一种改进粒子群优化算法在多目标无功优化中的应用.pdfVIP

20 10 年 7 月 电 工 技 术 学 报 Vol.25 No. 7 第 25 卷第 7 期 TRAN SACTION S OF CHINA ELECTROTECHNICAL SOCIETY Jul. 20 10 一种改进粒子群优化算法在多目标无功优化中 的应用 李鑫滨 1,2 朱庆军1 （1. 燕山大学电气工程学院 秦皇岛 066004 2. 河北省数学研究中心 石家庄 050000） 摘要 针对粒子群优化 法容易陷入局部最优等问题，提出了一种新的模糊自适应-模拟退 火粒子群优化 法。该 法首先是基于模糊推理的思想，将规范化的当前最好性能评价和粒子群 法的惯性权重、学习因子作为模糊控制器的输入，以 法参数变化量的百分数作为模糊控制器 的输出，并根据参数设置经验建立了相应的模糊控制规则，使其能够自适应地调节粒子群优化 法的参数 ；对调节后粒子新位置的优劣，则通过采用模拟退火 法调节粒子的适应度来加以评价。 最后，采用改进后的粒子群优化 法对多目 无功优化模型进行了求解。IEEE 30 节点和IEEE 118 节点的 准电力系统 例验证了本文所提出的模糊自适应-模拟退火粒子群优化 法的有效性 和可行性。 关键词：粒子群优化 多目 无功优化 模糊 自适应 模拟退火 中图分类 ：TM7 14 .3 Application of Improved Particle Swarm Optimization Algorithm to Multi-Obj ective Reactive Power Optimization L i X inbin 1,2 Zhu Qingj un 1 （1. Yanshan University Qinhuangdao 066004 China 2. Hebei Mathematical Research Center Shij iazhuang 050000 China ） Abstract In order to avoid the defect that a conventional particle swarm optimization (PSO) algorithm is easy to trap into a local optimization, a new fuzzy adaptive-simulated annealing PSO algorithm is proposed in this paper . Based on the principle of fuzzy logic, the inputs to the fuzzy controller are the normalized current best performance valuation, inertia weighing of the PSO algorithm and the learning factor, the outputs of the controller are the parameters rate of change. The fuzzy rules are formulated based on the experience of parameters settings so as to adj ust the PSO parameters adaptively . The quality of particles’ new location after the adj ustment is valued by