基于混合策略微分进化算法的电力系统无功优化研究.pdfVIP

中国电机工程学会第十届青年学术会议 ·吉林 基于混合策略微分进化算法的电力系统无功优化 孙守刚 孟庆然 邹磊 （东北电力大学电气工程学院 吉林 吉林 132012） 摘要：本文阐述了一种基于混合策略微分进化算法的无功优化方法。混合策略微分进化算法是一种直接随机搜索方法， 由在当前种群中随机采样的个体之间的基因差异来驱动，混合策略微分进化算法的主要思想是采用不同的策略产生变异算 子，来提高进化速度。将该无功优化方法在IEEE 30节点系统上进行了校验，并与基于其它算法的无功优化方法进行比较， 仿真结果表明该算法具有收敛速度快、鲁棒性好、计算精度高的优点。 关键词：微分进化；无功优化；电力系统；混合策略；智能优化 1 引言 电力系统无功优化可以有效地改善电力系统的电压质量，减少系统损耗和提高电压稳定性。无功优化 的基本内容是在满足各种约束条件下利用无功控制手段，如控制发电机和无功补偿设备的无功出力及可调 变压器的分接头等，提高电压水平，降低系统有功损耗。在数学上，它是一个复杂的多目标、多约束、非 线性、非连续、混合整数优化问题。传统的数学优化方法，如线性规划、非线性规划、二次规划、混合整 数法等，各自都有一定的优越性和适应性，但是这些方法需要假设各控制变量是连续的，而且要求目标函 数可微，求解时间很长，易产生“维数灾”等问题。近年来随着计算机技术及人工智能技术的发展，产生 了遗传算法(genetic algorithm GA) ，粒子群算法(particle swarm optimization PSO)、人工神经网络优 化算法 (artificial neural networks ANN)、模拟退火算法 (simulated annealing SA)、蚂蚁算法 (ant colony optimization ACO)等一系列智能优化算法用以解决电力系统优化问题，并且取得了很大的进 步。 1995年 Rainer Storn 和 Kenneth Price 提出的微分进化算法（differential evolution algorithm 以下 简称 DE 算法）是一种实数编码的基于种群进化的全局优化算法.己被证明在求优过程中具有高效性、收敛 性、鲁棒性等优点[1-7]. DE 基本算法的核心思想是利用随机偏差扰动产生新的中间个体.其产生中间个体的 方式决定了 DE 算法在许多问题上都有很好的收敛表现.但搜索速度则相对缓慢.如果优化问题是计算成本 很高即每计算一次目标函数值都需要很长时间的问题。那么过多次数的计算目标函数值就会使得算法不可 行。因此减少算法收敛所需目标函数评价次数和收敛时间就具有很强的现实意义。 本文根据微分进化算法的搜索机理，深入分析了变异算子产生对算法的影响。提出一种提高算法全局 搜索性能的改进算法，并通过对 IEEE 30 节点系统进行了仿真计算，并与单纯的微分进化算法、粒子群算 法的优化结果进行比较，结果表明该算法具有收敛速度快、鲁棒性好、计算精度高等特点。 2 无功优化的数学模型 电力系统无功优化（ORPF ）的数学模型可表示为 （1） 式中: f 为系统有功网损最小的目标函数；g为系统潮流约束；Z=[X ,U ,U ]为系统变量，其中，X 为系统状 C D 态变量（负荷节点电压幅值和发电机注入无功功率）；U 为连续控制变量（发电机节点电压）；U 为离 C D 散控制变量（无功补偿装置的无功补偿容量和可调变压器分接头）；Zmin和Zmax为系统变量的运行限制约 束。 3 微分进化算法及其改进 3.