一种改进粒子群优化算法在多目标无功优化中的运用资料.pdfVIP

2010 年 7 月 电 工 技 术 学 报 Vol.25 No. 7 第 25 卷第 7 期 TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY Jul. 2010 一种改进粒子群优化算法在多目标 无功优化中的应用 李鑫滨1,2 朱庆军1 （1. 燕山大学电气工程学院 秦皇岛 066004 2. 河北省数学研究中心 石家庄 050000 ） 摘要 针对粒子群优化算法容易陷入局部最优等问题，提出了一种新的模糊自适应-模拟退火 粒子群优化算法。该算法首先是基于模糊推理的思想，将规范化的当前最好性能评价和粒子群算法 的惯性权重、学习因子作为模糊控制器的输入，以算法参数变化量的百分数作为模糊控制器的输出， 并根据参数设置经验建立了相应的模糊控制规则，使其能够自适应地调节粒子群优化算法的参数； 对调节后粒子新位置的优劣，则通过采用模拟退火算法调节粒子的适应度来加以评价。最后，采用 改进后的粒子群优化算法对多目标无功优化模型进行了求解。IEEE 30 节点和IEEE 118 节点的标准 电力系统算例验证了本文所提出的模糊自适应-模拟退火粒子群优化算法的有效性和可行性。 关键词：粒子群优化 多目标无功优化 模糊 自适应 模拟退火 中图分类号：TM714.3 Application of Improved Particle Swarm Optimization Algorithm to Multi-Objective Reactive Power Optimization Li Xinbin 1,2 Zhu Qingjun 1 （1. Yanshan University Qinhuangdao 066004 China 2. Hebei Mathematical Research Center Shijiazhuang 050000 China ） Abstract In order to avoid the defect that a conventional particle swarm optimization (PSO) algorithm is easy to trap into a local optimization, a new fuzzy adaptive-simulated annealing PSO algorithm is proposed in this paper. Based on the principle of fuzzy logic, the inputs to the fuzzy controller are the normalized current best performance valuation, inertia weighing of the PSO algorithm and the learning factor, the outputs of the controller are the parameters rate of change. The fuzzy rules are formulated based on the experience of parameters settings so as to adjust the PSO parameters adaptively. The quality of particles’ new location after the adjustment is valued by simulated annealing