PSO算法在電力系統(tǒng)無功優(yōu)化中的應(yīng)用.pdf

1、粒子群優(yōu)化算法是群體智能中一個新的分支。20 世紀(jì)90 年代中期，由Kennedy博士和Eberhart 博士首先提出了一種模擬自然界生物群體的智能行為的計算模型—— PSO 算法，并把它創(chuàng)造性地應(yīng)用于科研和工程中，成功的解決了一些實際問題。從此，它的實用價值逐漸被人們所認(rèn)識。 PSO 算法是一種隨機(jī)化搜索方法，主要特點是其群體搜索策略和群體中個體的信息交換，搜索不依賴于梯度信息，收斂速度快、魯棒性好、通用性強(qiáng)，無可微性，嵌入優(yōu)

2、化問題的過程簡單，不需對問題本身有深入的數(shù)學(xué)了解，尤其適于處理傳統(tǒng)搜索方法難以解決的復(fù)雜的非線性的問題，非常適合于計算機(jī)數(shù)值運算。 但是基本PSO 算法易于陷入局部最優(yōu)解。 針對上述缺點，本文將PSO 算法用于電力系統(tǒng)無功優(yōu)化規(guī)劃中，在總結(jié)前人經(jīng)驗的基礎(chǔ)上，并結(jié)合配電網(wǎng)的實際，對基本PSO 算法作了一些改進(jìn)，結(jié)果比較令人滿意。本文所作的主要工作有： 1.改變粒子群的隨機(jī)初始化方法，采用單純體法初始化。使初始粒子的

3、分布更均勻，提高初始粒子的質(zhì)量，有助于尋優(yōu)過程跳出局部最優(yōu)解，最后收斂到全局最優(yōu)解。 2.將變異的思想引入PSO 算法，當(dāng)群中粒子急劇聚集時，按一定變異率對其進(jìn)行變異操作，增加粒子多樣性，提高粒子的搜索能力，避免粒子群趨于一致，有利于跳出局部最優(yōu)解。 3.改變基本PSO 算法的部分參數(shù)的設(shè)置，包括：自適應(yīng)調(diào)整慣性權(quán)重W ，合理設(shè)置學(xué)習(xí)因子C1 和C2 。在進(jìn)化收斂判據(jù)上，采取了最大遺傳代數(shù)N 與優(yōu)化精度相結(jié)合方式，加快了

4、進(jìn)化收斂速度。通過算例，參數(shù)改變后，優(yōu)化結(jié)果精度更高。 4.對目標(biāo)函數(shù)中有功網(wǎng)損的加權(quán)系數(shù)及補(bǔ)償電容器組投資的加權(quán)系數(shù)采用了動態(tài)取值法，能夠較快地將含越限狀態(tài)量的解淘汰，在一定程度上加快了進(jìn)化收斂速度。 5.結(jié)合配電網(wǎng)的實際，建立合理的數(shù)學(xué)模型，即考慮網(wǎng)絡(luò)有功網(wǎng)損最小、無功補(bǔ)償設(shè)備的投資為最少的同時，運行電壓質(zhì)量滿足要求。 根據(jù)配電網(wǎng)的實際情況，編制了相應(yīng)的程序，對IEEE-6 和IEEE-30 節(jié)點系統(tǒng)的實際算