文档介绍：Technology 技术纵横
文献标识码:B 文章编号:1003-0492(2012)12-0100-04 中图分类号:TP18
徐志成,钱金法(常州机电职业技术学院,江苏常州 213164)
基于改进微分进化算法的电力系统无功优化
Reactive Power Optimization in Power System based on Differential Evolution Algorithm
摘要:针对配电网网架规划问题,在基本微分进化算法基础上,引入改进机值的函数,以上几种方法都是基于单点的搜索方法,很容易由于
制,提出一种基于改进微分进化算法的电力系统无功优化算法。新算法通过初始点的选取不当而陷入局部极值区。
参考粒子群算法惯性权重思想,引入惯性加权系数,在计算初期能够维持近年来,遗传算法、免疫算法等现代启发式寻优方法在无功
个体的多样性,后期能够加快算法的收敛速度,提高了微分进化算法的性
优化方面做了大量的研究[1-4],弥补了传统数学方法的不足。基于
能。将该算法应用于电力系统无功优化中,仿真结果表明:使用该算法优
遗传算法的无功优化方法有许多优良特性,能找到近似的全局最
化的网损平均值更低,寻优性能更好,优化的网损值集中在较小的区间。
[3-5]
关键词:微分进化;粒子群算法;无功优化优解。但是该算法缺点是计算时间长,很难满足实际运行的需
要,其主要原因是遗传算法局部搜索能力差,容易出现早熟而收
Abstract: To address the problem of the work optimal planning, 敛到局部最优解[5-7]。采用自适应等改进的遗传算法可以改善算法
a Modified Differential Evolution (MDE) algortihm is proposed for realizing
性能[5-6],但并没有完全解决这些问题,目前的遗传算法仍然存在
linear system approximation. The modified algorithm introduces an inertia
计算速度慢的问题。加快算法的收敛速度,改善算法解的质量是
scaling factor, which can dynamically maintain the diversity of the individuals
at early stages and quicken convergence speed of the algorithm at later stages. 目前研究的重点。
Thus the performance of DE algotihm is improved. The algorithm is used to the 学者Stron和Price针对实参数优化问题提出了微分进化
reactive power optimization in power system. Simulation results show that the
(differential evolution)算法[7-10],其主要特点是收敛速度快、可调参
average trans