基于自適應粒子群算法的電力系統多目標無功優(yōu)化研究.pdf

1、電力系統無功優(yōu)化中的電力質量越來越受用戶重視，電壓質量與無功存在很緊密的聯系，因此無功優(yōu)化應將電壓質量考慮在內。傳統的無功優(yōu)化方法，多忽略了無功優(yōu)化的多目標性以考慮有功損耗為主，忽略了電壓質量等指標的重要性。在實際問題中用戶需要能夠滿足各種環(huán)境的多樣化的選擇,并且表征經濟性的有功損耗和表征電壓質量的的電壓偏差之間存在著矛盾關系，弄清二者間的關系有利于深入了解系統特性給用戶提供指導意見。有的研究者考慮了電力系統的多個目標，但將其通過各種形

2、式聚合為單一目標，在處理上述問題時有一定局限性，往往聚合時各個目標權重的選取具有盲目性，不能準確反映各個目標間的關系，并且不能給用戶帶來適應多種需求的多樣化的選擇。
　　 本文針對電力系統無功優(yōu)化中的有功損耗和電壓偏差提出了一種新的自適應多目標粒子群優(yōu)化算法（Adaptive Multi-objective Particle Swarm Optimization簡稱 AMOPSO）。算法中采用了改進的NSGA-II的非支配排序策

3、略，動態(tài)加權法選擇種群最優(yōu)粒子，提高多樣性；采用動態(tài)慣性權重和變異策略，克服局部最優(yōu)，提高全局尋優(yōu)能力。通過測試函數ZDT1～ZDT4驗證了算法的性能；通過與其它優(yōu)異算法的性能對比顯示了本文算法的優(yōu)異性能；通過對比實驗分析了本文所采用的改進策略對于算法性能的貢獻。對多目標優(yōu)化中的約束提出了偏好策略和偏好因子。偏好策略能夠在不破壞優(yōu)化解多樣性的基礎上給用戶帶來更多的靈活選擇，并且偏好因子的對用戶偏好需求的量化，有助于明晰系統屬性與系統間的

4、關系，給用戶提供更多的指導。
　　 實施多目標無功優(yōu)化時，對初始化和約束處理進行改進，采用了帶先驗知識的初始化策略，提出自適應懲罰函數策略；針對電力系統中特殊用戶對電壓允許偏差值的偏好，引入偏好策略，提出電壓偏好策略和電壓偏好因子。采用IEEE30節(jié)點系統和IEEE14節(jié)點系統驗證了該算法的實用性和有效性，實驗表明AMOPSO能夠為無功優(yōu)化帶來可供用戶靈活選擇的多樣化的優(yōu)異解，實驗結果清晰的給出了有功損耗與電壓偏差間的類反比關系