基于改进PSO算法的电力系统无功优化研究

摘要

电力系统无功优化对保证电压质量，降低运行损耗，实现电网的安全经济运行具有重要意义。常规优化方法在处理此类问题时具有较大的局限性，而人工智能方法与之相比，具有巨大的优势和潜力。
　　首先，从经济性考虑，采用了两种改进后的粒子群优化算法分别对以有功网损最小为无功优化目标函数进行求解。一种是混沌粒子群优化算法，把混沌扰动和混沌映射同时引入到粒子群优化算法中，以避免算法陷入局部最优，提高算法的全局搜索能力。另一种是自适应扩展粒子群优化算法，首先在速度更新公式中引入平均学习因子，得到一种扩展粒子群优化算法，在此基础上引入进化速度因子和聚集度因子，使控制参数在粒子寻优过程中自适应地变化，以提高全局最优解的质量。
　　其次，从电网运行的经济性和安全性出发，考虑电力系统有功网损最小、电压偏差最小和电压稳定性指标最小的多目标无功优化模型，利用模糊隶属度函数将上述多目标无功优化模型转化为单目标优化问题，并针对此多目标无功优化模型采用模拟退火-模糊自适应-粒子群优化算法进行优化求解。该算法的原理是先采用模糊规则动态地调整粒子群优化算法中的惯性权重和学习因子，并采用模拟退火思想调节粒子的适应值和模糊调节后粒子的位置，以避免算法早熟，从而跳出局部最优，提高其收敛性。
　　最后，将提出的三种改进粒子群优化算法分别与标准粒子群优化算法的优化结果作了对比，IEEE标准电力系统算例的无功优化仿真结果表明，本文所提出的改进的粒子群优化算法能够有效地用于求解实际电力系统的无功优化问题。

目录

封面

声明

目录

中文摘要

英文摘要

第1章 绪论

1.1 无功优化的目的和意义

1.2 无功优化的概念

1.3 无功优化算法研究现状

1.4 本文主要工作

第2章 粒子群优化算法简介

2.1 PSO算法基本原理

2.2 PSO算法参数分析

2.3 PSO算法理论分析

2.4 PSO算法的基本步骤

2.5 PSO算法的改进形式

2.6 PSO算法的应用

2.7 本章小结

第3章 基于CPSO算法的无功优化研究

3.1 无功优化数学模型

3.2 无惩罚因子策略

3.3 CPSO算法

3.4 算法步骤

3.5 算例及分析

3.6 本章小结

第4章 基于AEPSO算法的无功优化研究

4.1 EPSO算法

4.2 AEPSO算法

4.3 算法步骤

4.4 算例及分析

4.5 本章小结

第5章 基于SA-FA-PSO算法的无功优化研究

5.1 多目标优化简述

5.2 SA-FA-PSO算法

5.3 模糊多目标优化理论

5.4 多目标无功优化模型

5.5 多目标无功优化的模糊解法

5.6 算法步骤

5.7 算例及分析

5.8 本章小结

结论

参考文献

攻读研究生期间承担的科研任务和主要成果

致谢

作者简介