資源描述：
《基于改進(jìn)PSO算法的電力系統(tǒng)無功優(yōu)化.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第26卷第2期電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)Vo1．26NO．22014年2月ProceedingsoftheCSU—EPSAFeb．2014基于改進(jìn)PSO算法的電力系統(tǒng)無功優(yōu)化陳前宇，陳維榮，戴朝華，張雪霞(西南交通大學(xué)電氣工程學(xué)院，成都610031)摘要：提出了一種多策略融合自適應(yīng)粒子群優(yōu)化(MSI—APSO)算法求解電力系統(tǒng)無功優(yōu)化問題的新方法。該方法采用分階段調(diào)整加速因子，結(jié)合適應(yīng)值自適應(yīng)調(diào)整慣性權(quán)重，然后基于群體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，從而提高了PSO全局尋優(yōu)性能。針對(duì)IEEE30節(jié)點(diǎn)系統(tǒng)進(jìn)行無功優(yōu)化計(jì)算，并
2、與帶慣性權(quán)重的粒子群(PSO—W)算法、帶壓縮因子的粒子群(PSO—c，)算法、全面學(xué)習(xí)粒子群(CLPSO)算法進(jìn)行了比較，表明MSI—APSO具有更好的全局尋優(yōu)能力和收斂性能。關(guān)鍵詞：無功優(yōu)化；智能優(yōu)化算法；粒子群優(yōu)化算法；有功網(wǎng)損中圖分類號(hào)：TM761文獻(xiàn)標(biāo)志碼：A文章編號(hào)：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廠'CLPSO，there—sultsindicatethatMSI—APSOhasbettergloballyoptimalcapabilityandconvergenceperformance．Keywords：reactivepoweroptimization；inteUigen
6、toptimizationalgorithm；particleswarmoptimizationalgorithm；ativentwIlrk10ss無功優(yōu)化問題是典型非線性規(guī)劃問題，具有針對(duì)PSO算法易于陷入局部最優(yōu)的缺點(diǎn)，很多目標(biāo)、多約束、連續(xù)變量和離散變量同時(shí)存在的多文獻(xiàn)提出了改進(jìn)的PSO算法。文獻(xiàn)【8]考慮其他特點(diǎn)ll'2l，傳統(tǒng)的算法如線性規(guī)劃法、非線性規(guī)劃粒子的歷史最優(yōu)信息使得搜索方向多樣化。文獻(xiàn)法、內(nèi)點(diǎn)發(fā)、牛頓法I3等在求解無功優(yōu)化的離散變【9】提出一種動(dòng)態(tài)調(diào)整種群規(guī)模的方法以更好地適量規(guī)整和多峰多極值問題時(shí)具有一定的局限性l6l。應(yīng)進(jìn)化，
7、該算法可以較好地避免PSO算法過快收近年來，遺傳算法、蟻群算法、粒子群優(yōu)化PSO斂于局部最優(yōu)解。文獻(xiàn)[1o1提出的隨機(jī)聚焦粒子群(particleswarmoptimization)算法等智能優(yōu)化算法優(yōu)化SFPSO(stochasticfocusingparticleswarmopti—在無功優(yōu)化中得到了成功運(yùn)用。其中，PSO算法由mization)算法使粒子并不同時(shí)向種群中的全局極于具有簡單易行、收斂速度快、優(yōu)化效率高、魯棒值和個(gè)體極值趨進(jìn)，而是在全局極值的一個(gè)鄰域性好等優(yōu)勢，在處理非線性問題中取得了很好的中進(jìn)行搜索，以避免粒子陷入局部最優(yōu)。文獻(xiàn)[1
8、1】效果l7l，但其不足在于易于陷入局部最優(yōu)解閻。提出的自適應(yīng)聚焦粒子群優(yōu)化AFPSO(ada
