基于自适应小生境粒子群优化算法的电力系统无功优化 reactive power optimization based on adaptive niche particle swarm optimization algorithm.pdfVIP

No．11 第29卷第ll期 电力自动化设备 V01．29 ElectrirPowerAul。mati。n 2009年11月 Equipment Nov．2009国 基于自适应小生境粒子群优化算法的电力系统无功优化 刘自发．张建华 (华北电力大学电力系统保护与动态安全监控教育部重点实验室，北京102206) NicheParticleSwarm 摘要：针对电力系统无功优化问题，提出用自适应小生境粒子群优化ANPSO(Adaptive 其2个向量点积的符号动态生成小生境半径．根据各粒子之间的距离组成小生境种群．在小生境群体中运 用粒子群优化算法进行寻优。对于更新后的群体根据粒子问的距离．利用共享机制改变粒子的适应度．用以 提高整个群体的全局寻优能力。通过对IEEE6、14、30和118节j占’测试系统的无功优化问题计算及结果分析， 并且与其他算法进行比较。结果表明该算法收敛成功率高．能获得较好的解。 关键词：电力系统：无功优化：粒子群优化：小生境：目标函数 714．3 中图分类号：TM 文献标识码：A 电力系统无功优化…是一个十分复杂的非线性 ‰是所有PQ节点的集合；s。是支路通过的功率。 混合整数规划问题。长期以来．已进行了大量的研 综合考虑目标函数和约束条件．本文以下式作为 究和探索工作．尝试了各种优化模型并取得了丰硕 本次优化的目标函数： 的成果f2-6]。近年来．粒子群优化(PSO)算法在解决电 力系统优化问题上取得了令人瞩目的成就[7_引．然 而．PSO算法由于其内在的寻优机制，不可避免地存 A：∑f警芈)2 (3) 在早熟问题而易陷入局部最优解。本文把小生境共 享机制引入到PSO算法中．在每一代进行进化前． 其中，A，、A：分别为违反电压约束和发电机无功 根据粒子之间距离对每个粒子找到小生境子种群． 出力约束的惩罚因子；O／、口分别为违反节点电压约 每个小生境种群由具有相似距离的个体组成．然后 束和违反发电机无功出力约束的节点集合；％i—Q‰ 利用PSO算法更新。实验仿真说明．该算法在提高收 分别为第i节点电压和无功的限值；玑。、‰分别 敛速度和避免早熟现象中起到了很好的作用。 为节点电压以的上限和下限；Q妇、Q龇则分别为发 电机节点的无功出力Q；的上限和下限。 1无功优化的数学模型 2小生境粒子群算法 电力系统无功优化问题是一个多变量、非线性、 多约束的组合优化问题．其控制变量既有连续变量 2．1标准粒子群算法 (如节点电压)，又有离散变量(如有载调压分接头挡 位、补偿电容器的投切组数)，使得优化过程十分复 1995年提出的一种基于群体智能演化的进化计算 杂。进行无功优化计算一般要对发电机端电压、可调 技术[10。z|。其基本机理是通过群体之间的信息共享 变压器变比、节点补偿无功作综合调整．为此。建立 和个体自身经验总结来修正个体行动策略．最终求 如下以网损最小为目标函数的数学模型： 取优化问题的解。粒子i的信息可以用D维向量表 min以Ⅱ，x)=min(‰) (1) 示，位置表示为溉=[省m石垃，…，石国]，速度表示为耽= 并且满足如下约束方程： 第d维速度和位置的更新方程为 只=Ui∑E(GFC08岛+B#sin岛)iENi，i#s