基于粒子群算法的電力系統(tǒng)無(wú)功優(yōu)化研究.pdf

1、隨著我國(guó)電力負(fù)荷的迅速增加，電網(wǎng)規(guī)模的不斷擴(kuò)大，保證電力系統(tǒng)無(wú)功分布合理，使電網(wǎng)能夠安全、穩(wěn)定和經(jīng)濟(jì)運(yùn)行已經(jīng)成為業(yè)界關(guān)注的焦點(diǎn)。電力系統(tǒng)無(wú)功優(yōu)化的主要目的是通過(guò)調(diào)節(jié)各種控制變量及無(wú)功設(shè)備，優(yōu)化電網(wǎng)的無(wú)功潮流分布，使系統(tǒng)的無(wú)功潮流分配達(dá)到最優(yōu)化，從而降低系統(tǒng)有功網(wǎng)損、提高電壓質(zhì)量和增強(qiáng)電壓穩(wěn)定性。
　　常規(guī)的無(wú)功優(yōu)化數(shù)學(xué)模型主要以有功網(wǎng)損最小作為目標(biāo)函數(shù)，以實(shí)現(xiàn)系統(tǒng)的經(jīng)濟(jì)運(yùn)行為目的，但優(yōu)化結(jié)果中的各節(jié)點(diǎn)電壓值可能導(dǎo)致無(wú)功電源出力接近

2、極限值，與系統(tǒng)電壓安全發(fā)生沖突。本文綜合考慮了電網(wǎng)運(yùn)行的經(jīng)濟(jì)性和安全性，提出多目標(biāo)無(wú)功優(yōu)化數(shù)學(xué)模型，既考慮了系統(tǒng)有功網(wǎng)損，又考慮了電壓質(zhì)量和電壓穩(wěn)定性。
　　電力系統(tǒng)無(wú)功優(yōu)化問(wèn)題具有多變量、多約束條件，連續(xù)和整型變量混雜等特點(diǎn)，屬于非線性優(yōu)化問(wèn)題。采用傳統(tǒng)的數(shù)學(xué)規(guī)劃方法進(jìn)行求解，具有較大難度。粒子群優(yōu)化算法(Particle Swarm Optimization，簡(jiǎn)稱PSO)是一種新的群體智能優(yōu)化算法，具有原理簡(jiǎn)單、參數(shù)較少、收斂

3、速度較快等特點(diǎn)。本文深入研究粒子群優(yōu)化算法及其在電力系統(tǒng)無(wú)功優(yōu)化中的應(yīng)用，先后采用一種自適應(yīng)粒子群優(yōu)化算法(Adaptive Particle Swarm Optimization，簡(jiǎn)稱APSO)和基于向量評(píng)價(jià)的自適應(yīng)粒子群優(yōu)化算法(Vector Evaluation of Adaptive Particle Swarm Optimization，簡(jiǎn)稱VEAPSO)，將這兩種改進(jìn)算法應(yīng)用于求解多目標(biāo)無(wú)功優(yōu)化問(wèn)題。
　　在本文APS

4、O算法中，引入群體適應(yīng)度方差和群體位置方差來(lái)表征種群的收斂程度，并自適應(yīng)調(diào)整慣性權(quán)重。通過(guò)基準(zhǔn)函數(shù)測(cè)試，驗(yàn)證該算法提高了全局搜索能力和局部搜索能力，克服了早熟收斂現(xiàn)象。在采用APSO算法求解多目標(biāo)無(wú)功優(yōu)化問(wèn)題，實(shí)現(xiàn)在搜索前決策，利用加權(quán)和方法將多目標(biāo)優(yōu)化問(wèn)題轉(zhuǎn)化為單目標(biāo)優(yōu)化問(wèn)題，由系統(tǒng)隨機(jī)選取權(quán)系數(shù)。隨后在VEAPSO算法中，采用基于向量評(píng)價(jià)的粒子群算法(簡(jiǎn)稱VEPSO)與APSO算法相結(jié)合，該算法實(shí)現(xiàn)在搜索中決策，從某種程度上克服了A