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
