基于粒子群优化技术PSO确定TCSC最佳安装位置.pdfVIP

维普资讯 第 23卷第 1期 电 力 科 学 与 工 程 VO1．23．No．1 Mar— 007 19 2007年 3月 ElectricPowerScienceandEngineering 基于粒子群优化技术PSO确定TCSC最佳安装位置 戴文进，吴 敏 (南昌大学 电气与 自动化工程系，江西南昌330031) 摘要：提出一种采用粒子群优化技术，以系统载荷能力最大化及安装费用最小化为目标，确定TCSC最佳 安装位置的方法。该方法的数学模型以线路潮流和节点电压限制作为约束条件，从而提高了结果的准确性 和实用性。最后在 1EEE6节点系统中成功地应用该方法。结果表明，PSO算法求得的系统最大载荷能力 较原状态提高了14％，并且与遗传算法GA相比，其具有较强的全局搜索能力和较高的收敛精度，是寻找 TCSC最佳安装位置的有效方法。 关键词：粒子群优化技术；TCSC,最佳安装位置 中图分类号：TM712 文献标识码：A 中采用的遗传算法则存在群体早熟、收敛速度较 0 引 言 慢、有时收敛于局部最优解等缺点。而采用粒子群 算法PSO确定TCSC最佳安装位置则可以很好的 随着国民经济持续快速的发展，我国对 电能的 克服这些困难。该算法具有并行处理、鲁棒性好等 需求量在不断增大，电压稳定作为一个限制系统运 特点，能以较大概率找到问题的全局最优解，且计 行的重要因素，越来越受到电力部门的重视。一般 算效率比传统随机方法高p。本文提出了一种基于 认为，电压失稳的原因是负荷过重，超过了系统最 粒子群优化 (PSO)技术寻找 TCSC最佳安装地 大可承受的负荷，系统失去了工作平衡点。可控串 点的方法，并在 IEEE6节点系统中应用该方法， 联补偿器 (TCSC)，作为 目前FACTS家族成员中 证明了该方法的有效性。 应用前景最为广泛的装置之一，它的投运能够大幅 度提高系统的载荷能力。近些年来，对 TCSC 的 1 粒子群优化算法介绍 研究开展相当广泛，其中选取最佳的 TCSC 安装 地点，以最大限度地提高系统载荷能力，增大稳定 粒子群优化算法是一种基于群智能方法的演化 裕度是一个重要而又实际的问题 q】。 计算技术，源于对鸟群捕食的行为研究。在 PSO 关于 TCSC 的选址 问题，目前 已经有许多研 算法中，群体中的每个粒子通过迭代过程中自身的 究成果。文献 [1，2]是采用灵敏度法寻找 TCSC 最优值和群体的最优值，来不断地更新 自己的前进 的最优安装位置；文献 [4，5】则是选择遗传算法 方向和速度大小，从而形成群体寻优的正反馈机制， 来求解TCSC装置的最优位置及其参数；文献 [6] 最终搜索和寻找到问题的最优解 。 是采用模型可控指数法，以阻尼区域振荡为最大 目 在PSO算法中，用粒子的位置表示待优化问题 标，确定 TCSC 的最优位置。上述文献中阐述的 的解。每个粒子性能的优劣程度，取决于待优化问 方法都存在一定的缺陷：文献 [1，2,6]中的灵敏度 题 目标函数确定的适应值。每个粒子由一个速度矢 法、非线性规划法一般要求 目标函数连续可导，在 量，来决定其飞行方向和速率大小。开始执行PSO 实际应用中受限制，并且容易造成误差；文献 [4，5] 算法时，首先，随机初始化m个粒子的位置和速度。 收稿 日期：2006—12-16． 作者简介：戴文进 (1948一)，男，南昌大学电气与 自动化系教授