改进粒子群算法在电网无功优化中的应用 application of improved particle swarm optimization in power system reactive power control.pdfVIP

敢避粒孑群算法在电网无功优估中的应用 姜惠兰，陈平，王敬朋，王浩 (天津大学智能电网教育部重点实验室，天津300072) 摘要：粒子群算法作为一种随机搜索算法，适合解决电网无功优化问题。考虑到粒子群算法收敛速度过 快．容易进入局部收敛。导致收敛精度不高，研究了粒子群算法的改进措施。建立了一个全面考虑实际约 束条件和无功调节手段的无功优化数学模型．提出了采用改进粒子群算法求解电网无功优化问题的方法． 以确定无功优化的最优方案。以IEEEl4节点系统进行仿真分析．对3种不同方案进行了对比，结果表明所 用方法寻优质量高，不仅节点电压满足系统运行要求，而且系统网损也有一定程度的降低．采用该改进粒 子群算法进行电网无功优化行之有效。 关键词：电力系统；无功优化；粒子群算法；人工智能 中图分类号：TM761+．1 文献标志码：A 文章编号：1004—9649(2011)12—0011．05 领域．一般将每一个控制变量看作粒子的每一个属 0引言 性．通过实时地调整粒子的位置，使目标函数达到最 电网无功优化的目的是在满足电力系统无功负 优．解码粒子的各个属性后就可以得到各控制变量 荷的需求下．谋求合理的无功补偿点和最佳补偿方 的最优值。本文将改进的粒子群算法应用到电网无 式．使电力系统安全、经济地向用户供电。合理的无 功优化中．合理选择控制变量、迭代次数和粒子规 功优化方案．是实现电压和无功控制的必要前提．它 模。对目标函数进行优化配置。最后通过对IEEEl4 不仅能够降低网损、提高电压质量．而且有利于提高 节点系统进行无功优化测试．验证了所用方法解决 系统的稳定性。因此研究建立无功优化模型．提出和 电网无功优化配置问题的可行性。 改进相应的无功优化算法．用科学手段实现无功优 化规划势在必行。传统的无功优化方法包括：线性规 1 电网无功优化的数学模型 划法、牛顿法…、内点法[2]等。近年来，遗传算法…、粒 子群算法、蚁群算法等人工智能算法从不同途径实 1．1 目标函数 现了电网无功优化的目标．它们有各自的长处．但也 电网无功优化考虑的因素是多方面的．因此其 有各自的缺陷。 目标函数有许多种LS]。如果以电压稳定性作为优化 的最终目标。那么目标函数一般可以考虑满意度(记 粒子群算法…(ParticleSwarmOptimization，PSO) 是一种随机搜索算法．通过对微粒个体自身经验的 为方案1)，其数学描述为： 积累和群体优秀信息的学习来搜索空间中的最优区 * 帆 域。PSO算法将控制变量当作自身的属性，对于等式 maxF=O．5∑s，；+o．5∑s伪(1) t=l ￡=1 约束．它可以进行有效地转化；而不等式约束可以通 式中：ⅣT为有载可调变压器数；Ⅳb为系统中除平衡 过罚函数的形式附加在目标函数中。因此，采用粒子 节点外的节点数；S。为有载可调变压器靠近负荷侧 群算法进行电网无功优化是一种非常有效的方法。 节点的电压满意度；．s。；为电网中除平衡节点外的所 但是PSO算法收敛速度过快，容易进入局部收敛， 有节点的无功满意度。具体含义为： 导致收敛精度不高。