基于粒子群的差分花朵授粉算法的无功优化
发布时间：2022-01-02 13:54
电力系统无功优化,是确保电力系统安全、经济运行的一个有效处理手段,其主要目的是为了改善电压质量和减少电力线路的有功网损。电力系统无功优化问题包含对控制变量和状态变量的调节,是一个复杂的、非线性混合整数规划问题。针对于传统粒子群算法收敛速度和收敛精度方面的缺陷与不足,文章提出基于粒子群的差分变异花朵授粉算法（DFPA-PSO）。该算法融入花朵授粉算法中的全局搜索和局部搜索过程和差分算法中的变异操作。拓宽粒子搜索区域的同时,还增加粒子的多样性。将该算法应用于IEEE-14节点的标准测试电力系统中,综合考虑有功网损、电压偏移和电压稳定裕度三目标优化模型,将实验结果与其他算法进行相比较,明显看出该算法的寻优能力强,收敛速度优于其他算法,有功网损也有所降低,鲁棒性好,从而证明了本算法的优越性。
【文章来源】：控制工程. 2019,26(04)北大核心CSCD
【文章页数】：6 页
【部分图文】：
图２?ＩＥＥＥ－１４节点系统电压偏差??Ｆｉｇ．?２?ＩＥＥＥ－１４?ｎｏｄｅ?ｓｙｓｔｅｍ?ｖｏｌｔａｇｅ?ｄｅｖｉａｔｉｏｎ??
．１２６??０．１２４??０．１２２??１０??２０??３０?４０?５０??迭代次数ｎ／次??６０??７０?８０??图１?ＩＥＥＥ－１４节点系统有功网损??Ｆｉｇ．?１?ＩＥＥＥ－１４?ｎｏｄｅ?ｓｙｓｔｅｍ?ａｃｔｉｖｅ?ｐｏｗｅｒ?ｌｏｓｓ??０?１０?２０?３０?４０?５０?６０?７０?８０??迭代次数Ｗ次??图２?ＩＥＥＥ－１４节点系统电压偏差??Ｆｉｇ．?２?ＩＥＥＥ－１４?ｎｏｄｅ?ｓｙｓｔｅｍ?ｖｏｌｔａｇｅ?ｄｅｖｉａｔｉｏｎ??系统运行电压稳定裕度图，如图３所示。??ＤＦＰＡ－ＰＳＯ算法将近５５代左右才收敛，虽然比??ＰＳＯ算法慢了几代．??但是在迭代到１２次左右时，仍收敛很快，且??电压偏差均小于其他两个算法。且迭代过程中基本??平稳，说明迭代效果很好，且局部和全局搜索能力??都很强。??系统运行电压偏差图，如图２所示。??０?１０?２０?３０?４０?５０?６０?７０?８０??迭代次数》／次??图３?ＩＥＥＥ－１４节点系统电压稳定裕度??Ｆｉｇ．?３?ＩＥＥＥ－１４?ｎｏｄｅ?ｓｙｓｔｅｍ?ｓｔａｔｉｃ?ｖｏｌｔａｇｅ?ｍａｒｇｉｎ??观察可知，此时ＤＦＰＡ－ＰＳＯ算法收敛速度很快，当??迭代次数为３０次时就己经收敛，且收敛值也大于??ＤＥ、ＰＳＯ算法。在电力系统运行时，电压稳定裕??度越大，电网运行越安全。直接说明了改进算法的??可行性。综合以上，可知ＤＦＰＡ－ＰＳＯ算法应用于三??目标无功优化中，对网络有功损耗、电压偏差和电??压稳定裕度都有一定的优化，在一定程度上加快了??收敛速度，提高了收敛精度，有一定的实际可操作??性，可以很好的用于解决无功优化中的问题。??６
第４期??马立新等：基于粒子群的差分花朵授粉算法的无功优化??？?６１７?？??——ＤＦＰＡ－ＰＳＯ??……ＤＥ???ＰＳＯ??０．１３６??０．１３４??０．１３２??０．１３０??０．１２８??０．１２６??０．１２４??０．１２２??１０??２０??３０?４０?５０??迭代次数ｎ／次??６０??７０?８０??图１?ＩＥＥＥ－１４节点系统有功网损??Ｆｉｇ．?１?ＩＥＥＥ－１４?ｎｏｄｅ?ｓｙｓｔｅｍ?ａｃｔｉｖｅ?ｐｏｗｅｒ?ｌｏｓｓ??０?１０?２０?３０?４０?５０?６０?７０?８０??迭代次数Ｗ次??图２?ＩＥＥＥ－１４节点系统电压偏差??Ｆｉｇ．?２?ＩＥＥＥ－１４?ｎｏｄｅ?ｓｙｓｔｅｍ?ｖｏｌｔａｇｅ?ｄｅｖｉａｔｉｏｎ??系统运行电压稳定裕度图，如图３所示。??ＤＦＰＡ－ＰＳＯ算法将近５５代左右才收敛，虽然比??