文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 电力/水利 > 一种改进PSO算法的电力系统无功优化方法
侵权投诉

一种改进PSO算法的电力系统无功优化方法

一种改进PSO算法的电力系统无功优化方法

一种改进PSO算法的电力系统无功优化方法

14

南京工程学院学报(自然科学版)2008年12月

究成果,现代启发式算法的优点在于其所具备的鲁棒性(RobuStness)对于无功优化问题提供了较为可

[5-7][8]

靠的解.常用的现代启发式算法有模拟退火法(SA)、遗传算法(GA)、禁忌搜索算法(Tabu)和蚁群[9]

寻优算法(ACO)等.但是它们也有不足之处,如模拟退火法所需CPU时间过长,且随系统规模扩大及复

杂性提高而增加;遗传算法对大型电力系统进行优化需花费较长的时间;禁忌搜索算法易收敛于局部最优,只适于解决配电网无功优化等纯整数规划问题;蚁群寻优算法可避免过早收敛于局部最优,但适用范围不广.因此寻找计算速度快、优化性能好的无功优化新算法具有重要的意义.

粒子群优化(ParticleSwarmOptimization,PSO)算法是近年来提出的一种新型优化算法,它通过模拟鸟群觅食过程中的迁徙和群集行为提出一种基于群体智能的演化计算技术.该算法具有并行处理、鲁棒性好等特点,能以较大概率找到问题的全局最优解,且计算效率比传统随机方法高.其最大的优势在于简单易实现、收敛速度快,而且有深刻的智能背景,既适合科学研究,又适合工程应用.PSO算法在电力系统中的应用研究起步较晚,近几年它在电力系统领域中的应用研究逐渐显示出广阔的应用前景,已开始引起电力科学工作者的关注

[10-14]

.国内也已经有学者把PSO算法应用于无功优化,文献[15]中将O算法应用于

配电网络无功补偿优化,取得一定的效果.虽然该算法简便易行、收敛快速,,易陷入局部极值的缺点,因此对基本的PSO算法进行改进,.

本文在原有的PSO算法基础之上进行研究,基本的PSO算法有所改善,解决PSO,以取得一定的社会和经济效益.

1 16]

,最早由Kennedy和Eberhart于20世纪90

[3]

年代提出.粒子群算法的基本思想是

:优化问题的每一个解称为一个粒子.定义一个符合度函数来衡量

每个粒子解的优越程度.每个粒子根据自己和其它粒子的“飞行经验”群游,从而达到从全空间搜索最优解的目的.

具体搜索过程为,每个粒子在解空间中同时向两个点接近,第一个点是整个粒子群中所有粒子在历代搜索过程中所达到的最优解,被称为全局最优解gbest;另一个点则是每个粒子在历代搜索过程中自身所达到的最优解,这个解被称为个体最优解pbest.每个粒子表示在n维空间中的一个点,用xi=[xi1,xi2,…,xin]表示第

i个粒子,第i个粒子的个体最优解(第i个粒子最小适应值所对应的解)表示为pbesti=[pi1,pi2,…,pin];全局

最优解(整个粒子群在历代搜索过程中最小适应值所对应的解)表示为gbesti=[pbest1,pbest2,…,pbestn];而xi的第k次迭代的修正量(粒子移动的速度)表示为

kkkk

ννi=[i1,νi2,…,νin]

(1)

其计算公式为

kk-1k-1k-1

νν+c1rand1(pbesti-xid)+c2rand2(gbesti-xid)id=ωid

(2)(3)

xid=xid

kk-1

+νid

k

式中:i=1,2,…,m(m为粒子群中粒子的个数);d=1,2,…,n(n为解向量的维数);c1、c2为大于0的学习因子,分别表示两个优化解的权重;rand1、rand2为两个独立的、介于[0,1]之间的随机数;ω为惯性权重系数,调整其大小可以改变搜索能力的强弱,试验表明权值ω将影响PSO的全局和局部搜优能力大,全局搜优能力强,局部搜优能力弱,反之,则局部搜优能力强,而全局搜优能力减弱.

[4]

,ω值较

上一页第2页

你可能喜欢

  • 粒子群算法的无功优化
  • PSO算法
  • 计算机二级
  • 粒子群优化算法
  • 扣件式钢管脚手架规范
  • 计算机笔试
  • 预埋螺栓

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email