原创力文档- 1、本文档共5页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
基于随机微粒群算法的电力系统无功优化
维普资讯
第36卷 第 l2期 电力 系统保护与控制 Vb1．36No．12
2008年6月l6日 PowerSystem ProtectionandControl Junel6，2008
基于随机微粒群算法的电力系统无功优化
张登科 ，黄挚雄
(1．湖南省送变电建设公司调试所，湖南 长沙 410007；2．中南大学信息科学与工程学院，湖南 长沙 410083)
摘要：介绍保证以概率 l全局收敛的随机微粒群算法，针对随机微粒群算法难以在有限进化代数搜索到全局最优解的问题，
介绍一种改进的随机微粒群算法，这种算法对随机微粒群算法停止进化的微粒采用模拟退火方法生成，使得搜索更为有效。
提出将两种算法分别应用于电力系统无功优化，通过对 IEEEI4节点系统的仿真计算，并与遗传算法、标准微粒群算法相比
较，结果表明这两种算法取得了更好的优化效果，改进的随机微粒群算法更具有实用意义。
关键词：电力系统；无功优化；随机微粒群算法；模拟退火
Reactivepoweroptim izationbasedonstochasticparticleswarm optim ization
ZHANGDeng-ke一．HUANG Zhi-xiong
(1．Hunan Electric PowerTransmission and Substation Construction Company，Changsha410007，China；2．Schoolof
InformationSciencenadEngineering，CenrtalSouthUniversity，Chnagsha410083，China)
Abstract： In thispaperyStochasticParticleSwarm Optimization(SPSO)algorithm isinrtoduced，whichCna guaranteehte
convergenceofhteglobaloptimi zationsolutionwiht probabilityone．Inrespectofhteproblem htat SPSO Cna notretrievehteglobal
optimizationsolutioninlimitediterationtimes， na improvedSPSO(SASPSO)ispointedout，whichmakeshtestaticparticlesin
hteSPSOregeneratebySimulatedAnnealing(SA)andwhichdevo~storenewhteserach．ThroughhteapplicationofSPSOnad
SASPSO tOreactivepoweroptimi zationinpowersystem，nadhtecomparisonofhte simulationsofSPSO，SASPSO，Genetic
Algorithm(GA)nadStandardParticleSwarm Optimization(BPSO)inIEEE14一bussystem，itisprovedhtatSASPSOismuchmore
practica1．
Keywords： powersystem； reactivepoweroptimi zation； stochasticparticleswarm optimi zation； simulatedannealing
中图分类号：TM714．3；TP301．6 文献标识码： A 文章编号： 1674．3415(2008)12-0035-04
果 。
0 引言
但是标准微粒群(BPSO)算法在收敛的情况下，
文档评论（0）