B-522_基于一种改进云自适应粒子群算法的多目标无功优化.pdfVIP

基于一种改进云自适应粒子群算法的多目标无功优化 陈 曾，张 尧，杜兆斌 （华南理工大学电力学院，广东广州 510640 ） 摘 要：提出了一种基于云理论的改进云自适应粒子群算 在多维空间函数寻优、动态目标寻优等方面有着 法（MCAPSO ），利用云模型的X -条件云发生器实现了不 收敛速度快、非劣解质量高、并行处理特征、鲁 同子群粒子惯性权重的自适应调整，基于整个种群的平均 棒性好等优点，因此在很多工程研究领域得到了 信息以及数学中的外推思想对速度更新公式和位置更新 广泛应用。PSO 算法在搜索初期收敛速度很快， 公式进行了改进，从而提高了算法的全局搜索能力和收敛 但是在迭代后期容易陷入局部最优，导致早熟收 速度。建立了计及有功网损和电压稳定裕度指标的多目标 敛、后期振荡等现象，因此很多学者针对如何克 无功优化模型，并将本文提出的 MCAPSO 算法用于求解 该无功优化模型。通过 IEEE30 节点系统仿真结果表明， 服这一问题、提高 PSO 算法的性能，开展了很多 提出的改进算法与标准 PSO 算法相比具有更好的全局寻 研究工作，提出了很多改进措施，并取得了较为 优能力和更快的收敛速度，在一定程度上有效地解决了标 满意的结果。文献[2]将改进粒子群算法和预测- 准 PSO 算法在无功优化中存在的早熟收敛问题，优化结 校正内点法相结合的解耦无功优化算法分别用于 果能同时提高电力系统运行的经济性和安全性。 无功优化的离散优化子问题和连续优化子问题， 关键词：多目标；无功优化；云模型；粒子群算法；电压 改善了算法的优化速度和全局寻优能力。文献[3] 稳定性 提出了一种多种群协同进化的粒子群算法，将整 0 引言 个种群分解为多个子种群，各子种群独立进化， 周期性地更新共享信息，并采用了两种不同的更 电力系统无功优化是实现电网经济调度的重 新策略，提高了算法的收敛性和最优性。 要手段之一，对改善电网电压水平、降低网损、 本文在总结前人研究成果的基础上，提出了 增强系统稳定性等方面具有重要意义。无功优化 一种基于云模型的云自适应粒子群算法，根据适 指的是在网络结构参数和负荷水平给定的情况 应值的不同对粒子群进行分类，并分别赋予不同 下，在满足潮流约束和运行约束的条件下，通过 的惯性权重大小，其中普通子群粒子的惯性权重 调节发电机端电压、调整变压器变比和投切补偿 由云模型的X -条件云发生器自适应调整；在粒子 电容器等控制变量，充分利用电网的无功电源， 速度更新时考虑整个种群的平均信息，引入被动 使系统的某一个或多个性能指标达到最优。传统 聚集因子，提高粒子的自由搜索能力；在位置更 的无功优化只重点考虑了经济目标，即有功网损。 新时根据数学中的外推思想对粒子位置的更新加 然而随着电网规模的扩大，电力系统运行在接近