论文部分内容阅读
无功优化是电力系统领域研究中富有挑战性的项目,无功功率的优化调整,对于电网保持安全稳定运行具有重要意义。电力系统无功优化问题是一个多变量、多约束的非线性规划复杂混合型问题,由于目前使用的各种优化计算方法本身存在着一定局限性,无法完美地解决优化问题,因此要继续研究探索新的方法来解决这些问题。基于粒子群算法的无功优化研究尽管已经在国内外专家学者的深入研讨中取得了较大的进展,但是由于粒子群算法自身的局限性,加之算法参数变化的多样性,使粒子群算法仍然存在诸多的改进空间。基于该思想,本文主要围绕基于改进粒子群算法的电力系统无功优化展开分析。
在无功优化问题中,关键点在于要处理好几个方面的问题:对各种约束条件的处理、对离散变量的规整处理、非线性问题的处理和算法结果是否可靠收敛等问题。本文是在阅读大量无功优化相关领域文献后,概括出各类算法的部分特征,并且根据研究需要,进一步确定相应的各种限制要求。针对无功优化的特点,采用了混合编码的形式对无功优化中的三个变量进行处理。将连续变量整理为实数,离散变量整理成整数。无功优化计算的数学模型从电力系统的经济、适用角度出发,选用系统的有功功率损耗最小作为目标函数,并将状态变量的越限情况采用罚函数的方式加入目标函数。
通过列举相关实例,详细阐释了国内外对于SPSO算法的几种较为有效的改良策略,学习和研究粒子群算法及其改进型算法后,本文对粒子群算法设计了两个方面的改进,主要包括SPSO算法自身参数方面的修正以及与其他优化算法的结合互补。其中在算法自身参数修正的方面,重新设计了算法中的惯性权重和学习因子的变化。另一方面,通过融入免疫算法,从粒子群算法外部进行改进。设计出了免疫粒子群算法,该算法结合两种算法的优势,消除单一粒子群算法存在的缺陷,具有更好的全局收敛性。
最后,基于MATLAB仿真平台,将标准粒子群算法和免疫粒子群算法分别应用于IEEE14节点和IEEE30节点测试系统,并增加量子粒子群算法进行比较。对仿真结果图进行比对解析,三种算法都取得较好的优化效果,有效的降低了系统的有功功率损耗,显着提升了系统的电压质量,改善了无功功率分布。IPSO算法相对于SPSO和QPSO算法来说增加了更多的计算过程和改进策略,有利于更好的摆脱局部极值的僵局,更好地搜寻到真正全局最优解,通过比对证明了改进后的粒子群算法在电力系统无功优化问题上的有效性和可行性。
在无功优化问题中,关键点在于要处理好几个方面的问题:对各种约束条件的处理、对离散变量的规整处理、非线性问题的处理和算法结果是否可靠收敛等问题。本文是在阅读大量无功优化相关领域文献后,概括出各类算法的部分特征,并且根据研究需要,进一步确定相应的各种限制要求。针对无功优化的特点,采用了混合编码的形式对无功优化中的三个变量进行处理。将连续变量整理为实数,离散变量整理成整数。无功优化计算的数学模型从电力系统的经济、适用角度出发,选用系统的有功功率损耗最小作为目标函数,并将状态变量的越限情况采用罚函数的方式加入目标函数。
通过列举相关实例,详细阐释了国内外对于SPSO算法的几种较为有效的改良策略,学习和研究粒子群算法及其改进型算法后,本文对粒子群算法设计了两个方面的改进,主要包括SPSO算法自身参数方面的修正以及与其他优化算法的结合互补。其中在算法自身参数修正的方面,重新设计了算法中的惯性权重和学习因子的变化。另一方面,通过融入免疫算法,从粒子群算法外部进行改进。设计出了免疫粒子群算法,该算法结合两种算法的优势,消除单一粒子群算法存在的缺陷,具有更好的全局收敛性。
最后,基于MATLAB仿真平台,将标准粒子群算法和免疫粒子群算法分别应用于IEEE14节点和IEEE30节点测试系统,并增加量子粒子群算法进行比较。对仿真结果图进行比对解析,三种算法都取得较好的优化效果,有效的降低了系统的有功功率损耗,显着提升了系统的电压质量,改善了无功功率分布。IPSO算法相对于SPSO和QPSO算法来说增加了更多的计算过程和改进策略,有利于更好的摆脱局部极值的僵局,更好地搜寻到真正全局最优解,通过比对证明了改进后的粒子群算法在电力系统无功优化问题上的有效性和可行性。