【摘 要】本文將三種改進(jìn)粒子群算法（自適應(yīng)權(quán)重粒子群算法、二階振蕩粒子群算法、混沌粒子群算法）應(yīng)用到配電網(wǎng)無功優(yōu)化配置問題上，對三種算法進(jìn)行分析對比，通過對IEEE33節(jié)點(diǎn)算例無功優(yōu)化，得出了混沌粒子群算法在解決無功優(yōu)化配置問題上優(yōu)化效果較好。

【關(guān)鍵詞】粒子群算法 配電網(wǎng) 無功優(yōu)化

一、引言

隨著各地區(qū)負(fù)荷的逐年增加，加強(qiáng)電能質(zhì)量和節(jié)能損耗管理已成為國家政策重要的一部分，降低電網(wǎng)的網(wǎng)絡(luò)損耗、提高電能質(zhì)量正是其中的一個(gè)重要突破口[1]。為了有效的降低網(wǎng)損改善電壓質(zhì)量，在節(jié)點(diǎn)處進(jìn)行無功補(bǔ)償，對配網(wǎng)進(jìn)行無功優(yōu)化，是常用手段之一。鑒于此，許多學(xué)者在配電網(wǎng)無功優(yōu)化配置方面做了大量的研究工作：文獻(xiàn)[2]采用混合粒子群算法并對IEEE30和IEEE57節(jié)點(diǎn)系統(tǒng)進(jìn)行了仿真；文獻(xiàn)[3]采用模糊自適應(yīng)粒子群優(yōu)化算法來解決多目標(biāo)無功優(yōu)化問題。

二、三種改進(jìn)粒子群算法

（一）粒子群優(yōu)化算法

PSO算法是一種基于種群的啟發(fā)式尋優(yōu)算法，通過粒子間的信息共享和個(gè)體自身尋優(yōu)經(jīng)驗(yàn)來修正個(gè)體行動策略，最終求取優(yōu)化問題的解[4]，如圖1所示。

圖1粒子群算法原理圖

PSO算法首先在解空間（假設(shè)為D維）中隨機(jī)初始化一群粒子，對于種群中的第i（i=1，2，…，s，…，S）個(gè)粒子，位置與速度分別表示為xi=（xi1，…，xid，…，xiD）和vi=（vi1，…，vid，…，viD）。歷次搜索過程中粒子i找到的個(gè)體最佳位置記作Pbesti，所有粒子找到的最佳位置記作Gbest。

（二）自適應(yīng)權(quán)重粒子群算法

為了平衡PSO算法的全局搜索能力和局部改良能力，當(dāng)粒子適應(yīng)度大于平均適應(yīng)度時(shí)采用最大慣性權(quán)重，當(dāng)粒子適應(yīng)度小于平均適應(yīng)度時(shí)，采用線性變化的慣性權(quán)重，使得粒子群達(dá)到自適應(yīng)能力。

（三）二階振蕩粒子群算法

為了改善粒子群算法的全局收斂性，可以對粒子速度進(jìn)行更新時(shí)采用二階振蕩公式，引入阻尼系數(shù)，在粒子群前期搜索過程，采用欠阻尼模式，增大超調(diào)量提高粒子群全局搜索能力，在粒子群搜索后期，采用過阻尼模式，粒子速度趨于穩(wěn)定。

（四）混沌粒子群算法

混沌粒子群算法是混沌優(yōu)化和粒子群優(yōu)化兩者的結(jié)合?；煦缌Ｗ尤核惴ǖ牟襟E可以歸結(jié)如下：

1.隨機(jī)初始化種群速度和位置；

2.評價(jià)各粒子適應(yīng)度，存儲各粒子歷史最優(yōu)位置，和所有粒子中歷史最優(yōu)位置；

3.更新粒子速度和位置；

4.保留粒子中適應(yīng)值最好的20%的粒子；

5.對（4）中的20%的粒子進(jìn)行混沌搜索，并更新粒子的個(gè)體最優(yōu)值和集體最優(yōu)值；

6.若滿足迭代次數(shù)或計(jì)算精度則停止搜索，否則進(jìn)行（7）；

7.以集體最優(yōu)粒子為中心收縮搜索區(qū)域；

8.在收縮后的搜索區(qū)域產(chǎn)生剩余的80%的微粒，轉(zhuǎn)（2）；

三、無功優(yōu)化數(shù)學(xué)模型

本文以配電網(wǎng)有功損耗最小，電壓合格率最高，補(bǔ)償位置最優(yōu)，補(bǔ)償容量成本最低建立目標(biāo)函數(shù)，因此該優(yōu)化問題是一個(gè)多目標(biāo)、離散與連續(xù)變量共存的優(yōu)化問題，目標(biāo)函數(shù)見公式（5）、（6）。

四、仿真分析

利用Matlab編程語言，進(jìn)行編程，潮流計(jì)算采用前推回代方法計(jì)算，采用IEEE33節(jié)配電系統(tǒng)進(jìn)行仿真。4次優(yōu)化結(jié)果如圖2所示。

五、結(jié)論

混沌粒子群算法4次優(yōu)化結(jié)果目標(biāo)函數(shù)值均比較低，而二階振蕩粒子群優(yōu)化算法和混沌粒子群優(yōu)化算法則相對較高，說明二階振蕩粒子群優(yōu)化算法和二階振蕩粒子群優(yōu)化算法均出現(xiàn)了“早熟”現(xiàn)象。由于混沌粒子群優(yōu)化算法，局部進(jìn)行混沌遍歷搜索，保證了粒子克服局部最優(yōu)解的能力，因此在三種粒子群優(yōu)化算法中，混沌粒子群優(yōu)化算法占有一定的優(yōu)勢。

參考文獻(xiàn)：

[1] 張立群.基于混沌優(yōu)化魚群算法的配網(wǎng)無功優(yōu)化[J].水電能源科學(xué)，2013，31（6）：222-224.

[2] Subbaraj.P，Rajnarayanan.P.N.Hybrid particle swarm optimization based optimal reactive power dispatch[J].International Journal of Computer Applications，2010，1（5）：65-70.

[3] Wang xiao-hua，Zhang yong-mei.Multi-Objective Reactive Power Optimization Based On The Fuzzy Adaptive Particle Swarm Algorithm[C]. Procedia Engineering，ELSEVIER，16（2011）： 230-238.

[4] 劉衍民.粒子群算法的研究及應(yīng)用[D].濟(jì)南：山東師范大學(xué)，2011.

[5] 龔純，王正林.精通MATLAB最優(yōu)化計(jì)算（第二版）[M].電子工業(yè)出版社，2012.