电网技术
電網技術
전망기술
POWER SYSTEM TECHNOLOGY
2014年
12期
3341-3346
,共6页
邓长虹%马庆%肖永%游佳斌%李世春
鄧長虹%馬慶%肖永%遊佳斌%李世春
산장홍%마경%초영%유가빈%리세춘
云模型%迁移操作%粒子群优化算法%高斯罚函数%无功优化
雲模型%遷移操作%粒子群優化算法%高斯罰函數%無功優化
운모형%천이조작%입자군우화산법%고사벌함수%무공우화
cloud model%migrating operation%particle swarm optimization%Gaussian penalty function%reactive power optimization
针对粒子群算法在求解无功优化问题时存在早熟收敛,易陷于局部最优的现象,提出了自学习迁移粒子群算法(self-learning migration particle swarm optimization,SLMPSO).该算法在采用混沌序列对粒子群进行初始化操作,基于云模型理论的X-条件云发生器对粒子的惯性权重进行自适应调整的基础上,引入一种迁移操作,以引导全局最优粒子的飞行方向,解决粒子群后期朝单一进化方向进化的问题,有效地增强了算法的全局寻优能力.针对电力系统无功优化中的离散变量归整问题,首先将离散变量完全化为连续变量进行迭代求解,在寻求至全局最优解后引入高斯罚函数对离散变量进行归整操作.以网损和电压偏离最小为目标,对IEEE标准30节点算例进行仿真计算,验证了所提算法的有效性和可行性.
針對粒子群算法在求解無功優化問題時存在早熟收斂,易陷于跼部最優的現象,提齣瞭自學習遷移粒子群算法(self-learning migration particle swarm optimization,SLMPSO).該算法在採用混沌序列對粒子群進行初始化操作,基于雲模型理論的X-條件雲髮生器對粒子的慣性權重進行自適應調整的基礎上,引入一種遷移操作,以引導全跼最優粒子的飛行方嚮,解決粒子群後期朝單一進化方嚮進化的問題,有效地增彊瞭算法的全跼尋優能力.針對電力繫統無功優化中的離散變量歸整問題,首先將離散變量完全化為連續變量進行迭代求解,在尋求至全跼最優解後引入高斯罰函數對離散變量進行歸整操作.以網損和電壓偏離最小為目標,對IEEE標準30節點算例進行倣真計算,驗證瞭所提算法的有效性和可行性.
침대입자군산법재구해무공우화문제시존재조숙수렴,역함우국부최우적현상,제출료자학습천이입자군산법(self-learning migration particle swarm optimization,SLMPSO).해산법재채용혼돈서렬대입자군진행초시화조작,기우운모형이론적X-조건운발생기대입자적관성권중진행자괄응조정적기출상,인입일충천이조작,이인도전국최우입자적비행방향,해결입자군후기조단일진화방향진화적문제,유효지증강료산법적전국심우능력.침대전력계통무공우화중적리산변량귀정문제,수선장리산변량완전화위련속변량진행질대구해,재심구지전국최우해후인입고사벌함수대리산변량진행귀정조작.이망손화전압편리최소위목표,대IEEE표준30절점산례진행방진계산,험증료소제산법적유효성화가행성.