论文研究-改进混沌PSO算法的电力系统最优潮流计算.pdf

所需积分/C币:50 2019-09-12 23:19:49 600KB .PDF
收藏 收藏
举报

电力工业的市场化改革对最优潮流(Optimal Power Flow,OPF)的计算精度和速度提出了更高的要求。在分析最优潮流理论及其算法的基础上,对比一些经典解算法,引入粒子群优化算法(PSO)来计算发电厂成本耗费问题。考虑到传统PSO算法处理OPF约束条件时,对随机粒子个体的质量和速度的选取不能保证,且收敛速度慢,并容易陷入局部最优解,提出改进的混沌粒子群算法,即利用混沌运动特性来改进粒子群算法。利用该算法与其他算法对IEEE5节点算例进行分析比较,结果表明改进的混沌微粒群优化算法可较好处理最优潮流约束条件,有效提高了PSO算法的全局收敛能力和计算精度。在处理最优潮流问题上具有一定的有效性
赵志学,罗可,唐江桦:改进混沌PSO算法的电力系统最优潮流计算 2009,45(25)207 表2最优化结果 变量 P4 4 Q5 V2 V3 V4 下限 0.9 0.9 0.9 0.9 0.9 上限 内点法550561.77802.15682.61940.8031.0910.9711.0560.990 混沌PSO540181.91252.20232.27460.9301.0991.7051.0561.091 方法 内点法 基本PSO 混沌PSO 成本/美元 7703.19 770142 769867 While(迭代次数看<规定迭代次数n)do 目标值与迭代次数曲线 For i=l:m 10000 步骤4按式(11),更新粒子速度,并把它限制在Vm内。 9500 根据式(14)产生1=(un1,H12,…,μun),=4(1-),(j=1,2, 9000 n),将u1的各个分量在波导混沌扰动范围[-β,B内,扰动量 △x=(△x1,…,△xn)为△x=-B+2u101;x+=x+D+1;x'+=x+ 8500 D++△x,计算这两个位置的适应值f和f。若f"<f,则x=xk 8000 End for 7500 0102030405060708090100 步骤5k=k+1,计算第i个粒子的适应值f。若粒子的适应 迭代次数 值优于原来的个体极值,设置当前适应值为个体极值p/ bestia, 图2混沌粒子群收敛特性 设置当前位置为个体极值位置 pxbestiu。根据各个粒子的个体 极值p/best,找出全局极值 gfbesth和全局极值位置 grest 机运行成本随迭代次数收敛情况,在迭代10次左右即可收敛 End while 得到满意的解。 输出全局极值和全局极值位置 利用混沌运动的特性,对基本粒子群算法及早收敛的不足 进行了改进。从表2的结果可知,算法能更好地求解出更加合 4算例分析 理的发电机有功功率,从而更加准确地计算出发电公司最低燃 为了验证改进算法对约束条件处理的有效性和优越性,算料成本耗费,发电公司能够得到更大的利益。 例采用IEEE5节点简单模型系统进行分析比较,如图1所 示。线路的传输功率边界,发电机有功功率(无功功率)上下界5结束语 和发电成本消耗曲线参数(燃料消费曲线用有功功率变量标幺 混沌粒子群算法作为一种新型的智能优化算法,能够有效 值)见表1、表2。数据以标幺值形式给出,功率基准为100mW 地处理含等式和不等式约束的非线性优化问题,同时不需要模 母线电压上下界为1.1和0.9。 型可导的条件,算法简单,鲁棒性好,可维护性强。将混沌粒子 群算法应用到OFF问题中,成功处理了潮流计算中大量不等 41:1.052 31.05:15 0.08+j0.30 式约東条件,提高了算法的收敛能力。算例结果表明,混沌粒子 G4j0.15 j0.2 G5 群算法能够较快地收敛到仝局最优解,具有一定的应用价值 025×0.04+0.25 0.1+10.35 参考文献: 0.25 ]刘明波,段晓军.一种求解多目标最优潮流的模糊优化算法门电网 1.6+j0.8 技术,1999(9) 图1简单模型系统 2]陈恳直角坐标牛顿-拉夫逊法潮流计算新解法门电力系统及其自 表1发电机参数 动化学报,1999,11(4):66-69 「3]赵冬梅,卓峻峰电力系统最优潮流算法综述门现代电力,2002. 发电机每线有功功率有功功率 燃料成本耗费用参数 (标幺值)(标幺值) 「4]刘明波,王晓村内点法在求解电力系统优化问题中的应用综述J 序列号号码 上界下界上界下界二次系数一次系数常数 电网技术,1999(8) 3-350.4359200433512006485[5袁晓辉,王乘,张勇,等粒子群优化算法在电力系统中的应用J电 2 5-2.1200.55500.7461857.201 网技术,2004,28(19):14-18 最优潮流程序在2.0 GHz Pentium4PC机上用 Matlab [6] Kennedy J, Eberhart RParticle swarm optimization [C]/proceedings of ieee International Conference on Neural Network perth 7.0.1编译实现。参数设置:ω灬=0.9,On=0.4,微粒数目n=20,学 Australia,1995:1942-1948 习因子c1=c2=2。所得最优化结果与比较如表2所示。 [7 Eberhart R C, Shi Y Comparing inertia weights and constriction 由表2可以看出,应用内点法时的成本为$7703.19,应用 actors in particle swarm optimization[C]//Proc of the IEEE Conf 基本粒子群算法时的成本$7701.42,而应用混沌粒子群算法计 on Evolutionary Computation, 2000: 84-88 算优化结果成本$769867,可知混沌离子群算法优化效果更181赵冬梅,卓峻峰电力系统最优潮流算法综述门现代电力,20,19 好;而且满足系统11个不等式的约束条件。基本粒子群算法在 (3):28-34 迭代第7次左右达到平衡;而图2为混沌粒子群算法时,发电 (下转211页)

...展开详情
试读 3P 论文研究-改进混沌PSO算法的电力系统最优潮流计算.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
抢沙发
一个资源只可评论一次,评论内容不能少于5个字
weixin_38744153 欢迎大家使用并留下宝贵意见
2019-09-12
  • 至尊王者

    成功上传501个资源即可获取
关注 私信 TA的资源
上传资源赚积分or赚钱
最新推荐
论文研究-改进混沌PSO算法的电力系统最优潮流计算.pdf 50积分/C币 立即下载
1/3
论文研究-改进混沌PSO算法的电力系统最优潮流计算.pdf第1页

试读结束, 可继续阅读

50积分/C币 立即下载 >