資源描述:
《一種改進(jìn)的PSO算法在系統(tǒng)無功優(yōu)化中的應(yīng)用研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、2010年06月Jil吉inE林lectri電cPo力wer.Jun.2010第38卷第3期(總第208期)Vo1.38No.3(Ser.No.208)一種改進(jìn)的PSO算法在系統(tǒng)無功優(yōu)化中的應(yīng)用研究ApplicationResearchofanImprovedPSOAlgorithminSystemReactivePowerOptimization李生珠,韓曉男,曲直。,于澎。(1.長(zhǎng)春供電公司,長(zhǎng)春130021;2.華北電力大學(xué),北京102206;3.哈爾濱供電公司,哈爾濱150090)摘要:為了確定系統(tǒng)中無功的合理配置,針對(duì)傳統(tǒng)粒子群算法的不足,
2、提出一種改進(jìn)的小生境粒子群優(yōu)化算法:借助于問題的局部極值點(diǎn)信息,對(duì)原目標(biāo)函數(shù)進(jìn)行“拉伸”變換,達(dá)到優(yōu)化計(jì)算、縮小目標(biāo)函數(shù)極值范圍和降低搜索難度的目的。IEEE一6節(jié)點(diǎn)標(biāo)準(zhǔn)系統(tǒng)仿真結(jié)果表明,所提算法不僅收斂速度更快,且具備更強(qiáng)的全局搜索能力。關(guān)鍵詞:電力系統(tǒng);無功優(yōu)化;粒子群優(yōu)化;小生境Abstract:Thepurposeofreactivepoweroptimizationisforareasonablereactivepowerconfiguration.Animprovednichingparticleswarmoptimizationalgo
3、rithmhasbeenproposedaimingattheshortcomingsoftraditionalparticleswarmalgorithm.Basedinthelocalextremepoints,theoriginalobjectivefunctionhasbeenstrengthtransformedforoptimizedcalculation,minimizingtheextremepointscopeofthefunctionandlowerthesearchingdifficulty.IEEE一6nodestandard
4、systemsimulationresultsshowthattheproposedalgorithmnotonlyhasfasterconvergedspeed,butalsoownsstrongerglobalsearchingability.Keywords:electricpowersystem;reactivepoweroptimization;particleswarmoptimization;niche中圖分類號(hào):TM761文獻(xiàn)標(biāo)志碼:A文章編號(hào):1009—5306(2010)03—0029—03電力系統(tǒng)的無功優(yōu)化是一個(gè)大規(guī)模、多變量、
5、多化問題上表現(xiàn)出了強(qiáng)大的生命力,因此,該方法更適約束的混合非線性規(guī)劃問題,其控制變量既有連續(xù)用于求解電力系統(tǒng)無功優(yōu)化問題[3]。變量,又有離散變量,從而使得優(yōu)化過程十分復(fù)但經(jīng)典粒子群算法在求解無功優(yōu)化問題時(shí)候,雜口]。長(zhǎng)期以來,國(guó)內(nèi)外許多專家、學(xué)者對(duì)無功優(yōu)化常存在收斂精度不高、易陷入局部最優(yōu)等問題。針對(duì)問題進(jìn)行了大量的研究,并將各種方法應(yīng)用于這一這些缺點(diǎn),本文提出一種改進(jìn)的小生境粒子群優(yōu)化領(lǐng)域,其計(jì)算方法歸納起來,可分為經(jīng)典無功優(yōu)化方算法:借助于問題的局部極值點(diǎn)信息,對(duì)原目標(biāo)函數(shù)法和人工智能搜索方法兩大類]。傳統(tǒng)數(shù)學(xué)優(yōu)化方進(jìn)行“拉伸”變換,達(dá)到優(yōu)化計(jì)
6、算、縮小目標(biāo)函數(shù)的極法依賴于精確的數(shù)學(xué)模型,但精確的數(shù)學(xué)模型較復(fù)值范圍和降低搜索難度的目的。雜,計(jì)算速度慢,難以適應(yīng)實(shí)時(shí)控制要求。近年來,基于對(duì)自然界和人類本身的有效類比而獲得啟示的智1無功優(yōu)化的數(shù)學(xué)模型能方法受到了研究人員的注意,如神經(jīng)網(wǎng)絡(luò)、遺傳算法、模擬退火等方法,其中以粒子群優(yōu)化算法(PSO)1.1目標(biāo)函數(shù)最具代表性,與上述的其他算法相比,PSO具有更配電網(wǎng)無功優(yōu)化的目標(biāo)函數(shù)是多種多樣的,除快的計(jì)算速度和更好的全局搜索能力,適合在動(dòng)態(tài)、最小網(wǎng)損外,有最小運(yùn)行費(fèi)用、電壓水平最好、控制多目標(biāo)優(yōu)化環(huán)境中尋優(yōu),尤其適合解決大規(guī)模數(shù)學(xué)量的變化量最小、多目
7、標(biāo)整體最優(yōu)等,在綜合考慮目?jī)?yōu)化問題,在求解非線性、不可微和多峰值的復(fù)雜優(yōu)標(biāo)函數(shù)和約束條件,本文以網(wǎng)損最小為目標(biāo),以節(jié)點(diǎn)收稿日期:2010-04—11作者簡(jiǎn)介:李生珠(1981一),男,從事電力系統(tǒng)繼電保護(hù)工作?!?9·2010年06月吉林電力Jun.2010第38卷第3期(總第208期)JilinElectricPowerVo1.38No.3(Ser.No.208)電壓質(zhì)量為罰函數(shù),制定目標(biāo)函數(shù):z:=+(3)minf(xl,2)一rain[Pl。+式中.f1、c為學(xué)習(xí)因子,通常取在每一維,粒子都有({~t-Qtmin(1)最大限制速度V?,應(yīng)將限制
8、在(-v,V一)之間。式中:、分別為違反電壓約束和發(fā)電機(jī)無功出力約束的懲罰因子;P·。分別為違反節(jié)點(diǎn)電壓約束