基于自適應(yīng)變異擾動粒子群算法電力系統(tǒng)無功優(yōu)化研究

1、基于自適應(yīng)變異擾動粒子群算法電力系統(tǒng)無功優(yōu)化研究緒論自適應(yīng)變異擾動粒子群算法 基于AMDPSO的無功優(yōu)化結(jié)論與展望主要內(nèi)容主要內(nèi)容1緒論F 課題研究的意義F 無功優(yōu)化的研究現(xiàn)狀F 粒子群算法的研究現(xiàn)狀2.1 PSO基本原理基本原理 粒子群算法源于鳥群的覓食過程，基于個體間的協(xié)作實(shí)現(xiàn)搜索空間中的尋優(yōu)。在PSO中，每一個粒子均為問題的一個可行解。在可行解空間中，經(jīng)多粒子共同合作逐代搜索最優(yōu)解，最后所有的粒子都會聚集在全局最優(yōu)的位置上。2自適應(yīng)變異擾動粒子群算法AMDPSOF PSO基本原理F 改進(jìn)的自適應(yīng)變異擾動粒子群算法AMDPSOF 算例仿真及結(jié)果分析 xy適應(yīng)度值maxmin搜索空間搜索空間

2、2.1 PSO基本原理基本原理 xy適應(yīng)度值maxmin2.1 PSO基本原理基本原理搜索空間搜索空間 xy適應(yīng)度值maxmin2.1 PSO基本原理基本原理搜索空間搜索空間 xy適應(yīng)度值maxmin2.1 PSO基本原理基本原理搜索空間搜索空間 xy適應(yīng)度值maxmin2.1 PSO基本原理基本原理搜索空間搜索空間 xy適應(yīng)度值maxmin2.1 PSO基本原理基本原理搜索空間搜索空間 xy適應(yīng)度值maxmin2.1 PSO基本原理基本原理搜索空間搜索空間 xy適應(yīng)度值maxmin2.1 PSO基本原理基本原理搜索空間搜索空間2.1 PSO基本原理基本原理 11221ididididgdid

3、vkvkcrpkxkcrpkxk 11 ,1,1idididxkxkvkindD 上一代速度學(xué)習(xí)因子0,1隨機(jī)數(shù)全局最優(yōu)位置gbest個體最優(yōu)位置pbest上一代位置2.1 PSO基本原理基本原理F兩種經(jīng)典的改進(jìn)粒子群優(yōu)化算法 F慣性權(quán)重粒子群優(yōu)化算法(Inertia Weight Particle Swarm Optimization，IWPSO) F收縮因子粒子群算法(Constriction Factor Particle Swarm Optimization，CFPSO) 11221ididididgdidvkvkcrpkxkcrpkxk 222412cc 11221ididididg

4、didvkkvkcrpkxkcrpkxk maxmaxinifinfinkKkK2.1 PSO基本原理基本原理 Schwefels Function1( )() sin() 500500 ( )=418.9829; =420.9687, i=1:n niiiiif xxxxf xnx全局最小值初始化2.1 PSO基本原理基本原理第5次迭代2.1 PSO基本原理基本原理常規(guī)越界處理：強(qiáng)制置回邊界第10次迭代2.1 PSO基本原理基本原理第20次迭代2.1 PSO基本原理基本原理第30次迭代2.1 PSO基本原理基本原理第50次迭代2.1 PSO基本原理基本原理第100次迭代2.1 PSO基本原理

