基于反向云自适应粒子群算法的多目标无功优化

被引：13

作者：

曹生让 ^{[1
,2
]}

丁晓群 ^{[1
]}

王庆燕 ^{[3
]}

张静 ^{[3
]}

机构：

[1] 河海大学能源与电气学院

[2] 江苏联合职业技术学院南京分院

[3] 金陵科技学院机电工程学院

来源：

中国电力 | 2018年 / 51卷 / 07期

关键词：

无功优化; 粒子群优化; 反向学习; 云模型; 自适应; 多目标;

D O I：

暂无

中图分类号：

TM714.3 [系统中能量损失的降低及无功功率的补偿]; TP18 [人工智能理论];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

针对粒子群算法在高维复杂问题寻优时易陷入局部寻优的现象,提出了反向云自适应粒子群算法(OCAPSO),通过反向学习加快算法的收敛速度,使用云模型来平衡粒子的全部搜索和局部搜索能力,使用自适应突变机制增强种群的多样性。用高维广义Schwarz函数对OCAPSO的有效性进行验证,进一步以IEEE30节点系统进行单目标和多目标无功优化测试并将测试结果与粒子群优化(PSO),进化算法(EA)等测试结果进行比较,证实了该算法的优越性。分析表明,OCAPSO算法用于解决多目标无功优化问题有效可行。

引用

页码：21 / 27

页数：7

共 15 条

[1]

基于改进混沌粒子群算法的多源独立微网多目标优化方法 [J].