无功优化的目的在于确定系统中无功的合理配置,针对传统粒子群算法的不足,提出一种改进的小生境粒子群优化算法:借助于问题的局部极值点信息,对原目标函数进行"拉伸"变换,达到优化计算、缩小目标函数极值范围和降低搜索难度的目的.针对ieee-6节点标准系统进行了仿真结果表明,所提算法不仅收敛速度更快,且具备更强的全局搜索能力.
应甩科技
基于改进
PSO算法
的电力系统无功优化
125200)
“?
.
李剑1李智峰-姜伟z
(1.长春供电公司,吉林长春130000;2.辽宁绥中发电厂二期工程部,辽宁绥中
,
臁要]无功优化的目的在于确定系统中无功的合理配置。针绅f睾统粒子群算法的不足,提出—种改进的小生境粒子群优化算法:借助于。
问题的局部极值点信息,对原目标函数进行‘韶伸”变换,达到优化计算、缩小目标函数极值范围和降低搜索难度的目的。针对IEEE-6节+
,点标准系统进行了仿真结采表明,所提算法不仅收敛速度更快,丑具备更强的全局搜索能力。‘泼键词】电力系统;无功优化;粒子群优化;小生境
:h。,:,t‘《、.?;:!、Li、-:一j
,,
,:,’:’.一
√o
…|j
、?:!ti-,/。‘;}f.+j?}。
:。‘。一:;{砖。I
非缨陛删问题,其控制变量既有连续变量,又有离散变量,从而使得选取待优化问题的目标函数,近而粒子电力系统的无功优化问题是一个大规模、多变量、多约束的混合优化过程十分复杂。长期以来,国内外许多专家、学者对无功优化问题适进行了大量的研究,并将各种方法应用于这一领域,其计算方法归纳起
来,可分为经学优化方渊于精典的无功优化方法和确的数学模型,但^精工智能的搜确的数学模索方法两大类。传统数型较复杂,计算速
度慢,难以适应实时控制要求;近年来,基于对自然界和人类本身的有量和初始解群—样效类比而获得启示的智能方法受到了研究人员的注意,如神经网络、遗
传算法、模拟退火方法等方法。这其中以粒子群优化算法(PSO)最具
代表性,与上述的算法相比,该方法具有更快的计算速度和更好的全局搜索能力,它i垂厶在动态、多目标优化环境中寻优,尤其适合解决大规
模数学优化问题,在求解非线性、不可微和多峰值的复杂优化问题上表
现出了强大的生命力。因此,该方法更适用于求解电力系统无功优化问
题。
但经典粒子群算法在求解无功优化问题时候,常存在收敛精度不高、易陷入局部最优等问题,针对这些缺点,本文提出一种改进的小生
境粒子群优化算法:借助于问题的局部极值点信息,对原目标函数进行
”拉伸”变换,达到优化计算、缩小目标函数的极值范围和阿氏搜索难
IEEE一6节点标准测试系统进行7无功优化计算小生境算法的基本既念定义如下:具有某些相同飞行特征的微粒个的仿真结果表明,所提算法不仅收敛速度更快,且具备更强的全局搜索体能力。生境。体现种群集体飞行有别于其他种群的位置或速度分皇称为种群飞
1无功优化的数学模型行特征,简称为种群特征,它是个体微粒所属种群小生境的唯一标识。
1.1
目标函数配电网无功优化的目标函数是多种多样的,除最小网损外,有最小运行费用、电压水平最好、控制奄的变化量最小、多目标整体最优电压质量为罚m.nf‰蚴硎函数,制定目标函数:集构n(‰A,;(袅))2十
成了完整的解空间A:∑p、(善<Ⅷt粤V
m}))【1)式中,入,A:分别为违反电压约束和发电机无功出力约束的惩罚因
P分别为违反节点电压约束和违反发电机无功出力约束的节点集合:
V;分别为节点电压vt的上限和下限;Q。Q
则分别为发电机节
出力的上限和下限。
12约束条件
因为配电网无功优化是以数学规划作为基本模式的,所以在约束处1)等式约束:功率平衡方程:go(。材=O2)不等式约束:
‰.≤vG≤、’&mi
KT确≤Kt≤K1.惴;Qo面≤Qc≤QD耐vL而≤VL≤
IJ*;QQ。。≤QG≤Q臼m
2标准粒子群lPSO)
PS0的学表述为:假设在—个N维的解搜索空间中,PSO初始m个粒子组成—个群,其中第i个粒子在N维搜N维的向量,xi=o(i,,粒,L,xJ
i=1,2,
…,m,每个粒子的位置代表被优化问题在搜索空间中的一个潜在解。
i有—个由被优化的函数决定的
酃可箭置的优劣。对于最小化问题,目标函数值越小的粒子其特性越
定它们飞翔的方向和距离,其中第i个粒子的
“飞翔”速度表示为,V,--M。%,L,Wi=1,2,…,m,各速度矢
是在一定范围内随机生成的。记第i个粒子迄今为止搜索到的最优位置为洳=(x加×阳,L,x一,该位置适应度值为P州,称为个体极值,整个粒子群迄今为止搜索到的最优位置为xgi=(Ⅺ。
L,x一,该位置适应度值为G“耐,称为全局极值。各粒子跟据如
下公式进行迭代操作,从而更新自己的速度和位置:V--vI十c1×rand()x【Ph鲥一硝+cl
x
rand()x(GnⅫ一砧
(2)
。‘,
)‘i=)(i+v.(3)
其中ClC2是学习因子,通常取在每—维,粒子都有—个最大限制速度V。。应将vi限制在【-V。,V一之间。
?
