多向学习粒子群算法在无功优化中的应用-电测与仪表.doc

改进粒子群算法在无功优化中的应用 王秀云1，赵 宇1，马万明2，王岩松3，李书金4 (1. 东北电力大学 电气工程学院,吉林 吉林，132012；2. 新疆送变电公司，乌鲁木齐 830011； 3. 和禹水电开发公司，辽宁 本溪 117201；4. 冠县供电公司，山东 冠县 252500) 摘要：建立了无功优化的数学模型，针对粒子群算法易陷入局部最优解、收敛精度差的缺点，本文将改进粒子群优化算法应用到电力系统无功优化中。本文对粒子群的速度公式进行了改进，并在算法中引入反正切惯性权重和阈值来增强搜索全局最优解的能力。通过对IEEE30节点的算例仿真，证明改进后的粒子群算法在电力系统无功优化问题上具有一定的可行性。与PSO的结果对比表明该算法在一定程度上提高了计算的精度。 关键字：电力系统；无功优化；粒子群算法；改进 中图分类号：TM712 文献标识码： 文章编号：1001－1390（2015）－0000－00 Application of improved particle swarm algorithm in reactive power Wang Xiuyun1, Zhao Yu1, Ma Wanming2, Wang Yansong3,Li Shujin4 (1. School of Electrical Engineering, Northeast Dian University, Jilin 132012,Jilin, China. 2. Transmission and Distribution Company in Xinjiang, Urumqi 830011, China. 3. He Yu Hydropower Development Company, Benxi 117201,Liaoning, China. 4. Guanxian Power Supply Company, Guanxian 252500, Shandong, China) Abstract: This paper established a mathematical model of reactive power optimization. In view of the shortcomings of standard PSO that local optimum and poor convergence precision, this paper introduced an improved particle swarm optimization algorithm to the reactive power optimization of power system. The paper improved the speed formula of PSO and introduced arctangent inertia weight and threshold to enhance the ability to find the global optimal solution. Simulation results of IEEE 30-bus system show that the improved particle swarm algorithm for reactive power optimization problem is feasible. Comparing with the results of PSO, we can find that improved particle swarm optimization algorithm improve the calculation accuracy in a certain extent. Keywords: power system, reactive power optimization, particle swarm algorithm, improve 0 引言 [1]、内点法[2]等。近年来，学者们提出的启发式的智能算法，如遗传算法[3]、禁忌搜索算法[4]、蚁群算法、差分进化算法[5]和粒子群算法[6-9]等，有效地克服了传统算法不易处理非连续变量，陷入局部最优解的缺点，在无功优化问题中得到广泛的应用。 粒子群算法(Particle Swarm Optimization，PSO)是Kennedy和Eberhant于1995年提出的一种多点搜索算法，灵感来源于对简单社会模型的模拟[10]。该算法思路简洁、清晰，需要调节的参数少，易于操作；但收敛精度不佳，容易陷入局部最优解。本文对粒子群算法的改进，是在传统算法的基础上赋予