ＰＳＯ算法慢了几代．??但是在迭代到１２次左右时，仍收敛很快，且??电压偏差均小于其他两个算法。且迭代过程中基本??平稳，说明迭代效果很好，且局部和全局搜索能力??都很强。??系统运行电压偏差图，如图２所示。??０?１０?２０?３０?４０?５０?６０?７０?８０??迭代次数》／次??图３?ＩＥＥＥ－１４节点系统电压稳定裕度??Ｆｉｇ．?３?ＩＥＥＥ－１４?ｎｏｄｅ?ｓｙｓｔｅｍ?ｓｔａｔｉｃ?ｖｏｌｔａｇｅ?ｍａｒｇｉｎ??观察可知，此时ＤＦＰＡ－ＰＳＯ算法收敛速度很快，当??迭代次数为３０次时就己经收敛，且收敛值也大于??ＤＥ、ＰＳＯ算法。在电力系统运行时，电压稳定裕??度越大，电网运行越安全。直接说明了改进算法的??可行性。综合以上，可知ＤＦＰＡ－
【参考文献】：
期刊论文
[1]改进粒子群算法在无功优化中的应用[J]. 王秀云,赵宇,马万明,王岩松,李书金. 电测与仪表. 2015(15)
[2]一种改进的新型元启发式花朵授粉算法[J]. 肖辉辉,万常选,段艳明. 计算机应用研究. 2016(01)
[3]多目标差分进化算法的电力系统无功优化[J]. 马立新,孙进,彭华坤. 控制工程. 2013(05)
[4]基于量子差分进化算法的电力系统无功优化[J]. 马玲,于青,刘刚,王泽黎. 电力系统保护与控制. 2013(17)
[5]随机变异差分进化算法[J]. 欧阳海滨,高立群,孔祥勇. 东北大学学报(自然科学版). 2013(03)
[6]基于差分策略的多目标电力系统无功优化[J]. 李如琦,李芝荣,王维志,凌武能,唐林权. 电网技术. 2012(12)
[7]基于改进粒子群算法的电力系统无功优化[J]. 马立新,单冠华,屈娜娜. 控制工程. 2012(06)
[8]电力系统无功优化的反向优化差分进化算法[J]. 马立新,王守征,吕新慧,屈娜娜. 控制工程. 2010(06)
[9]带精英策略的快速非支配排序遗传算法在多目标无功优化中的应用[J]. 冯士刚,艾芊. 电工技术学报. 2007(12)
[10]基于改进遗传算法的多目标无功优化[J]. 张武军,叶剑锋,梁伟杰,方鸽飞. 电网技术. 2004(11)
本文编号：3564296
【文章来源】：控制工程. 2019,26(04)北大核心CSCD
【文章页数】：6 页
【部分图文】：
图２?ＩＥＥＥ－１４节点系统电压偏差??Ｆｉｇ．?２?ＩＥＥＥ－１４?ｎｏｄｅ?ｓｙｓｔｅｍ?ｖｏｌｔａｇｅ?ｄｅｖｉａｔｉｏｎ??
．１２６??０．１２４??０．１２２??１０??２０??３０?４０?５０??迭代次数ｎ／次??６０??７０?８０??图１?ＩＥＥＥ－１４节点系统有功网损??Ｆｉｇ．?１?ＩＥＥＥ－１４?ｎｏｄｅ?ｓｙｓｔｅｍ?ａｃｔｉｖｅ?ｐｏｗｅｒ?ｌｏｓｓ??０?１０?２０?３０?４０?５０?６０?７０?８０??迭代次数Ｗ次??图２?ＩＥＥＥ－１４节点系统电压偏差??Ｆｉｇ．?２?ＩＥＥＥ－１４?ｎｏｄｅ?ｓｙｓｔｅｍ?ｖｏｌｔａｇｅ?ｄｅｖｉａｔｉｏｎ??系统运行电压稳定裕度图，如图３所示。??ＤＦＰＡ－ＰＳＯ算法将近５５代左右才收敛，虽然比??ＰＳＯ算法慢了几代．??但是在迭代到１２次左右时，仍收敛很快，且??电压偏差均小于其他两个算法。且迭代过程中基本??平稳，说明迭代效果很好，且局部和全局搜索能力??都很强。??系统运行电压偏差图，如图２所示。??０?１０?２０?３０?４０?５０?６０?７０?８０??迭代次数》／次??图３?ＩＥＥＥ－１４节点系统电压稳定裕度??Ｆｉｇ．?３?ＩＥＥＥ－１４?ｎｏｄｅ?ｓｙｓｔｅｍ?ｓｔａｔｉｃ?ｖｏｌｔａｇｅ?ｍａｒｇｉｎ??观察可知，此时ＤＦＰＡ－ＰＳＯ算法收敛速度很快，当??迭代次数为３０次时就己经收敛，且收敛值也大于??ＤＥ、ＰＳＯ算法。在电力系统运行时，电压稳定裕??度越大，电网运行越安全。直接说明了改进算法的??可行性。综合以上，可知ＤＦＰＡ－ＰＳＯ算法应用于三??目标无功优化中，对网络有功损耗、电压偏差和电??压稳定裕度都有一定的优化，在一定程度上加快了??收敛速度，提高了收敛精度，有一定的实际可操作??性，可以很好的用于解决无功优化中的问题。??６
