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

16

南京工程学院学报(自然科学版)2008年12月

1/minF.粒子的位置向量为X=(Tt1,Tt2,Ug1,Ug2,Qc1,Qc2,Qg1,Qg2).311 粒子的初始化

种群的初始化对算法效能的发挥有很大的影响.在生成初始种群时,应该使粒子群尽量在可行域内均匀分布,这样粒子就可以搜索整个可行域空间,增加发现最优解的几率.粒子群初始化的方法为

Xi,

j

=Xi,

minj

+(Xi,

maxj

-Xi,j)rand

min

(9)

式中:Xi,j为第i个个体第j个控制变量的值;rand为0~1之间的随机数.312 约束处理

1)等式约束处理:即功率平衡方程(式(5)、式(6));

2)不等式约束处理:对根据功率平衡方程得到的Qgi和Udj,将其不等式约束以罚函数的形式引入.

控制变量的不等式约束在粒子进化过程中予以考虑,满足约束条件则更新粒子的位置向量,否则不更新,仍保持原来的位置.313 算法流程

1)初始化所有粒子,,设为初始值,

pbest中最好的设为gbest,解算潮流并计算每个粒子的适应度;

2)足约束条件,如果是,,否则不更新;

3),pbest,则pbest被当前位置替换,如果所有粒子中有pbest

优于gbest,4),,就中止迭代,否则就转到步骤2).314 PSO标准PSO收敛速度较快,但在算法后期,速度越来越小,粒子群表现出强烈的趋同性,易陷入局部极小点.针对这个问题,对标准PSO算法作改进:在粒子群从第n代向第n+1代“飞翔”时,粒子除追随个体极值pbesti和全局极值gbesti外,还追随从粒子群中随机选取的某个粒子的个体极值pbestm,式(2)改写为

kk-1k-1

νν+c1rand1(pbesti-xid)+id=ωid

c2rand2(gbesti-xid)+c3rand3(pbestm-xid)

k-1k-1

(10)

式中:c3为非负常数;rand3为[0,1]之间的随机数,根据仿真试验,rand3的取值范围在0~0.5之间时能获得较好的效果.

在粒子的飞翔迭代公式中增加pbestm后,由pbesti、gbesti、

pbestm三者共同向下一代提供信息,粒子获得的信息量增

大,从而可能更快地找到优化解.同时pbestm的权重系数很小,相当于扰动信息,增加了粒子的多样性,避免算法过早收敛.

改进后的PSO算法的流程见图1.

在改进的PSO算法中,考虑使用一种“飞回”策略对粒子的位置进行越限限制,即:若迭代更新后的粒子位置越出了控制变量边界,则让该粒子返回迭代前的位置,保

上一页第4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