基于共享免疫粒子群算法的電力系統(tǒng)無功優(yōu)化

李 寧,王林川,田 軍

(東北電力大學(xué),吉林吉林 132012)

基于共享免疫粒子群算法的電力系統(tǒng)無功優(yōu)化

李 寧,王林川,田 軍

(東北電力大學(xué),吉林吉林 132012)

針對(duì)電力系統(tǒng)無功優(yōu)化中的粒子群算法計(jì)算效率較低,而且易陷入局部最優(yōu)解等問題,將共享免疫粒子群算法應(yīng)用到無功優(yōu)化中,該算法在進(jìn)行初始化時(shí),運(yùn)用正交的思想,使得粒子分布均勻;并用記憶粒子和克隆選擇來更新粒子,這樣可以很好地保持優(yōu)化過程中粒子群的多樣性。經(jīng)過算例計(jì)算證明,共享免疫粒子群算法與其他算法相比,能夠及時(shí)跳出局部最優(yōu)得到全局最優(yōu)解,且收斂速度快、精度高。

無功優(yōu)化;免疫粒子群算法;小生境;共享機(jī)制

0 引言

電力系統(tǒng)無功優(yōu)化是指系統(tǒng)在一定運(yùn)行方式下,使解向量滿足各種約束條件并達(dá)到有功功率損耗、電壓質(zhì)量和無功補(bǔ)償容量等預(yù)定目標(biāo)綜合最佳的優(yōu)化問題,屬于多約束非線性組合優(yōu)化范疇[1]。近年來,隨著優(yōu)化技術(shù)的發(fā)展,出現(xiàn)了多種智能優(yōu)化算法,如遺傳算法GA(Genetic A lgorithm)、禁忌搜索法TS(Tabu Search)和粒子群算法PSO(Particle Swarm Optimization)等,雖然每種算法都較以前的經(jīng)典算法有所改進(jìn),但是隨著問題的規(guī)模和復(fù)雜程度越來越大,單一算法的性能逐漸受到局限,所以如何構(gòu)造新的算法,在多個(gè)單一算法上取長(zhǎng)補(bǔ)短,是提高算法優(yōu)化性能的有效途徑。

本文在前人研究的基礎(chǔ)上,針對(duì)無功優(yōu)化的特點(diǎn),將共享免疫粒子群算法SIPSO(Sharing Imm unity Particle Swarm Op timization)應(yīng)用到無功優(yōu)化中,利用免疫算法中免疫系統(tǒng)的自我調(diào)節(jié)機(jī)制以及免疫記憶等功能,提高了算法的全局搜索能力,有效地克服了粒子群算法因?yàn)槎鄻有缘牟蛔愣斐傻乃惴ㄒ紫萦诰植孔顑?yōu)的缺點(diǎn)。……