基于改进PSO算法的电力系统无功优化.pdf

《基于改进PSO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、第26卷第2期电力系统及其自动化学报Vo1．26NO．22014年2月ProceedingsoftheCSU—EPSAFeb．2014基于改进PSO算法的电力系统无功优化陈前宇，陈维荣，戴朝华，张雪霞(西南交通大学电气工程学院，成都610031)摘要：提出了一种多策略融合自适应粒子群优化(MSI—APSO)算法求解电力系统无功优化问题的新方法。该方法采用分阶段调整加速因子，结合适应值自适应调整惯性权重，然后基于群体信息改善部分性能差的粒子，迭代后性能改善的粒子，采取速度保持策略，从而提高了PSO全局寻优性能。针对IEEE30节点系统进行无功优化计算，并

2、与带惯性权重的粒子群(PSO—W)算法、带压缩因子的粒子群(PSO—c，)算法、全面学习粒子群(CLPSO)算法进行了比较，表明MSI—APSO具有更好的全局寻优能力和收敛性能。关键词：无功优化；智能优化算法；粒子群优化算法；有功网损中图分类号：TM761文献标志码：A文章编号：1003—8930(2014)02—0008—06ReactivePowerOptimizationBasedonModifiedParticleSwarmOptimizationAlgorithmforPowerSystemCHENQian-yu，CHENWei—tong，D

3、AIChao-hua，ZHANGXue-xia(SchoolofElectricalEngineering，SouthwestJiaotongUniversity，Chengdu610031，China)Abstract：Applyingadaptiveparticleswarmoptimizationwithmulti-strategyintegration(MSI-APSO)algoritm，anewapproachofsolvingreactivepoweroptimizationisproposed．Themethodadjuststheacc

4、elerationfactorwithstagevary—ing，adaptivelyadjustsinertiaweightaccordingtothefitness，thenemploysgroupinformationtoimprovethepanicleswiththeworseperformances．Fortheparticleswhichareimprovedafteriteration，thespeedremainingstrategyisem—ployed．Inthiscase，theglobaloptimazationperform

5、anceofPSOisconsequentlyimproved．TheproposedalgorithmisappliedtothereactivepoweroptimizationofIEEE30一bussystem，andcomparedwithPSO—W，PSO—e厂'CLPSO，there—sultsindicatethatMSI—APSOhasbettergloballyoptimalcapabilityandconvergenceperformance．Keywords：reactivepoweroptimization；inteUigen

6、toptimizationalgorithm；particleswarmoptimizationalgorithm；ativentwIlrk10ss无功优化问题是典型非线性规划问题，具有针对PSO算法易于陷入局部最优的缺点，很多目标、多约束、连续变量和离散变量同时存在的多文献提出了改进的PSO算法。文献【8]考虑其他特点ll'2l，传统的算法如线性规划法、非线性规划粒子的历史最优信息使得搜索方向多样化。文献法、内点发、牛顿法I3等在求解无功优化的离散变【9】提出一种动态调整种群规模的方法以更好地适量规整和多峰多极值问题时具有一定的局限性l6l。应进化，

7、该算法可以较好地避免PSO算法过快收近年来，遗传算法、蚁群算法、粒子群优化PSO敛于局部最优解。文献[1o1提出的随机聚焦粒子群(particleswarmoptimization)算法等智能优化算法优化SFPSO(stochasticfocusingparticleswarmopti—在无功优化中得到了成功运用。其中，PSO算法由mization)算法使粒子并不同时向种群中的全局极于具有简单易行、收敛速度快、优化效率高、鲁棒值和个体极值趋进，而是在全局极值的一个邻域性好等优势，在处理非线性问题中取得了很好的中进行搜索，以避免粒子陷入局部最优。文献[1

8、1】效果l7l，但其不足在于易于陷入局部最优解阎。提出的自适应聚焦粒子群优化AFPSO(ada