PSO算法在電力系統(tǒng)無(wú)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(gè)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(jì)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(shí)際問(wèn)題。從此，它的實(shí)用價(jià)值逐漸被人們所認(rèn)識(shí)。 PSO 算法是一種隨機(jī)化搜索方法，主要特點(diǎn)是其群體搜索策略和群體中個(gè)體的信息交換，搜索不依賴(lài)于梯度信息，收斂速度快、魯棒性好、通用性強(qiáng)，無(wú)可微性，嵌入優(yōu)

2、化問(wèn)題的過(guò)程簡(jiǎn)單，不需對(duì)問(wèn)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(xiàn)性的問(wèn)題，非常適合于計(jì)算機(jī)數(shù)值運(yùn)算。 但是基本PSO 算法易于陷入局部最優(yōu)解。 針對(duì)上述缺點(diǎn)，本文將PSO 算法用于電力系統(tǒng)無(wú)功優(yōu)化規(guī)劃中，在總結(jié)前人經(jīng)驗(yàn)的基礎(chǔ)上，并結(jié)合配電網(wǎng)的實(shí)際，對(duì)基本PSO 算法作了一些改進(jìn)，結(jié)果比較令人滿(mǎn)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(guò)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(shí)，按一定變異率對(duì)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(guò)算例，參數(shù)改變后，優(yōu)化結(jié)果精度更高。 4.對(duì)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(dòng)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(shí)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(wú)功補(bǔ)償設(shè)備的投資為最少的同時(shí)，運(yùn)行電壓質(zhì)量滿(mǎn)足要求。 根據(jù)配電網(wǎng)的實(shí)際情況，編制了相應(yīng)的程序，對(duì)IEEE-6 和IEEE-30 節(jié)點(diǎn)系統(tǒng)的實(shí)際算