J012基于混合智能算法的配电网无功优化.pdfVIP

基于混合智能算法的配电网无功优化 Reactive Power Optimization for Distribution Systems Based on Hybrid Intelligent Algorithm 刘惠姣，杨淑英 (华北电力大学电气与电子工程学院，河北 保定 071003) 摘要：针对粒子群算法局部搜索能力较弱和存在早熟收敛的 一种新的混合智能算法称为免疫粒子群算法 问题，提出将粒子群优化算法结合免疫算法的混合智能算 (Particle Swarm Optimization Algorithm with 法，并应用它来求解配电网无功优化问题。该混合算法是以 Immunity,简称 IPSO) 。 粒子群算法为主框架，其中引入免疫算法的免疫处理机制， 并采用基于粒子浓度机制的多样性保持策略。混合算法可以 1 配电网无功优化的数学模型 提高算法的全局搜索能力，保持粒子群的多样性，从而提高 1.1 目标函数 算法的收敛精度和收敛速度。 配电网无功优化控制一般在馈线端电压和在 各负荷功率已知的条件下通过控制配电网中电容 关键词：粒子群优化算法；免疫算法；无功优化 器组的投切和变压器分接头的档位来实现。目标函 0 引言 数通常要考虑以下几个方面的因素：①网损最小； 配电网无功优化也称为配电网最优无功调度, ②电压水平最好；③无功补偿容量最小；④补偿经 它可表述为在满足配电网潮流约束和电压约束的 济效益最大；⑤电容器配置成本最低。本文采用下 前提下,调节可调变压器分接头和可投切电容器, 式作为目标函数： 以达到改善配电网中各节点的电压水平和减少配 电网网损的目的，是一个多变量、多约束的非线性 ⎛ V − V ⎞ 2 min F ploss =+ λ ∑ ⎜ i i lim ⎟ (1) 规划问题。传统的求解方法，如线性规划法、非线 α V − V ⎝ i max i min ⎠ 性规划法、动态规划法等在解决此类问题时或多或 式中，λ 为违反电压约束的惩罚因子；α 为违 少的存在一定的局限性。随着人工智能的出现，遗 反节点电压约束节点集合；Vi lim 为第i 节点电压的 传算法、蚁群算法、模拟退火、禁忌搜索等优化算 【1-5】 限值；Vi max, Vi min 分别为节点电压Vi 的上限和下限。 法相继出现 。这类算法虽然从搜索机理上能跳 出局部极值的束缚，但其搜索效率难以得到保证， 1.2 约束条件 通用性较差。因此，很多学者提出了混合智能优化 【6-8】