广东电力
廣東電力
엄동전력
GUANGDONG ELECTRIC POWER
2013年
9期
32-35,103
,共5页
模拟退火算法%粒子群算法%预测-校正内点法%最优潮流%改进算法
模擬退火算法%粒子群算法%預測-校正內點法%最優潮流%改進算法
모의퇴화산법%입자군산법%예측-교정내점법%최우조류%개진산법
针对一般智能算法计算最优潮流(optimal power flow,OPF)问题收敛速度慢、精度低等问题,提出一种退火粒子群(simulated annealing based particle swarm optimization,SA-PSO)和预测-校正原对偶内点法(predictor-corrector primal-dual interior point method,PCPDIPM)结合的改进最优潮流算法.该算法采用SA-PSO 优化待求系统的离散变量,而在SA-PSO的每一次迭代过程中,通过PCPDIPM优化待求系统的连续变量,并对粒子进行适应度评估.这种求解模式将SA-PSO求解离散变量方便和PCPDIPM优化速度快的优点结合在一起,发挥了两种算法的优势.多个算例结果表明,与SA-PSO算法相比,该算法具有寻优能力强,收敛速度快,计算精度高的优点.
針對一般智能算法計算最優潮流(optimal power flow,OPF)問題收斂速度慢、精度低等問題,提齣一種退火粒子群(simulated annealing based particle swarm optimization,SA-PSO)和預測-校正原對偶內點法(predictor-corrector primal-dual interior point method,PCPDIPM)結閤的改進最優潮流算法.該算法採用SA-PSO 優化待求繫統的離散變量,而在SA-PSO的每一次迭代過程中,通過PCPDIPM優化待求繫統的連續變量,併對粒子進行適應度評估.這種求解模式將SA-PSO求解離散變量方便和PCPDIPM優化速度快的優點結閤在一起,髮揮瞭兩種算法的優勢.多箇算例結果錶明,與SA-PSO算法相比,該算法具有尋優能力彊,收斂速度快,計算精度高的優點.
침대일반지능산법계산최우조류(optimal power flow,OPF)문제수렴속도만、정도저등문제,제출일충퇴화입자군(simulated annealing based particle swarm optimization,SA-PSO)화예측-교정원대우내점법(predictor-corrector primal-dual interior point method,PCPDIPM)결합적개진최우조류산법.해산법채용SA-PSO 우화대구계통적리산변량,이재SA-PSO적매일차질대과정중,통과PCPDIPM우화대구계통적련속변량,병대입자진행괄응도평고.저충구해모식장SA-PSO구해리산변량방편화PCPDIPM우화속도쾌적우점결합재일기,발휘료량충산법적우세.다개산례결과표명,여SA-PSO산법상비,해산법구유심우능력강,수렴속도쾌,계산정도고적우점.
