基于粒子群算法改進的電力系統

許 亮

（江蘇省電力公司檢修分公司,211102）

基于粒子群算法改進的電力系統

許 亮

（江蘇省電力公司檢修分公司,211102）

本文針對傳統粒子群算法自實際應用中出現速度緩慢及局部最優解等等問題，提出了一種改進粒子群算法，并且將其應用在電力系統中，希望能夠解決電力系統所存在的例如無功優化等問題中。改進后的粒子群算法在實際應用中收斂速度更加合理，能夠有效保證種群的多元性，有效解決傳統粒子群所存在的局部最佳解問題。

電力系統；無功優化；粒子群算法；信息分享策略

0　前言

粒子群算法在基于群體智能所形成的一種優化算法，這種算法在實際應用中更加容易操作，并且需要人為調節的參數有限，現在已經廣泛應用在函數優化問題解答中。近幾年，粒子群算法已經應用在解決電力系統問題中，但是由于粒子群算法在應用過程中容易出現局部最佳解并且收斂速度較為緩慢，再加上粒子群算法自身十分復雜，造成粒子群算法在解決電力系統問題上面一直沒有取得良好的效果。

1　無功優化的數學模型

本文在對于基于粒子群算法改進的電力系統研究中，就要電力系統無功優化作為研究對象，分析出改進后的粒子群算法在電力系統應用中的可能性與有效性。

無功優化數學模型主要包括三方面的內容，分別是目標函數、潮流約束條件與變量約束條件，正常情況下無功優化數學模式表示為：

數學方程式中的u表示的是控制變量，其中包括電力系統所具有的無功補償容量、電壓幅值等等變量數值；x表示的是電力系統狀態變量，例如發動機所作出的無功出力。

1.1目標函數

要是從經濟方面研究而言，電力系統運輸需要受到安全條件的約束，這樣電力系統所損耗功率也就最小。正是將電力系統節點考慮在內，也即是節點對于電力系統電壓及發電機無功出力的約束，將懲函數應用在目標函數中。

針對電力系統無功優化問題的特征，本文使用的是以下這種方式的適應度函數：

方程式中的X表示的是電力系統控制變量，M表示的是電力系統所能夠承受的最大數值，f表示的是目標函數數值。

1.2潮流約束條件

電力系統中在進行變壓器接頭調節及無功補償確定上面，都需要滿足潮流方程式。

方程式中的Pgi和Qgi表示的分別是電力系統節點i分別在有功與無功下的數值，Pdi和Qdi表示的分別是電力系統節點i分別在有功與無功狀態下的負荷情況，B表示的是節點i與j之間的電壓差值，N0表示的是節點總數。

1.3變量約束條件

變量約束條件主要是對于電力系統中的控制變量與狀態變量進行約束，方程式為：

方程式中的Ng表示的是電力系統可調發電機節點個數，NT表示的是電力系統有載調壓變壓器節點數，NC表示的是電力系統無功補償裝置節點個數，Vgi表示的是電力系統發電機極端電壓，Ti表示的是電力系統有載調壓變壓器的變比，Qci表示的是電力系統無功補償裝置所具有的容量。

2　基于粒子群算法改進的電力系統基本原理

2.1粒子群算法

粒子群算法自實際應用將每一個個體全部都歸納在搜索空間內，將其變成沒有體積和重量的粒子，該粒子在搜索空間內按照一定速度運動，將個體看做目標函數，進而計算出粒子在搜索空間內的適應度。粒子在搜索空間內運動速度是由粒子最佳位置與群體最佳位置共同決定。

在對于粒子運動速度研究可以發現，都可以將粒子運動影響因素分為三種，首先就是粒子現在運動速度對于利于運動的影響，其次就是粒子個人所具有的經驗，最后就是整個群體對于粒子運動造成的影響。粒子就是通過對于這三個影響因素的分析，逐漸改變自身運動速度。

2.2粒子群算法改進的電力系統

傳統粒子群算法在實際應用中最為顯著問題就是，容易造成局部最佳解的出現。由于搜索空間內每一個粒子運動都是根據自身與群體來不斷調整自身的運動軌跡與速度，如果要是粒子出現局部最佳接，那么整個群體計算就會進入陷入到局部的僵局中。本文通過對于粒子群算法三個影響因素的改進，讓粒子在運動過程中，根據信息分享速度更改運動速度，將感染因素的位置及時更新，進而保證群體的多元化，提高計算收斂速度。

3　基于粒子群算法改進的電力系統無功優化

電力系統在實際運行過程中，發電機極端所需要承受的電壓需要不斷變化，變壓器接頭與無功補償裝置需要按照電力系統實際運行情況進行長遞與投切的變換。根據控制變量在電力系統運行過程中所呈現的離散兼并的特征，將混合編碼方式應用到粒子群算法張。電力系統無功優化過程中，需要在一定限制條件下開展，根據粒子群算法所獲得的粒子運動最佳位置，能夠獲得一個全新的個體，在通過適應度對個體進行分析，選擇出最好的個體，進而保證粒子群算法答案的最佳。

粒子群算法在應用在電力系統無功優化問題過程中步驟為：首先需要將電力系統無功優化有關參數及粒子的限制條件輸入到粒子群算法系統中，其次隨機選擇一個種群，作為初始種群，進而將每一個粒子適應度與潮流全部計算出來，對于每一個粒子適應度進行評價，更新粒子所處位置，最后判斷計算過程是否滿足開始輸入到電力系統無功優化所具有的限制條件，要是滿足有關限制條件，計算得出的結果就是電力系統無功優化最佳解，要是不滿足有關限制條件，計算得出的結果就不是電力系統無功優化最佳解，需要根據對于計算有關數據重新檢驗，找到計算錯誤點，糾正之后，在對電力系統無功優化問題進行計算。

4　結論

本文對于傳統粒子群算法在實際應用中所存在的收斂緩慢及出現局部最佳解等問題，對于粒子群算法進行了改進，并且在電力系統中應用。改進后的粒子群算法自實際應用中優化效果更佳顯著，完全符合電力系統對于算法的要求。

[1]李紅升.基于粒子群算法改進電力信息系統的安全研究[J].科技通報,2013,04:158-160.

[2]盧錦玲,苗雨陽,張成相,任惠.基于改進多目標粒子群算法的含風電場電力系統優化調度[J].電力系統保護與控制,2013,17:25-31.

[3]陳雁,孫海順,文勁宇,程時杰,黃靖.改進粒子群算法在船舶電力系統網絡重構中的應用[J].電力自動化設備,2011,03:29-34+39.

[4]陳海良,郭瑞鵬.基于改進離散粒子群算法的電力系統機組組合問題[J].電網技術,2011,12:94-99.

Improved power system based on particle swarm optimization algorithm

Xu Liang
（Jiangsu electric power company maintenance branch,211102）

In this paper,the traditional particle swarm algorithm used in slow speed and local optimal solution and so on,put forward a kind of improved particle swarm optimization algorithm,and its application in power system,hope to be able to solve the existing power system for reactive power optimization problems.The improved particle swarm optimization algorithm is more reasonable in practical application, which can effectively guarantee the diversity of population,and effectively solve the problem of local optimal solution in traditional particle swarm optimization.

power system;reactive power optimization;particle swarm optimization;information sharing strategy