基于改进小生境粒子群优化算法的电力系统无功优化研究

被引：2

作者：

韩学军

邓艳秋

张全厚

高博

绳环宇

机构：

[1] 东北电力大学

来源：

陕西电力 | 2012年 / 40卷 / 12期

关键词：

无功优化; 小生境粒子群算法; 欧氏距离; 自适应;

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];

学科分类号：

080802 ;

摘要：

根据电力系统无功优化问题的特点,提出一种用于电力系统无功优化的最小欧氏距离下改进竞争小生境粒子群算法,利用该算法来克服粒子群优化算法容易早熟而陷入局部最优解的不足。通过对测试系统IEEE30节点进行电力系统无功优化的仿真,说明该算法能以更快的速度得到最优解,其性能明显优于其他算法

引用

页码：36 / 38+46 +46

页数：4

共 8 条

[1] 基于改进小生境遗传算法的电力系统无功优化 [J].

崔挺 ;

孙元章 ;

徐箭 ;

黄磊 .

中国电机工程学报, 2011, 31 (19) :43-50

[2] 基于粒子群与模拟退火相结合的无功优化算法 [J].

王振树 ;

李林川 ;

李波 .

山东大学学报(工学版), 2008, 38 (06) :15-20

[3] 最小欧氏距离下(1+1)竞争小生境遗传算法 [J].

王春香 ;

李现友 .

计算机与数字工程, 2008, (11) :1-3+14

[4] 基于遗传算法和内点法的无功优化混合策略 [J].

刘方 ;

颜伟 ;

David C.Yu .

中国电机工程学报, 2005, (15) :67-72

[5] 基于协同进化法的电力系统无功优化 [J].

王建学 ;

王锡凡 ;

陈皓勇 ;

王秀丽 .

中国电机工程学报, 2004, (09) :128-133

[6] 基于遗传算法的电力系统无功优化附视频 [J].

程浩忠 .

上海交通大学学报, 1998, (01) :129-132

[7]

基于模糊评价的配电网络多目标优化研究[D]. 石嘉川.山东大学. 2007

[8]

基于改进PSO算法的电力系统无功优化研究[D]. 朱庆军.燕山大学. 2009

← 1 →