基于改进双种群蚁群算法的无功优化研究.pdf

《基于改进双种群蚁群算法的无功优化研究.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3O卷第4期东北电力大学学报Vo1．30．No．42010年8月JournalOfNortheastDianliUniversityAug．，2010文章编号：1005—2992(2010)04—0048—05基于改进双种群蚁群算法的无功优化研究韩芳，周忠勋，孙毅2(1．东北电力大学电气工程学院，吉林吉林132012；2．齐齐哈尔电业局，黑龙江齐齐哈尔161000)摘要：针对电力系统无功优化多变量、多约束、非线性的特点，提出一种新的改进双种群蚁群算法。基本蚁群算法在众多优点之外也存在着搜索时间长，容易出现停滞等缺点。因此在基本蚁群算法的基础之上，引入双种群独立搜

2、索，进行信息交流，较大概率的打破了单一蚁群搜索的停滞状态，保证了算法中解的多样性，提高了全局收敛能力。并在蚁群算法的信息素更新策略和参数上做出进一步的改进应用于无功优化。通过对IEEE30节点算例进行仿真计算以及与现有算法进行比较，验证算法的有效性。关键词：电力系统；无功优化；蚁群算法；改进方法中图分类号：TM711文献标识码：A电力系统无功优化是保证电力系统安全、经济和稳定运行的最重要的手段之一。鉴于无功优化问题的目标函数、约束条件、控制变量和状态变量之多，使之在电力系统的分析计算中存在着许多难点，到目前为止还没有一个完全行之有效的方法解决所有问题，只能尽可能的

3、寻找收敛速度快、收敛精度高的优化方法来分析计算最优解。求解无功优化问题的最优方法大致可分为两大类，一类为：传统优化方法；另一类为：智能优化方法]。智能优化方法是目前人们研究无功优化的主流方向，在众多优化方法中发现蚁群算法在解决多变量、非线性、不连续、多约束的问题时具有其独特的优越性。蚁群算法通过释放的信息素的累积和更新而收敛于最优路径，具有较强的鲁棒性、并行分布式计算、正反馈、全局收敛能力等特性，但初期信息素匮乏、导致算法速度较慢。而遗传算法具有快速全局搜索能力，为了克服算法缺陷，形成优势互补。本文把改进的遗传蚁群算法应用于无功优化的研究。1蚁群算法的简介及其改进

4、方法1。1蚁群优化算法蚁群算法(Antcolonyalgorithm)是20世纪90年代才提出的一种新型的模拟蚁群行为的算法，是由意大利A．Colomi和M．Dorigo首先提出来的。蚁群算法通过模拟蚂蚁寻找食物并回到巢穴的方法来求解问题。每只蚂蚁在候选解的空间中独立地进行搜索解，并在前进途中留下一种信息素(pheromone)，通过留下的这种信息素与其它蚂蚁进行交流、合作，以找到较短路径。经过某一路径的蚂蚁越多，路径上释放的信息素的强度就越大。蚂蚁选择下一路径时就倾向于选择信息素强度大的方向。这样就会有更多的蚂蚁选择这条路，这条路径上的信息素的强度就会越来越大，

5、选择这条路径的蚂蚁也会越多，从而收敛于最优路径。现以经典的n个城市的旅行商问题来阐述蚁群算法的基本原理。一个旅行商从某个城市出发，访问收稿日期：2010—07—14作者简介：韩芳(1985一)，女，汉族，河北人，东北电力大学电气工程学院在读硕士研究生，研究方向为电力系统无功优化第4期韩芳等：基于改进双种群蚁群算法的无功优化研究49各城市一次且仅有一次，最后回到出发城市，要求找到一条最短的巡回路径。我们假设蚂蚁的数量为m；d(i，=1，2，⋯，n)，表示城市i与_『间的距离；表示边的能见度，反映由城市i转移到城市_，的启发程度，其值定为：1／d；

6、r表示边上的信息素

7、轨迹强度；AT表示蚂蚁k在边上留下的单位长度轨迹信息素量；p表示蚂蚁k在城市i选择城市的转移概率。各路径上初始信息素的量相等：=e(c为非零常数)。(1)路径选择策略蚂蚁k在运动的过程中根据各条路径上的信息素量决定转移方向，蚂蚁k在城市i选择城市_『的转移概率定义为：『!立三)_∈口zz。dl’l1J⋯⋯⋯，'P；(t)={【，(1)砒。e．式中，和口分别反映了蚂蚁在运动过程中所积累的信息和启发信息在蚂蚁选择路径中的相对重要性。禁忌表tabu(k=1，2，⋯，n)记录了蚂蚁k已经走过的城市，并且随着进行在不断动态调整；allowed={1，2，⋯，n}一tabu表

8、示蚂蚁下一路径可供选择的城市集。(2)信息素更新策略经过n个城市的遍历，蚂蚁完成一次循环，各路径上信息素量根据下式调整：丁(t+1)=(1一P)×下(t)+△下，(2)三．△．r=△．『，(3)△r《f，当第k只蚂蚁在时刻f和t+1之间经过时，，^‘}L0其他。式中，P为信息素挥发系数；(1一P)为信息素轨迹的残留因子；表示第k只蚂蚁在本次循环中所走路径的长度；Q是常数为信息素强度。1．2改进双种群蚁群算法基本的蚁群算法在寻优搜索过程中也存在着搜索时间长，容易出现停滞现象，而且当问题规模较大时还可能存在陷人局部最优解等缺陷。为了提高收敛速度和求解质量，通过对蚁群算

9、法的深人学