基于改进粒子群优化算法的动态无功优化研究.pdfVIP

．．650．． 系统分析 基于改进粒子群优化算法的动态无功优化研究 杨伟，陈蔚，吴军基 (南京理工大学动力工程学院， 江苏南京210094) 摘要：动态无功优化是个十分复杂的时窄分布非线性优化问题，全局寻优十分困难。论文提出了改进的粒子群优化 算法，即把差别进化和死亡罚函数法同粒子群优化算法相结合，用以解决约束优化问题，该算法改善了单一搜索机制 易陷入局部最小的不足，克服了处理复杂边界问题的多种不足之处。通过算例验证了改进算法的正确性和有效性。 关键词：动态无功优化，粒子群优化算法，死亡罚函数法。差别进化 结果启发，PSO的基本概念源于对鸟群捕食行为 1 引言 的研究。PSO中，每个优化问题的潜在解都是搜 电力系统动态无功优化是指在系统的网络结 索空间中的一只鸟，称之为“粒子”。所有的粒子 构参数、未来一天各负荷母线的有功和无功变化 都有一个由被优化的函数决定的适应值，每个粒 曲线以及有功电源出力给定的情况下，通过调节 子还有一个速度决定他们飞翔的方向和距离。然 发电机和无功补偿设备的无功出力以及有载调压 后粒子群们就追随当前的最优粒子在解空间中搜 变压器的分接头，在满足约束的条件下，求解最 索。 优的无功设备投切控制策略使得整个电网的全天 在对一些工程实际问题进行优化时，参数往 电能损耗最小。 往采用向量形式，并加入一些限制条件，设计一 目前对PSO算法改进有：带惯性权重的PSO 个目标函数建立目标问题的模型。论文研究的动 算法(IPSO)，带约束因子的PSO算法(CPSO)和 态无功优化模型的模型，约束条件较复杂，维数 MPSO算法。CPSO的收敛速度明显优于IPSO， 高， 一般的PSO算法对于处理边界约束时易陷 但CPSO在算法后期，速度越来越小，粒子群表 入局部收敛，不易得到较为满意的全局最优结果， 现出强烈的趋同性，易陷入局部极小点。MPSO 这里对一般的PSO算法进行改进，把死亡罚函数 使用一种返回策略对粒子的位置进行越限限制， 法(Death 即：若迭代更新后的粒子位置越出了控制变量边 界，则让该粒子返回迭代前的位置，保证优化过 DDPSO算法。 程中候选解的合理性【l’2J。 (1)差别进化法 动态无功优化是个十分复杂的时空分布非线 性优化问题，要找出全局最优解十分困难。针对 N维矢量作为一个群体，在整个运算过程中群体 此问题，提出一种改进的粒子群优化算法来求解 规模不变，DE也有类似GA算法的变异、交叉和 动态无功优化问题，即把差别进化和死亡罚函数 选择等操作，其中变异操作的定义如下： 法同粒子群优化算法相结合，用以解决约束优化