混合蛙跳算法的改进及其在无功优化中的应用

为了提高电网电压质量,最大限度地发挥出电力设备的经济效益,减少电力线路上的有功功率损耗,应用人工智能算法-混合蛙跳算法(shuffled frog leaping algorithm,SFLA)对电力系统的发电机端电压、变压器的抽头位置和无功补偿器的补偿容量等控制变量进行控制,从而达到减少电力系统有功功率损耗的目的。SFLA是一种新兴的群智能搜索算法,该算法具有定义简单、参数设置少、寻优能力强、收敛速度快等优点。应用该算法对控制变量进行迭代计算和编写电力系统潮流计算程序,计算出系统最小网损及其对应的控制变量值。针对算法的一些不足进行改进,最后将改进前后的算法应用在IEEE-30与IEEE-57节点系统中,并与其他人工智能算法优化结果相比较,数据显示,混合蛙跳算法收敛性较好,而且速度快。说明了其在电力系统无功优化上的优越性以及改进算法的正确性与优良性。