5、基本原理第300次迭代粒子具有趨同性，在搜索后期種群多樣性消失，會陷入局部最優(yōu)2.1 PSO基本原理基本原理2.2改進(jìn)的自適應(yīng)變異擾動粒子群算法加強(qiáng)多加強(qiáng)多樣性樣性加入加入擾動擾動判斷種群判斷種群多樣性多樣性自適應(yīng)自適應(yīng)判據(jù)判據(jù)粒子變粒子變異異 針對粒子群算法易陷入局部最優(yōu)，以粒子群算法為基準(zhǔn)，在位置加入微小擾動。當(dāng)滿足自適應(yīng)條件的時候，則讓粒子以隨機(jī)改變個體最優(yōu)位置某一維上的位置為依據(jù)進(jìn)行變異操作。2.2改進(jìn)的自適應(yīng)變異擾動粒子群算法種群多樣種群多樣性消失性消失 搜索后期會趨于搜索后期會趨于聚集到同一個或聚集到同一個或多個位置上多個位置上加上一個擾動項(xiàng)，以增加上一個擾動項(xiàng)，以增強(qiáng)各粒子之間的

6、多樣性強(qiáng)各粒子之間的多樣性 其中，其中， cm為擾動系數(shù)，其取值為為擾動系數(shù)，其取值為0,1之間的常數(shù)。根據(jù)實(shí)際問題的不同，之間的常數(shù)。根據(jù)實(shí)際問題的不同，cm的取值有所不同的取值有所不同 .max.min11 +()idididmiixkxkvkcxxrand2.2改進(jìn)的自適應(yīng)變異擾動粒子群算法gbest的改變可體現(xiàn)在的改變可體現(xiàn)在pbest的變化上的變化上 設(shè)在第設(shè)在第k次迭代時，次迭代時，f(xi)為粒子當(dāng)前的適應(yīng)值，為粒子當(dāng)前的適應(yīng)值， fbesti為粒子在為粒子在k次迭代內(nèi)找到的個體次迭代內(nèi)找到的個體最優(yōu)值，最優(yōu)值， kmax為迭代總次數(shù)，以為迭代總次數(shù)，以t(i)為每個粒子的變異累

7、加器。在第為每個粒子的變異累加器。在第k+1次迭代時，次迭代時，當(dāng)滿足當(dāng)滿足f(xi) fbesti就認(rèn)為種群的尋優(yōu)過程良好，此時就認(rèn)為種群的尋優(yōu)過程良好，此時 t(i)清零；否則，則視種群清零；否則，則視種群的尋優(yōu)過程不良，多樣性逐漸缺失，此時的尋優(yōu)過程不良，多樣性逐漸缺失，此時t(i)= t(i)+1。粒子逐漸靠近粒子逐漸靠近gbest的位置的位置 尋優(yōu)出現(xiàn)停滯，多尋優(yōu)出現(xiàn)停滯，多樣性缺失樣性缺失 C：t(i)rkmax滿足自適應(yīng)判據(jù)滿足自適應(yīng)判據(jù)尋優(yōu)過程不良，尋優(yōu)過程不良，需進(jìn)行變異處理需進(jìn)行變異處理2.2改進(jìn)的自適應(yīng)變異擾動粒子群算法 .max.min.min()ijiiipkxxxr

8、and當(dāng)上述自適應(yīng)條件滿足時，則第當(dāng)上述自適應(yīng)條件滿足時，則第i個粒子的某一維以其個體最優(yōu)位置為依據(jù)進(jìn)行個粒子的某一維以其個體最優(yōu)位置為依據(jù)進(jìn)行如下變異操作：如下變異操作： 其中，其中，D為維數(shù)為維數(shù)，Pij(k)為第為第i個粒子的第個粒子的第j維在維在k次迭代內(nèi)找到的個體歷史最優(yōu)位次迭代內(nèi)找到的個體歷史最優(yōu)位置，置，rand為為0,1之間的隨機(jī)數(shù)，之間的隨機(jī)數(shù)， ceil(randD)為加入正小數(shù)至為加入正小數(shù)至 randD最近最近的整數(shù)。的整數(shù)。()jceil randD2.2改進(jìn)的自適應(yīng)變異擾動粒子群算法 AMDPSO流程圖2.3性能測試分析2.3性能測試分析搜索位置下的10個測試函數(shù)比

