基于粒子群体优化算法的电力系统无功优化研究

电力系统调度和管理的中心任务是保证电网安全、可靠和经济运行，持续不断的、高质量的电力供应已经成为现代社会经济生活的迫切需求。电压质量是电能质量的重要指标之一，无功潮流分布是否合理，直接决定了电压质量的好坏，这不仅关系到电力系统向电力用户提供电能质量的优劣，而且还直接影响电网自身运行的安全性和经济性。进行无功优化是确保电力系统安全性、提高供电质量和经济效益的有效措施。 电力系统无功优化属于非线性优化范畴，具有多目标、多控制变量、多约束条件、连续和整型变量混杂以及不确定性等特点。常规的数学规划方法在处理此类问题时有较大的局限性。本文对粒子群优化算法及其在电力系统无功优化中的应用进行了深入研究，提出了新的解算思路和方法。基于进化计算理论、模糊集理论等技术，提出了自适应粒子群优化算法和模糊自适应粒子群优化算法；将所提出的改进粒子群优化算法应用于无功优化，并提出了考虑安全性和经济性的多目标无功优化模型；基于协同进化理论，探索了大规模系统的无功优化模型及其解算方法。 对粒子群优化算法的寻优机理及算法的控制参数进行了深入的研究和探讨，提出了自适应粒子群优化（APSO）和模糊自适应粒子群优化（FAPSO）两种改进算法。APSO算法是在PSO算法基础上，根据各参数与粒子群适应值的关系，引入启发式规则，使各参数随求解问题的不同在寻优过程中自适应地变化，以便获得最优解。由于APSO算法在优化过程中，有新粒子产生，跳出局部最优解的能力更强，更有可能在整个解空间中达到全局最优。在PSO算法和APSO算法的基础上，进一步发展为用模糊规则动态地调整算法中的三个主要参数：惯性权值ω、学习系数c1及c2，采用模糊控制器对其进行模糊优化控制，形成FAPSO算法。从理论与实际应用方面探讨了PSO算法的动态寻优机理，在有效地控制算法寻优过程、提高算法搜索技术的合理性、提高算法的效率等方面提供了系统性方法。 提出了基于自适应粒子群优化算法的电力系统无功优化方法。针对无功优化问题，在粒子的构造、等式约束与不等式约束的处理以及适应度函数的选取等方