基于免疫粒子群算法的电力系统最优潮流计算.pdfVIP

中国电机工程学会第十届青年学术会议 ·吉林 基于免疫粒子群算法的电力系统最优潮流计算 李娟 1 巩志贵 1 李淑琴 1 谢志勇 2 (1.东北电力大学 吉林 吉林 132012; 2.大唐长春第二热电有限责任公司 吉林 长春 130031) 摘 要：提出了一种改进的免疫粒子群算法来计算电力系统最优潮流，免疫粒子群算法是是在粒子群算法的基础上，引 入免疫信息处理机制：抗体多样性和免疫算子。改进后的算法提高了群体的多样性和优化性能，避免了粒子群算法易陷入局 部最优和进化后期速度慢的缺点，通过 14 节点电力系统的计算结果表明该算法是可行的。从算例的计算结果可以看出，用 改进免疫算法计算最优潮流收敛性更好，计算时间更短，并且计算得出的发电费用比用内点法计算得出的发电费用更低，从 而更节省。 关键词：最优潮流;免疫粒子群算法; 有功优化 0 引言 最优潮流(OPF)，是指在满足各节点正常功率平衡及各种安全性不等式约束条件下，求以发电费用（耗 量）或网损最小为目标函数的最优潮流分布，它是最优化理论在电力系统中的应用。与经典经济调度方法 相比，它具有统筹兼顾、全面规划的优点，能够充分考虑电力系统的各种约束，包括发电机有功、无功出 力约束，节点平衡方程，节点电压约束和线路容量约束等。为了进一步反映系统间安全性限制，还可以考 虑节点对的功角差限制等。这样一来，就能将安全性运行和最优经济运行综合地用统一的数学模型来描述， 从而把经济调度和安全监控完美的结合起来。 20 世纪 60 年代初，法国学者 Carpentier 最早提出了最优潮流问题的数学模型。从此人们开始了对电 力系统最优潮流的研究。第 1 个实用化的最优潮流算法当归功于 H.W.Dommel 和W.F.T inne 提出的简化梯 度法[1]。此后，各种基于线性规划和非线性规划求解方法的算法相继被提出，包括简化梯度法、牛顿法、 二次规划法、逐次线性规划法、内点法、基于熵理论的代理约束算法等。所有这些方法本质上都是利用目 标函数对控制变量一阶或二阶梯度求解。当搜索起始点在局部最优点的收敛域以内时，这些算法常常会陷 入局部最优点。 粒子群算法是是粒子在解空间追随最优的粒子进行搜索。因此使用粒子群进化算法求解特征子集，可 以避免巨大的搜索代价。在粒子群进化算法求解中，一个粒子就是特征空间中的一个点，也就对应着一个 特征子集。粒子群在特征空间中“飞行”，改变位置并进行相互交流，对单个粒子的最优位置和整个群体 的最优位置进行记忆，目的就是找到最优的特征子集。粒子群进化算法收敛速度虽然较快，但是收敛精度 不高，而且容易早熟。为了提高 PSO 算法的收敛精度，从增加粒子的多样性出发，提出使用免疫粒子群算 法(IAPSO) 进行特征选择，在产生粒子时让粒子之间尽可能相异，以此来增加粒子的多样性，从而增加算 法的收敛精度。 1 最优潮流的数学模型 电力系统调度运行研究中最常用的最优潮流一般以系统运行成本最小为目标，一般表示为二次多项式 的形式。 全系统采用发电机有功发电成本（或发电燃料总耗量）最小： NG min f ∑F (P ) （1-1） i Gi i 1 式中 NG 为发电机的总数，其中包括平衡节点的发电机组；F (P ) 为发电机组的耗量特性；P 为发电 i Gi Gi 机组i 的有功出力。 机组的耗量特性通常用二次函数表示：