基于自学习迁移粒子群算法及高斯罚函数的无功优化方法

• 作者: 李世春 游佳斌 肖永 邓长虹 马庆
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 云模型 迁移操作 粒子群优化算法 高斯罚函数 无功优化
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 电力系统
• 页码范围: 3341-3346
• 页数: 6页
• 分类号: TM721
• 字数: 5744字
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2014.12.011

摘要

针对粒子群算法在求解无功优化问题时存在早熟收敛,易陷于局部最优的现象,提出了自学习迁移粒子群算法(self-learning migration particle swarm optimization,SLMPSO).该算法在采用混沌序列对粒子群进行初始化操作,基于云模型理论的X-条件云发生器对粒子的惯性权重进行自适应调整的基础上,引入一种迁移操作,以引导全局最优粒子的飞行方向,解决粒子群后期朝单一进化方向进化的问题,有效地增强了算法的全局寻优能力.针对电力系统无功优化中的离散变量归整问题,首先将离散变量完全化为连续变量进行迭代求解,在寻求至全局最优解后引入高斯罚函数对离散变量进行归整操作.以网损和电压偏离最小为目标,对IEEE标准30节点算例进行仿真计算,验证了所提算法的有效性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓长虹	武汉大学电气工程学院	57	1057	19.0	31.0
2	肖永		10	69	5.0	8.0
3	马庆	武汉大学电气工程学院	6	43	2.0	6.0
4	李世春	武汉大学电气工程学院	5	101	4.0	5.0
5	游佳斌	武汉大学电气工程学院	2	36	2.0	2.0