電力系統無功優化的反向優化差分進化算法

馬立新，王守征，呂新慧，屈娜娜
上海理工大學電氣工程系，上海

摘　　　要：電力系統無功優化問題是一個復雜的多目標、多約束、非線性的混合整數優化問題，針對基本差分進化算法易陷入局部較優解、收斂速度慢的缺點，首次引入反向優化差分進化算法應用于解決電力系統無功優化問題。反向優化差分進化算法利用基于反向的優化對種群進行初始化，可以獲得適應度更優的個體，從而加快了收斂速度；根據一定的跳變率，對種群逐代進行動態跳變，增加了種群的多樣性，可以避免算法陷入局部較優解。以系統的有功網損較小為目標函數同時兼顧電壓的合理分布，對ＩＥＥＥ�玻保垂濣c系統進行了無功優化仿真計算，并與其他優化算法進行了比較，結果表明該算法具有較強的全局尋優能力，且收斂速率較快，收斂精度高，魯棒性好，可較好地解決電力系統無功優化問題。

關　鍵　詞：電力系統；無功優化；反向優化差分進化算法

１　引　言
無功優化（ＲｅａｃｔｉｖｅＰｏｗｅｒＯｐｔｉｍｉｚａｔｉｏｎ，簡寫為ＲＰＯ）是實現電力系統無功功率的優化調度與控制，保證電力系統安全經濟運行的重要舉措。差分進化算法（ＤｉｆｆｅｒｅｎｔｉａｌＥｖｏｌｕｔｉｏｎ，ＤＥ）是一種基于群體智能的啟發式優化算法［１］，操作簡單，有較強的全局收斂性，適用于解決一些復雜的優化問題。近年來，ＤＥ及其改進算法已應用到ＲＰＯ問題的研究中［２�玻矗荨５�ＤＥ算法也存在易過早收斂而陷入局部較優且收斂速度較慢的缺點，又由于ＲＰＯ問題是一個復雜的多目標、多約束、非線性的混合整數優化問題，迄今還未有適合于解決ＲＰＯ問題的較好的ＤＥ改進算法問世。本文將一種新型的具有高效率全局搜索能力的反向優化差分進化算法（Ｏｐｐｏｓｉｔｉｏｎ�玻拢幔螅澹洌模椋妫妫澹颍澹睿簦楠玻幔欤牛觯铮欤酰簦椋铮睿�簡寫為ＯＤＥ）［５］應用于ＲＰＯ問題的研究中。通過對ＩＥＥＥ１４節點系統進行仿真計算，并與基本ＤＥ算法、粒子群優化算法（ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）及其他算法結果進行比較，驗證了該算法的可行性和有效性。

登錄網站后可下載文件

相關閱讀:

• ...2012/03/27 10:13·電力系統非線性切換勵磁控制
• ...2012/03/21 13:44·電力系統無功優化的柯西粒子群算法
• ...2010/08/23 16:11·使用LabVIEW和CompactRIO快速原型測量系統用于檢測電力系統中的高頻瞬變