3小生境算法及其改进的小生境粒子群3.1小生境算法
在此基础上进行种群小生境划分。设种群小生境PI的个体微粒X,表示为Xi--4pj,xi,,,…,)(i,},其中pj表示特定种群小生境的位置特征分量,)cI,表示个体在种群小生境中的自由位置分量。显然,pi对于的不同定义,对应于一系列不相交的种群小生境,所有这些种群小生境的并
o
32改进的小生境粒子群
321“Stretching”技术函数
“Stretching”技术是借助于问题的局部极值点信息,对原目标函
数进行“拉伸”变换,达到优化寸算、不断缩小目标函数的极值范围和
降低搜索难度的目的。这种变换是由Vrahatis在1996年提出来的。具定义如下:
HG
良D()=G()f
cx)+y×)+y,j气蠹鬻乏譬襄曼三譬揣JX--X7Jl(sign(f仅))+1)
上述两种变换公式中,x‘是目标函数的局部极值点,(4)
y,y2和¨是三个任意的正数常量,sign0为常见的符号函数:
f1
x>0sign∞={0
x=O(5)
I一1
x<0
也可以使用人工神经中常用的线型激动函数Sigmoid函数来近似
sign∞=,IogSigk)
—而一exp(一k)
”、(2超’)
在算法探测到某一局部极值点x‘之后,对原目标函嘲进行两次
定义了第一次变换,使得比目标函值大(下转第206页)
201
应度值,将代入到目标函数就可以计算出适应度值,根据该值的大小优。每个粒子还有速度决x癣,度的目的。最后,针对集合称为种群,种群搜索的空间是解空间的—个子空间,称为种群小等,在综合考虑目标函数和约束条件,本文以网损最小为目标,以节点
体变化公式子:V
点的无功理能力上是很强的。大量的研究几乎涉及到可行性和安全性方面的所有
约束。无功优化的约束条件有等式约束和不等式约束两类。
V计算:
化为—群随机粒子,由索空间中的位置表示为—个变换。公式
并将改进粒子群优化 RKAP ) RCF/N/4F K%9:/MJ4 AL%9I PG:/I/Q%:/C& $算 法用 于电力系统无功优化 ! 建立了基于该算法的无功优 化模型!编制了...
2009 文章编号: 1008- 3723( 2009) 04- 0005- 02 基于改进 PSO算法的电力系统无功优化高长伟 (辽宁科技学院 自动控制系, 辽宁 本溪 117004) 摘要: 本文采用...
Engng . . 基于改进 PSO 算法的电力系统无功优化华 敏 (湖南大学电气与信息工程学院 , 长沙 410082) 众所周知 ,无功功率是电力系统安全经济运行 于电力系统...
Engng. 基于改进 PSO 算法的电力系统无功优化华 敏 ( 湖南大学电气与信息工程学院, 长沙 410082) 摘 要 介绍了 PSO 算法, 结合电力系统无功优化问题的实际情况...
应用科技 基于改进 PSO 算法的电力系统无功优化李 剑 1 李智峰 1 姜伟 2 1.长春供电公司,吉林长春 130000;2.辽宁绥中发电厂二期工程部,辽宁绥中 125200 ()...
基于改进PSO算法的电力系统无功优化_专业资料。介绍了PSO算法,结合电力系统无功优化问题的实际情况,针对其存在的易陷入局部最优点的缺点,提出了改进的PSO算法。该...
基于改进PSO算法的电力系统无功优化_数学_自然科学_专业资料 暂无评价
基于改进的PSO算法的电力系统无功优化 隐藏>> 第0卷第1 期312 2年1 月0 1 1 文章编号: 0070(021-18010-7921)108-4 水电能源科学WtrRsucsadPwrae eoren ...
本文将粒子群优化算法应用到电力系统无功优化问题的研究中 ,给出了具体的实施流程 . 为提高 PSO 的搜索 能力 ,对 PSO 进行了改进 ,在算法中加入了第 3 种...
热门文档