改进多智能体蚁群算法在电力系统无功优化中的应用.pdf

《改进多智能体蚁群算法在电力系统无功优化中的应用.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、２５０化工自动化及仪表第４１卷改进多智能体蚁群算法在电力系统无功优化中的应用姚建红张玲玉孙大兴（东北石油大学，黑龙江大庆１６３３１８）摘要提出利用一种改进的优化算法———多智能体蚁群算法来实现电力系统无功优化，其主要思想是将基于排序加权的蚁群算法加以改进，并与多智能体系统结合，构建多智能体蚁群算法，并应用到电力系统中。该算法提高了收敛速度和计算准确度，而且有效地避免了提早陷入局部极优值，较快地收敛到全局最优解。将该算法应用在ＩＥＥＥ３０节点系统上进行无功优化，仿真结果验证此算法的可靠性和有效性。关键词多智能体系统电力系统无功优化蚁群算法中图分类号ＴＨ８６５　　　文献标识码Ａ文章编号　１０００

2、-３９３２（２０１４）０５-０５２０-０４电力系统无功优化在电能质量、网络损耗和Pi、Qi———分别为节点i的有功、无功功电压稳定性上有着决定性的作用，但目前还没有率；一种在计算时间、运算量及收敛性等方面兼具良Ui、Uj———节点i、j的电压幅值；好效果的优化算法。人工智能方法在电力系统无　　　δi、δj———节点i、j的相角；功优化上应用比较广泛，但仍有不足之处，对于常　　　　δij———节点i、j的相角差。［１］规蚁群算法而言主要体现在：没有坚实的数学选取发电机无功出力、无功补偿装置的无功［２］基础，也没有成型的系统分析方法，计算复杂，补偿容量和有载调压变压器的变比作控制变量，［３］易陷

3、入局部最优及收敛速度慢等。对于常规蚁负荷节点电压作状态变量。控制变量不等式约束群算法的缺陷，笔者利用多智能体系统与改进的条件为：蚁群算法相结合，优势互补，克服了易陷入局部最QＧiｍｉｎ≤QＧi≤QＧiｍａｘ优解和收敛速度受限的不足，从而实现较快、较精QＣiｍｉｎ≤QＣi≤QＣiｍａｘ（３）准的无功优化。Tiｍｉｎ≤Ti≤Tiｍａｘ①状态变量不等式约束条件：1无功优化的数学模型无功优化的数学模型由目标函数、约束条件Uiｍｉｎ≤Ui≤Uiｍａｘ（４）构成，其中约束条件包括等式约束条件和不等式式中QCi———第i个无功补偿装置的无功补偿容约束条件。量；以配电网电能损耗最小为目标函数：QＣiｍａｘ—

4、——第i个无功补偿装置的无功补偿容２２ｍｉｎF＝ｍｉｎ∑gij［Ui＋Uj－２UiUjｃｏｓ（δj－δi）］（１）量上限；i，j∈n选取潮流方程作为等式约束条件：QＣiｍｉｎ———第i个无功补偿装置的无功补偿容n量下限；Pi－Ui∑Uj（Gijｃｏｓδij＋Bijｓｉｎδij）＝０j＝１（２）QＧi———节点i发电机无功出力；nQi－Ui∑j＝１Uj（Gijｓｉｎδij－Bijｃｏｓδij）＝０QＧiｍａｘ———节点i发电机无功出力上限；式中Bij、Gij———分别表示系统节点导纳矩阵中QＧiｍｉｎ———节点i发电机无功出力下限；第i行第j列元素的虚部、实部；gij———支路i-j电导；①收

5、稿日期：２０１４-０４-０１n———系统总支路数；基金项目：黑龙江省教育厅科技攻关项目（１２５３１０６２）第５期姚建红等．改进多智能体蚁群算法在电力系统无功优化中的应用５１２Ti———第i台有载调压变压器变比；Tiｍａｘ———第i台有载调压变压器变比可调节的上限；Tiｍｉｎ———第i台有载调压变压器变比可调节的下限；Ui———节点i的电压幅值；Uiｍａｘ———节点i电压幅值的上限；Uiｍｉｎ———节点i电压幅值的下限。2多智能体蚁群算法2．1改进的蚁群算法在数学领域中的旅行商问题中，有学者将遗图１　改进蚁群算法与常规蚁群算法对比［４］传算法中的排序概念扩展到蚁群算法中，改进由图１可知：改进蚁

6、群算法和常规蚁群算法分后的算法得到了较好的收敛速度。进而，在此基别在迭代１１次左右和１３次左右得到全局最优解；改础上对蚁群算法的权系数改进，并应用在电力系进的蚁群算法在搜索全局最优解收敛的过程较平统无功优化领域中，以解决收敛速度慢等问题。稳，而常规蚁群算法在３１代收敛，却陷入局部最优改进蚁群算法的思想：把蚂蚁寻优的一次循解。由此可知，基于排序加权的蚁群算法，在收敛速环结束后生成的路径按照长短排序，每只蚂蚁对度上有明显的提高，有较好的实用性。更新信息素的贡献取决于生成路径的长短，路径2．2多智能体蚁群算法k越短贡献越大。改进权系数λ（１－N／Nｍａｘ），对多智能体系统，即Ｍｕｌｔｉ-Ａｇｅｎｔ

7、Ｓｙｓｔｅｍ，简称于全局信息素更新来说，所有蚂蚁都有相应的贡ＭＡＳ，多个智能体（Ａｇｅｎｔ）相互协作可以完成更复献。不仅在寻优过程中，提高对较优蚂蚁的重视杂问题的求解，ＭＡＳ将各种不同功能的Ａｇｅｎｔ模程度，也降低对较差蚂蚁的忽略程度。因此，该算块通过通信和协作结合起来，共同协调来完成任法是一种较好的改进算法。［５］务，具有更大的灵活性和适应性。在改进的算法中，搜索路径上的信息素按照多智能体蚁群算法（Ｍｕｌｔ