基于混合连续蚁群算法的最优潮流研究

被引:2
作者
陈厚合 [1 ]
吕志远 [2 ]
朱景明 [3 ]
机构
[1] 东北电力大学
[2] 烟台供电公司
[3] 长春超高压局
关键词
最优潮流; 混合连续蚁群算法; 动态罚函数;
D O I
10.19718/j.issn.1005-2992.2009.06.011
中图分类号
TM744 [电力系统的计算];
学科分类号
080802 ;
摘要
提出了基于混合连续蚁群(HCACO)的最优潮流(OPF)计算方法;该方法将蚁群优化算法(ACO)的正反馈特性与实数遗传算法(GA)的进化策略相结合,克服了基本蚁群算法只适用于离散问题的局限性,并提高了寻优的效率,同时采用动态调整罚函数策略,有效提高了算法的全局收敛能力和计算精度,采用优进策略,提高了算法的收敛速度。应用此算法对标准IEEE-30节点测试系统进行最优潮流计算,该算法能够更好地获得全局最优解,仿真结果表明了该算法的合理性和有效性。
引用
收藏
页码:54 / 59
页数:6
相关论文
共 15 条
[1]   含高压直流输电系统的内点最优潮流算法 [J].
江全元 ;
耿光超 .
中国电机工程学报, 2009, 29 (25) :43-49
[2]   基于学习策略的遗传算法在最优潮流中的应用 [J].
余健明 ;
刘恒 ;
王海燕 ;
刘华 .
西安理工大学学报, 2007, (04) :370-374
[3]   改进粒子群优化算法的概率可用输电能力研究 [J].
李国庆 ;
陈厚合 .
中国电机工程学报, 2006, (24) :18-23
[4]   基于改进粒子群算法的可用输电能力研究 [J].
黄海涛 ;
郑华 ;
张粒子 .
中国电机工程学报, 2006, (20) :45-49
[5]   一种基于扩展线性规划的在线最优潮流方法 [J].
李尹 ;
张伯明 ;
赵晋泉 ;
孙宏斌 ;
吴文传 .
电力系统自动化, 2006, (05) :18-23+48
[6]   蚁群算法研究进展 [J].
马军建 ;
董增川 ;
王春霞 ;
陈康宁 .
河海大学学报(自然科学版), 2005, (02) :139-143
[7]   改进遗传算法在无功优化中的应用 [J].
范宏 ;
韦化 .
电力系统及其自动化学报, 2005, (01) :6-9
[8]   电力市场下的最优潮流 [J].
袁贵川 ;
王建全 ;
韩祯祥 .
电网技术, 2004, (05) :13-17
[9]   遗传算法与蚂蚁算法的融合 [J].
丁建立 ;
陈增强 ;
袁著祉 .
计算机研究与发展, 2003, (09) :1351-1356
[10]   静态安全约束下基于Benders分解算法的可用传输容量计算 [J].
默哈莫德·夏班 ;
刘皓明 ;
李卫星 ;
严正 ;
倪以信 ;
吴复立 .
中国电机工程学报, 2003, (08) :8-12