群智能理论及其在电力系统应用.pdfVIP

                     群智能理论及其在电力系统中的应用 郑小霞 （上海电力学院 电力与自动化工程学院，上海 200090）    摘要：作为一种新兴演化技术，群智能理论能有效解决大 研究者普遍采用这种方式作为系统粒子速度更新 多数全局优化问题，已成为新的研究热点。本文介绍了群智 的基本方式。在这篇文献中，作者还提出了惯性权 能理论的主要代表算法――微粒群算法和蚁群算法的研究 值ω线性递减的改进算法，一定程度上提高了算法 现状；阐述了群智能理论在电力系统中的应用，最后对这一 性能。随后Shi等又提出了模糊自适应PSO [3 ]，用自 领域的发展趋势进行了讨论。  适应模糊惯性权值控制器来动态优化ω，在对单峰 关键词： 群智能；微粒群算法；蚁群算法；电力系统 函数的处理中取得了良好的效果，但对许多复杂的 非线性优化问题，试图通过自适应调整一个全局系 0 引言 数提高有哪些信誉好的足球投注网站精度的余地是有限的，且在实现上也有 群智能（Swarm intelligence）理论是以生物社 一定困难。1999 年，Clerc在对PSO算法进行数学研 会系统为依托的，也就是简单个体组成的群体与环 究证明的基础上，提出了一种带收缩因子的PSO[4 ] 境个体之间的互动行为，这种生物社会性的模拟系 来改善算法的收敛性，但在控制微粒速度变化的幅 统利用局部信息从而可能产生不可预测的群体行 度上，收缩因子类似于最大速度限。有实验表明， 为。作为一种新兴的演化计算技术，群智能理论已 在没有最大速度限时，带收缩因子的PSO 比不带收 成为越来越多研究者的关注焦点。目前，群智能理 缩因子的PSO具有更好的性能。 论研究领域的主要代表成果是微粒群优化算法 为了避免算法的过早收敛，一些研究者提出了 （Particle Swarm Optimization ，PSO ）和蚁群优化 通过控制种群多样性提高算法总体性能的方法。 算法（Ant Colony Optimization ，ACO ）。 Krink 等人提出了一种粒子空间扩展的方法 在电力系统的很多研究领域中存在着大量的 （SPEPSO ）来解决粒子间的冲突和聚集问题，并 传统优化方法难以求解的复杂问题，如非线性、不 增强粒子突破局部极小值的能力[5 ] 。Riget等人设计 连续优化问题和一些组合问题，群智能理论算法以 了一种以基本PSO为基础的，通过多样性度量控制 其较好的全局收敛性、固有的并行处理特性、较强 种群特征，从而实现粒子间吸引和互斥平衡以避免 的鲁棒性等优点，在电力系统中的应用显示出广阔 算法收敛性早熟的方法[6 ] 。A1-kazemi等人所提出的 的前景，尤其是随着电力市场的建立和完善，如何 Multi-Phase PSO通过在问题求解过程的不同阶段 在电力市场环境中充分发挥群智能的优势来解决 设置不同的阶段性目标，驱动粒子靠近或远离其已 电力系统的有关难题，也成为一个新的研究热点。  知的个体最优解或种群最优解，从而达到增强粒子 1 基本理论研究现状 有哪些信誉好的足球投注网站多样性的目的[7 ] 。这种方法在离散和连续优化 1.1 微粒群算法的研究现状 问题中都显示出了比基本PSO更为优越的性能，而 微