粒子群优化算法及其在电力系统经济运行中的应用.pdfVIP

摘 要 粒子群优化方法（Particle Swarm Optimization, PSO ）是一种基于群体智能的启发 式算法。它收敛速度快、计算简单、通用性强，能方便地被用于求解带离散变量的非 线性、不连续、多约束、多变量的复杂优化问题中。现代电力系统中存在大量的此类 优化问题，用常规方法通常难以求解。在过去十几年间，一些全局优化技术如遗传算 法、模拟退火法等已被成功应用于电力系统优化问题中，本文主要研究 PSO 及其在电 力系统经济运行中的应用。 首先提出了一种改进的粒子群优化算法（Modified PSO, MPSO ），即在基本PSO 算法的基础上加入了第 3 种极值指导粒子的搜索方向，并引入了“飞回”策略，用 MPSO 求解一些常用的标准测试函数，结果表明，该方法能在较短的时间内获得更高 质量的解，提高了算法的搜索能力。 然后把 MPSO 应用到电力系统无功优化问题中，详述了粒子群优化方法在无功优 化控制应用中的具体实现过程，给出了在 IEEE-14 节点和 IEEE-30 节点电力系统上的 计算结果，与遗传算法和基本 PSO 算法相比，MPSO 在求解无功优化问题中具有一定 的优越性。 最后介绍了一种基于评估选取的多目标粒子群优化算法（Multi-Objective PSO, MOPSO ），用它来解决多目标优化问题，在 2 个多目标测试函数上都得到了分布良 好的 Pareto 最优边界，显示了该方法的有效性，应用此方法来求解 IEEE-30 节点电力 系统的无功优化问题，可以同时考虑系统有功网损最小和电压偏移量总和最小，得到 了较好的结果。 随着 PSO 算法理论研究的深入，它还将在更广阔的领域发挥巨大的应用潜力。 关键词：粒子群优化算法； 进化计算； 电力系统； 无功优化； 多目标优化； 多目标评估选取 I Abstract Particle Swarm Optimization (PSO) is a kind of heuristic algorithm based on swarm intelligence. It is a general framework algorithm, which has fast convergence performance and is easy to implement. PSO can be conveniently applied to solve complicated nonlinear, noncontinuous, multi-dimensioned optimization problem with discrete variables and multiple restrictions. There is a large amount of such problem in modern electric power systems. Generally speaking, traditional optimization method can hardly deal with them. In past decades, some global optimization techniques such as Genetic Algorithm and Simulated Anneal Algorithm have been applied to solve optimization problem in power systems successfully. This paper specially focuses on PSO and its applications to power systems economic operation. A modified PSO is presented in this paper, in which a