9、較優(yōu)化結(jié)果最優(yōu)值(Best)、均值(Mean)、方差(Std)以及平均時間(Time) 驗(yàn)證AMDPSO優(yōu)化性能與IWPSO、CFPSO兩種算法 比較分析得出結(jié)論2.3性能測試分析三種算法比較試驗(yàn)種群個數(shù)設(shè)置： n=int(10+2 )最大迭代次數(shù)：300擾動系數(shù)：cm=0.4變異系數(shù)：r=0.01加速因子：2ini，fin ：0.9，0.4收縮因子：0.729測試函數(shù)的維數(shù)：30D 2.3性能測試分析 2.3性能測試分析2.3性能測試分析2.3性能測試分析2.3性能測試分析AMDPSO的優(yōu)化結(jié)果均優(yōu)于其他兩種算法AMDPSO的收斂速度（除f8外）均優(yōu)于其他兩種算法，但還不能很好滿足精度要求A

10、MDPSO：較強(qiáng)的優(yōu)化性能與較快的收斂速度，較好保持種群多樣性 3 基于基于AMDPSO的的無功優(yōu)化分析無功優(yōu)化分析F 建立無功優(yōu)化模型F 基于AMDPSO的無功優(yōu)化F 算例仿真及結(jié)果分析3.1 建立無功優(yōu)化模型建立無功優(yōu)化模型無功優(yōu)化功率約束方程 變量約束條件 目標(biāo)函數(shù) 控制變量 狀態(tài)變量 發(fā)電機(jī)電壓 變壓器分接頭檔位 各節(jié)點(diǎn)電壓發(fā)電機(jī)無功出力無功補(bǔ)償量 構(gòu)成PSO中粒子各維的位置11cossinsincosBBNiijijijijijjNiijijijijijjPVV GBQVV GB經(jīng)濟(jì)目標(biāo)電壓水平電壓穩(wěn)定：提高電壓穩(wěn)定裕度；無功成本：動作次數(shù)3.1 建立無功優(yōu)化模型建立無功優(yōu)化模型以系

11、統(tǒng)網(wǎng)損最小為無功優(yōu)化的目標(biāo)函數(shù)并建立數(shù)學(xué)模型：22m in(2cos)ijijijijiNjIFGVVV V3.2 基于基于AMDPSO的無功優(yōu)化的無功優(yōu)化 基于AMDPSO的無功優(yōu)化流程：3.3 實(shí)實(shí)例仿真與分析例仿真與分析實(shí)例1：IEEE 14節(jié)點(diǎn)系統(tǒng)的無功優(yōu)化種群個數(shù)設(shè)置： 50最大迭代次數(shù)：50擾動系數(shù)：cm=0.05變異系數(shù)：r=0.06加速因子：2ini，fin ：0.9，0.4收縮因子：0.729離散變量處理：取最靠近檔位GGGGG16711109854321312143.3 實(shí)例仿真與分析實(shí)例仿真與分析AMDPSO具有更好的收斂穩(wěn)定性3.3 實(shí)例仿真與分析實(shí)例仿真與分析但需指出的是，相比第二部分的性能測試實(shí)驗(yàn)，AMDPSO在無功優(yōu)化問題中所展示出的優(yōu)勢并不明顯，這主要是因?yàn)闊o功優(yōu)化問題中具有離散變量以及維數(shù)不高。 AMDPSO表現(xiàn)一般，最佳優(yōu)化結(jié)果一樣，其他指標(biāo)稍優(yōu)于另兩種算法4 總結(jié)與展望總結(jié)與展望 總結(jié)：(1)對PSO以及無功優(yōu)化的研究現(xiàn)狀作出了較為詳細(xì)的綜述，并說明了兩者的研究意義。(2)針對PSO在尋優(yōu)時容易陷入局部最優(yōu)的缺點(diǎn)，提出了改進(jìn)的自適應(yīng)變異擾動粒 子 群 算 法A M D P S O。 并 通 過