整個電網(wǎng)的無功分布，而且還能降低系統(tǒng)的有功損耗。
　　 電力系統(tǒng)無功優(yōu)化問題是一個非常復(fù)雜的非線性規(guī)劃問題，它包含有多個變量和多種約束，而且變量中連續(xù)變量和離散變量共存，需要選取合適的解決方法。而約束中的等式約束即潮流方程

2、是一個非凸的高階方程組，同樣包含有多個變量和約束，如果采用一般的數(shù)學(xué)方法求解起來相當(dāng)困難，這就需要選取合理的計算方法進行求解。在進行無功優(yōu)化時，同樣需要選擇適當(dāng)?shù)膬?yōu)化算法，綜合分析各種傳統(tǒng)優(yōu)化算法和人工智能算法的特點后，選取合適的算法作為優(yōu)化方法。
　　 基于無功優(yōu)化的特點，本文選用粒子群算法作為優(yōu)化的方法，利用P-Q分解法進行潮流計算，選取了以有功網(wǎng)損最小為目標(biāo)函數(shù)并結(jié)合罰函數(shù)的模型。詳細(xì)介紹了粒子群算法的基本原理和實現(xiàn)流程，

3、陳述了粒子群算法的各種改進措施，本文針對粒子群算法早熟、容易陷入局部最優(yōu)等缺點進行了相應(yīng)的改進，采用了分組變化的慣性權(quán)重，即將種群分為大小兩組，大組采用典型的線性遞減策略，小組采用基于反正切函數(shù)的非線性遞減策略;加速因子選用了線性策略即c1線性遞減，c2線性遞增;同時結(jié)合遺傳算法中的選擇操作，通過這些改進措施，有效的提高了算法的性能，使算法能及時跳出局部最優(yōu)，迅速搜索到全局最優(yōu)值的區(qū)域附近，收斂到全局最優(yōu)值，為了彌補選擇操作帶來的種群多

4、樣性喪失的缺陷，本文加入了擾動因子，將各粒子的適應(yīng)度函數(shù)值進行排序，對適應(yīng)度函數(shù)值較好的大部分粒子添加很小的擾動因子，對適應(yīng)度函數(shù)值較差的小部分粒子采取重新初始化操作，有效的解決了多樣性喪失的問題。
　　 將改進后的粒子群算法(MPSO)應(yīng)用在無功優(yōu)化中，著重介紹了應(yīng)用時需要解決的幾個問題，離散變量的處理，適應(yīng)度函數(shù)的確定，算法終止條件的判定，潮流計算方法的選取，對于離散變量，本文采用整數(shù)實數(shù)混合編碼策略，這一策略具有無誤差、求

5、解精度高的優(yōu)點。隨后本文給出了基于改進粒子群算法的無功優(yōu)化計算步驟和流程圖。為了驗證算法的有效性和適用性，本文最后將改進粒子群算法分別應(yīng)用在IEEE-14和IEEE-30節(jié)點標(biāo)準(zhǔn)測試系統(tǒng)上，采用MATLAB語言進行編程仿真，并與標(biāo)準(zhǔn)粒子群算法(SPSO)進行了對比，通過分析比較仿真結(jié)果，驗證了它的有效性，采用改進粒子群算法能夠有效地降低了系統(tǒng)的有功網(wǎng)損，提高了系統(tǒng)的電壓質(zhì)量，相比于標(biāo)準(zhǔn)粒子群算法，改進粒子群算法具有更好的全局收斂性能和更