粒子群优化算法(PSO)是一种基于群体的随机优化算法,最早在1995年由美国社会心理学家James Kennedy和电气工程师Russell Eberhart提出。由于PSO算法计算速度快、实现容易等特性,引起了许多相关领域学者的关注和研究。变电站规划是电网规划的重要组成部分,变电站的选址是否合理,直接影响到电力企业的经济效益,和电网的可靠性和安全性,并且关系到未来网架规划的优劣。变电站选址问题的影响因素中主要分为量化因素和非量化因素,传统的选址方法中,将选址的两类因素进行分部优化。本文对传统的选址模型进行改进,将两类因素结合,提出了新的变电站选址综合模型。通过对基本PSO算法原理和优缺点的学习和分析,结合变电站选址的实际问题,本文对基本PSO算法提出两点改进策略:(1)初始解重心化针对变电站选址的特点,提出了一种比较简单初始解优化方法,采用重心公式对初始解选取进行均匀化处理。由于待选变电站的位置大多靠近供电区域重心,因此将其初始解的选取规定由重心解和随机解两类构成,重心解又由全局重心解和局部重心解组成。(2)变量搜索基本PSO算法中,每次迭代得到粒子当前的个体最优解后,便对粒子的速度和位置进行更新,然后进行下一步的寻优,这很可能使粒子逃离出最优解的区域。本文采用了一种简单的变量搜索方法,每次迭代后得到了每个粒子的当前最优解后,分别对粒子个体最优解的某一维数方向分别取一定数值的变量,然后分别对变化后的解求适应度值,与粒子自身的最优解进行比较,更新粒子自身最优值,最终更新种群中的全局最优值。最终,运用改进粒子群算法对新的选址模型进行优化,有效的改善变电站选址的实际问题。