第４期??马立新等：基于粒子群的差分花朵授粉算法的无功优化??？?６１７?？??——ＤＦＰＡ－ＰＳＯ??……ＤＥ???ＰＳＯ??０．１３６??０．１３４??０．１３２??０．１３０??０．１２８??０．１２６??０．１２４??０．１２２??１０??２０??３０?４０?５０??迭代次数ｎ／次??６０??７０?８０??图１?ＩＥＥＥ－１４节点系统有功网损??Ｆｉｇ．?１?ＩＥＥＥ－１４?ｎｏｄｅ?ｓｙｓｔｅｍ?ａｃｔｉｖｅ?ｐｏｗｅｒ?ｌｏｓｓ??０?１０?２０?３０?４０?５０?６０?７０?８０??迭代次数Ｗ次??图２?ＩＥＥＥ－１４节点系统电压偏差??Ｆｉｇ．?２?ＩＥＥＥ－１４?ｎｏｄｅ?ｓｙｓｔｅｍ?ｖｏｌｔａｇｅ?ｄｅｖｉａｔｉｏｎ??系统运行电压稳定裕度图，如图３所示。??ＤＦＰＡ－ＰＳＯ算法将近５５代左右才收敛，虽然比??ＰＳＯ算法慢了几代．??但是在迭代到１２次左右时，仍收敛很快，且??电压偏差均小于其他两个算法。且迭代过程中基本??平稳，说明迭代效果很好，且局部和全局搜索能力??都很强。??系统运行电压偏差图，如图２所示。??０?１０?２０?３０?４０?５０?６０?７０?８０??迭代次数》／次??图３?ＩＥＥＥ－１４节点系统电压稳定裕度??Ｆｉｇ．?３?ＩＥＥＥ－１４?ｎｏｄｅ?ｓｙｓｔｅｍ?ｓｔａｔｉｃ?ｖｏｌｔａｇｅ?ｍａｒｇｉｎ??观察可知，此时ＤＦＰＡ－ＰＳＯ算法收敛速度很快，当??迭代次数为３０次时就己经收敛，且收敛值也大于??ＤＥ、ＰＳＯ算法。在电力系统运行时，电压稳定裕??度越大，电网运行越安全。直接说明了改进算法的??可行性。综合以上，可知ＤＦＰＡ－
【参考文献】：
期刊论文
[1]改进粒子群算法在无功优化中的应用[J]. 王秀云,赵宇,马万明,王岩松,李书金. 电测与仪表. 2015(15)
[2]一种改进的新型元启发式花朵授粉算法[J]. 肖辉辉,万常选,段艳明. 计算机应用研究. 2016(01)
[3]多目标差分进化算法的电力系统无功优化[J]. 马立新,孙进,彭华坤. 控制工程. 2013(05)
[4]基于量子差分进化算法的电力系统无功优化[J]. 马玲,于青,刘刚,王泽黎. 电力系统保护与控制. 2013(17)
[5]随机变异差分进化算法[J]. 欧阳海滨,高立群,孔祥勇. 东北大学学报(自然科学版). 2013(03)
[6]基于差分策略的多目标电力系统无功优化[J]. 李如琦,李芝荣,王维志,凌武能,唐林权. 电网技术. 2012(12)
[7]基于改进粒子群算法的电力系统无功优化[J]. 马立新,单冠华,屈娜娜. 控制工程. 2012(06)
[8]电力系统无功优化的反向优化差分进化算法[J]. 马立新,王守征,吕新慧,屈娜娜. 控制工程. 2010(06)
[9]带精英策略的快速非支配排序遗传算法在多目标无功优化中的应用[J]. 冯士刚,艾芊. 电工技术学报. 2007(12)
[10]基于改进遗传算法的多目标无功优化[J]. 张武军,叶剑锋,梁伟杰,方鸽飞. 电网技术. 2004(11)
本文编号：3564296
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3564296.html
