基于自适应变异扰动粒子群算法的电力系统无功优化研究祥解.pptVIP

2.2改进的自适应变异扰动粒子群算法 当上述自适应条件满足时，则第i个粒子的某一维以其个体最优位置为依据进行如下变异操作： 其中，D为维数，Pij(k)为第i个粒子的第j维在k次迭代内找到的个体历史最优位置，rand为[0,1]之间的随机数， ceil(rand×D)为加入正小数至 rand×D最近的整数。 2.2改进的自适应变异扰动粒子群算法 AMDPSO流程图 2.3性能测试分析 2.3性能测试分析 搜索位置下的10个测试函数 比较优化结果最优值(Best)、均值(Mean)、方差(Std)以及平均时间(Time) 验证AMDPSO优化性能 与IWPSO、CFPSO两种算法 比较 分析得出结论 2.3性能测试分析 三种算法比较试验 种群个数设置： n=int(10+2 ) 最大迭代次数：300 扰动系数：cm=0.4 变异系数：r=0.01 加速因子：2 ωini，ωfin ：0.9，0.4 收缩因子：0.729 测试函数的维数：30 2.3性能测试分析 2.3性能测试分析 2.3性能测试分析 2.3性能测试分析 2.3性能测试分析 AMDPSO的优化结果均优于其他两种算法 AMDPSO的收敛速度（除f8外）均优于其他两种算法，但还不能很好满足精度要求 AMDPSO：较强的优化性能与较快的收敛速度，较好保持种群多样性 3 基于AMDPSO的无功优化分析