电力系统无功优化的反向优化差分进化算法

2012年03月07日11:23:11 本网站我要评论(2)字号：T | T | T

马立新，王守征，吕新慧，屈娜娜
上海理工大学电气工程系，上海

摘　　　要：电力系统无功优化问题是一个复杂的多目标、多约束、非线性的混合整数优化问题，针对基本差分进化算法易陷入局部较优解、收敛速度慢的缺点，首次引入反向优化差分进化算法应用于解决电力系统无功优化问题。反向优化差分进化算法利用基于反向的优化对种群进行初始化，可以获得适应度更优的个体，从而加快了收敛速度；根据一定的跳变率，对种群逐代进行动态跳变，增加了种群的多样性，可以避免算法陷入局部较优解。以系统的有功网损较小为目标函数同时兼顾电压的合理分布，对ＩＥＥＥ１４节点系统进行了无功优化仿真计算，并与其他优化算法进行了比较，结果表明该算法具有较强的全局寻优能力，且收敛速率较快，收敛精度高，鲁棒性好，可较好地解决电力系统无功优化问题。

关　键　词：电力系统；无功优化；反向优化差分进化算法

１　引　言
无功优化（ＲｅａｃｔｉｖｅＰｏｗｅｒＯｐｔｉｍｉｚａｔｉｏｎ，简写为ＲＰＯ）是实现电力系统无功功率的优化调度与控制，保证电力系统安全经济运行的重要举措。差分进化算法（ＤｉｆｆｅｒｅｎｔｉａｌＥｖｏｌｕｔｉｏｎ，ＤＥ）是一种基于群体智能的启发式优化算法［１］，操作简单，有较强的全局收敛性，适用于解决一些复杂的优化问题。近年来，ＤＥ及其改进算法已应用到ＲＰＯ问题的研究中［２４］。但ＤＥ算法也存在易过早收敛而陷入局部较优且收敛速度较慢的缺点，又由于ＲＰＯ问题是一个复杂的多目标、多约束、非线性的混合整数优化问题，迄今还未有适合于解决ＲＰＯ问题的较好的ＤＥ改进算法问世。本文将一种新型的具有高效率全局搜索能力的反向优化差分进化算法（ＯｐｐｏｓｉｔｉｏｎＢａｓｅｄＤｉｆｆｅｒｅｎｔｉａｌＥｖｏｌｕｔｉｏｎ，简写为ＯＤＥ）［５］应用于ＲＰＯ问题的研究中。通过对ＩＥＥＥ１４节点系统进行仿真计算，并与基本ＤＥ算法、粒子群优化算法（ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）及其他算法结果进行比较，验证了该算法的可行性和有效性。

登录网站后可下载文件

电力系统无功优化的反向优化差分进化算法

相关阅读: