改进的pso在补偿电容器优化配置中的应用 improved pso used in optimized configuration of compensation capacitor.pdfVIP

改进的P$O在扑偿电容器优化配置巾的应用 黎瑜新1，王黎2，郭惠敏3，李强3 (1．广西电网公司物资分公司招标中心，广西南宁 530023；2．华北电力大学电力工程系，北京 昌平 102206；3．河南省信阳市变电检修部，河南信阳464000) [摘要]在建立电容器优化配置问题的非线性整数规划模型时，考虑了电压谐波畸变率约束条件，以保证优 化方案下的各节点电压总谐波畸变率控制在规定限值以内。应用了一种简单有效、收敛性很好的演 化计算算法一微粒群优化算法(PSO)进行问题的求解。从编码方式、操作过程、目标函数选取、 参数调节以及信息共享机制等5个方面分析了该算法的优越性，并给出了用于电容器优化配置问题 中算法的具体求解步骤。 关键词微粒群优化算法电容器配置谐波畸变率 0引言 1 PSO算法及其改进 在配电网中安装电容器能够有效地降低网损， 1．1基本PSO算法 调节电压，提高系统安全稳定性和增加系统容量。 在PSO算法中，优化问题的每个可行解都是搜 其经济效益通过电容器的优化配置获得，即确定电 索空间中的一个点，称之为粒子。对于每个粒子都 容器的安装数量、位置、类型和在不同负荷水平下 可以得到一个适应值，用来评价对应可行解的优 的控制策略，使得在负荷和运行条件的限制下获得 劣。粒子具有位置和速度这两个属性，速度用来确 某种目标函数的最优值，这就是电容器优化配置问 定粒子下一时刻的位置。初始时，首先确定粒子种 题。 群的规模，并随机初始化每个粒子的位置和速度， 电容器的优化配置问题是一个非线性整数优化 然后粒子种群进行演变，每次演变都是按一定规则 问题，其目标函数和约束条件都是离散控制量的非 确定每个粒子下一时刻的位置和速度，演变进行到 线性函数，因而难以用传统规划方法进行问题的精 一定次数就会得到搜索空间中的全局最优解。假定 确求解。近年来，以遗传算法为代表的演化计算技 搜索空间的维数为D，粒子种群的规模为S，第i个 术的发展为解决这类优化问题提供了新的途径。本 粒子的位置矢量jc．和速度v．分别表示为： 文提出一种考虑谐波影响的电容器优化配置问题的 i=l，2，……，S(1) 非线性整数规划模型，并应用微粒群优化算法进行 x．=(X，，，X∞，‘一，x，D)T 求解，针对问题中的离散控制量对算法作了离散化 处理，解决了PSO算法用于整数优化或混合整数优 用P慨。。和g陆。分别表示到第i个粒子的最优位置 矢量和整个粒子种群中的最优位置矢量，两者都是 化的问题。 D维矢量，种群演变的规则如下： 收稿日期：2005—12—20 rand2()×(gB。。t—Pst‘旧) 作者简介：黎瑜新(1978一)，男，硕士，从事人工智能算 Pst，∥2Pstki广V，dk‘1