基于粒子群算法改进的电力系统

许 亮

（江苏省电力公司检修分公司,211102）

基于粒子群算法改进的电力系统

许 亮

（江苏省电力公司检修分公司,211102）

本文针对传统粒子群算法自实际应用中出现速度缓慢及局部最优解等等问题，提出了一种改进粒子群算法，并且将其应用在电力系统中，希望能够解决电力系统所存在的例如无功优化等问题中。改进后的粒子群算法在实际应用中收敛速度更加合理，能够有效保证种群的多元性，有效解决传统粒子群所存在的局部最佳解问题。

电力系统；无功优化；粒子群算法；信息分享策略

0　前言

粒子群算法在基于群体智能所形成的一种优化算法，这种算法在实际应用中更加容易操作，并且需要人为调节的参数有限，现在已经广泛应用在函数优化问题解答中。近几年，粒子群算法已经应用在解决电力系统问题中，但是由于粒子群算法在应用过程中容易出现局部最佳解并且收敛速度较为缓慢，再加上粒子群算法自身十分复杂，造成粒子群算法在解决电力系统问题上面一直没有取得良好的效果。

1　无功优化的数学模型

本文在对于基于粒子群算法改进的电力系统研究中，就要电力系统无功优化作为研究对象，分析出改进后的粒子群算法在电力系统应用中的可能性与有效性。

无功优化数学模型主要包括三方面的内容，分别是目标函数、潮流约束条件与变量约束条件，正常情况下无功优化数学模式表示为：

数学方程式中的u表示的是控制变量，其中包括电力系统所具有的无功补偿容量、电压幅值等等变量数值；x表示的是电力系统状态变量，例如发动机所作出的无功出力。

1.1目标函数

要是从经济方面研究而言，电力系统运输需要受到安全条件的约束，这样电力系统所损耗功率也就最小。正是将电力系统节点考虑在内，也即是节点对于电力系统电压及发电机无功出力的约束，将惩函数应用在目标函数中。

针对电力系统无功优化问题的特征，本文使用的是以下这种方式的适应度函数：

方程式中的X表示的是电力系统控制变量，M表示的是电力系统所能够承受的最大数值，f表示的是目标函数数值。

1.2潮流约束条件

电力系统中在进行变压器接头调节及无功补偿确定上面，都需要满足潮流方程式。

方程式中的Pgi和Qgi表示的分别是电力系统节点i分别在有功与无功下的数值，Pdi和Qdi表示的分别是电力系统节点i分别在有功与无功状态下的负荷情况，B表示的是节点i与j之间的电压差值，N0表示的是节点总数。

1.3变量约束条件

变量约束条件主要是对于电力系统中的控制变量与状态变量进行约束，方程式为：

方程式中的Ng表示的是电力系统可调发电机节点个数，NT表示的是电力系统有载调压变压器节点数，NC表示的是电力系统无功补偿装置节点个数，Vgi表示的是电力系统发电机极端电压，Ti表示的是电力系统有载调压变压器的变比，Qci表示的是电力系统无功补偿装置所具有的容量。

2　基于粒子群算法改进的电力系统基本原理

2.1粒子群算法

粒子群算法自实际应用将每一个个体全部都归纳在搜索空间内，将其变成没有体积和重量的粒子，该粒子在搜索空间内按照一定速度运动，将个体看做目标函数，进而计算出粒子在搜索空间内的适应度。粒子在搜索空间内运动速度是由粒子最佳位置与群体最佳位置共同决定。

在对于粒子运动速度研究可以发现，都可以将粒子运动影响因素分为三种，首先就是粒子现在运动速度对于利于运动的影响，其次就是粒子个人所具有的经验，最后就是整个群体对于粒子运动造成的影响。粒子就是通过对于这三个影响因素的分析，逐渐改变自身运动速度。

2.2粒子群算法改进的电力系统

传统粒子群算法在实际应用中最为显著问题就是，容易造成局部最佳解的出现。由于搜索空间内每一个粒子运动都是根据自身与群体来不断调整自身的运动轨迹与速度，如果要是粒子出现局部最佳接，那么整个群体计算就会进入陷入到局部的僵局中。本文通过对于粒子群算法三个影响因素的改进，让粒子在运动过程中，根据信息分享速度更改运动速度，将感染因素的位置及时更新，进而保证群体的多元化，提高计算收敛速度。

3　基于粒子群算法改进的电力系统无功优化

电力系统在实际运行过程中，发电机极端所需要承受的电压需要不断变化，变压器接头与无功补偿装置需要按照电力系统实际运行情况进行长递与投切的变换。根据控制变量在电力系统运行过程中所呈现的离散兼并的特征，将混合编码方式应用到粒子群算法张。电力系统无功优化过程中，需要在一定限制条件下开展，根据粒子群算法所获得的粒子运动最佳位置，能够获得一个全新的个体，在通过适应度对个体进行分析，选择出最好的个体，进而保证粒子群算法答案的最佳。

粒子群算法在应用在电力系统无功优化问题过程中步骤为：首先需要将电力系统无功优化有关参数及粒子的限制条件输入到粒子群算法系统中，其次随机选择一个种群，作为初始种群，进而将每一个粒子适应度与潮流全部计算出来，对于每一个粒子适应度进行评价，更新粒子所处位置，最后判断计算过程是否满足开始输入到电力系统无功优化所具有的限制条件，要是满足有关限制条件，计算得出的结果就是电力系统无功优化最佳解，要是不满足有关限制条件，计算得出的结果就不是电力系统无功优化最佳解，需要根据对于计算有关数据重新检验，找到计算错误点，纠正之后，在对电力系统无功优化问题进行计算。

4　结论

本文对于传统粒子群算法在实际应用中所存在的收敛缓慢及出现局部最佳解等问题，对于粒子群算法进行了改进，并且在电力系统中应用。改进后的粒子群算法自实际应用中优化效果更佳显著，完全符合电力系统对于算法的要求。

[1]李红升.基于粒子群算法改进电力信息系统的安全研究[J].科技通报,2013,04:158-160.

[2]卢锦玲,苗雨阳,张成相,任惠.基于改进多目标粒子群算法的含风电场电力系统优化调度[J].电力系统保护与控制,2013,17:25-31.

[3]陈雁,孙海顺,文劲宇,程时杰,黄靖.改进粒子群算法在船舶电力系统网络重构中的应用[J].电力自动化设备,2011,03:29-34+39.

[4]陈海良,郭瑞鹏.基于改进离散粒子群算法的电力系统机组组合问题[J].电网技术,2011,12:94-99.

Improved power system based on particle swarm optimization algorithm

Xu Liang
（Jiangsu electric power company maintenance branch,211102）

In this paper,the traditional particle swarm algorithm used in slow speed and local optimal solution and so on,put forward a kind of improved particle swarm optimization algorithm,and its application in power system,hope to be able to solve the existing power system for reactive power optimization problems.The improved particle swarm optimization algorithm is more reasonable in practical application, which can effectively guarantee the diversity of population,and effectively solve the problem of local optimal solution in traditional particle swarm optimization.

power system;reactive power optimization;particle swarm optimization;information sharing strategy