电力系统实用技术基于maqpso的电力系统无功优化研究 .pdfVIP

学兔兔 弟52誊 弟15搠 电测与仪表 Vo】．52 N0．15 2015年 8月 l0日 Electrical Measurement＆ Aug．10。2015 基于MAQPSO的电力系统无功优化研究冰 黎高程 ，孟安波 ，李超 ，李阳 ，陈思哲 (1．广东电网有限责任公司茂名供电局，广东茂名525000；2．广东工业大学，广州510006) 摘要：文中提出一种多智能体量子粒子群优化算法(Multi Agent Quantum Particle Swam Optimization，MAQPSO) 求解电力系统无功优化问题，改善了传统量子粒子群算法后期收敛速度慢、易陷入局部最优解等缺点。该算法 结合了量子粒子群算法和多智能体进化思想，每一个Agent相当于量子粒子群优化算法中的一个粒子，通过A— gent的邻域竞争、自学习等操作，使得算法能够更迅速、更精确地收敛到全局最优解。通过对IEEE14、30、57和 118节点系统的优化仿真，结果表明该算法有收敛精度高、寻优速度快等优点。 关键词：无功优化；多智能体系统(MAS)；量子粒子群算法(QPSO)；多智能体量子粒子群算法(MAQPSO) 中图分类号：TM933 文献标识码：B 文章编号：1001—1390(2015)15—0067—07 Reactive power optimization for power system based on MAQPSO Li Gaocheng ，Meng Anbo ，Li Chao ，Li Yang ，Chen Sizhe (，．Maoming Power Supply Bureau，Maoming 525000，Guangdong，China 2．Guangdong University of Technology，Guangzhou 510006，China) Abstract：This paper proposed a novel quantum particle swam optimization algorithm based on multi agent system (MAQPSO)approach to solve the reactive power optimization．The algorithm overcomes the defects of conventional quantum particle swam optimization slow convergent speed and easy convergence to local minimum point of error func— tion on later．This algorithm combined quantum particle swam optimization algorithm with multi-agent evolutionary thought．Every Agent serves as a particle of quantum particle swam，competition by the agent of the neighborhood and self-study，thus the algorithm can more quickly and accurately converge to global optimal solution．On the basis of the optimization simulation for IEEE 14，30，57 and 1 1 8 nodes system，the results show that the algorithm has the advan- rages of high convergence precision and speed of optimization． Keywords：reactive power optimization，multi age