基于改进混合粒子群算法的电力系统无功优化.docxVIP

短文

40

基于改进混合粒子群算法的电力系统无功优化

孙璐唐孝舟

(华南理工大学电力学院)

摘要：引入局部搜索能力强的共轭梯度法对粒子群算法进行改进，在粒子群算法陷入停滞时，把当前最优解作为共轭梯度法的初始点，再用共轭梯度法做运算，使算法跳出局部最优，大大改善了粒子群算法的性能。将该混合算法用于求解IEEE30节点系统无功优化问题，算例结果验证了该算法的有效性。

关键词：无功优化；粒子群算法；共轭梯度法；混合算法

1引言

电力系统无功优化是一个复杂的非线性优化问题，具有多约束条件、不连续、控制变量离散性等特点。经典的数学规划方法，如非线性规划、线性规划、内点法等[1~3,收敛可靠，收敛速度快，但这些方法求解时间长，易产生“维数灾”等问题，故传统的数学方法在处理无功优化时有很大的局限性。

近年来，基于人工智能的方法，如遗传算法41、神经网络、粒子群算法5等，具有全局收敛性，在电力系统无功优化问题中得到了广泛的应用。粒子群优化算法(ParticleSwarmOptimization,PSO)是一种基于群体智能的进化计算方法，该算法模拟自然界生物群体间的简单社会系统，粒子群中的每个个体通过跟踪自身历史最优和群体最优值，自适应地进行搜索寻优。粒子群算法具有实现简单、鲁棒性好、收敛速度快等特点，已被广泛应用到函数优化问题中。