[發(fā)明專利]一種基于自適應(yīng)混沌粒子群算法的多目標(biāo)無功優(yōu)化方法

無效

• 申請?zhí)枺?/td>: 201410222352.1
• 申請日: 2014-05-23
• 公開（公告）號: CN103972908A
• 公開（公告）日: 2014-08-06
• 發(fā)明（設(shè)計）人: 劉金龍;楊琳
• 申請（專利權(quán)）人: 國家電網(wǎng)公司;國網(wǎng)黑龍江省電力有限公司哈爾濱供電公司
• 主分類號: H02J3/18
• 分類號: H02J3/18;G06N3/00
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 楊立超

技術(shù)領(lǐng)域

本發(fā)明涉及多目標(biāo)無功優(yōu)化方法，涉及電力系統(tǒng)無功優(yōu)化領(lǐng)域。

背景技術(shù)

電力系統(tǒng)無功優(yōu)化，就是研究當(dāng)系統(tǒng)結(jié)構(gòu)參數(shù)和負(fù)荷情況己經(jīng)給定的情況下，通過對系統(tǒng)中某些控制變量的優(yōu)化計算，以找到在滿足所有特定約束條件的前提下，使系統(tǒng)的某一個或多個性能指標(biāo)達(dá)到最優(yōu)時的運(yùn)行控制方案。

目前求解無功優(yōu)化的方法很多，傳統(tǒng)的數(shù)學(xué)規(guī)劃方法主要有非線性規(guī)劃法和線性規(guī)劃法等。常規(guī)方法存在的困難主要是離散變量的歸整問題，易陷入局部最優(yōu)以及產(chǎn)生“維數(shù)災(zāi)”問題。近些年來，為了彌補(bǔ)上述方法在無功優(yōu)化中計算的不足，研究者將各種智能算法引入無功優(yōu)化的計算中。

粒子群優(yōu)化算法PSO(Particle Swarm Optimization)是一種基于迭代的多點(diǎn)隨機(jī)搜索智能優(yōu)化算法，具有簡單易操作、所需設(shè)定參數(shù)較少等特點(diǎn)，已經(jīng)被電力工作者應(yīng)用于無功優(yōu)化中，目前的粒子群無功優(yōu)化算法是通過隨機(jī)生成的初始粒子進(jìn)行迭代，這對于多峰函數(shù)就有可能存在盲區(qū)而不被搜索到，易陷入局部解；此外，在迭代中不能自適應(yīng)地調(diào)整權(quán)重系數(shù)，限制了全局搜索能力。

發(fā)明內(nèi)容

本發(fā)明是要解決多目標(biāo)無功優(yōu)化控制變量可能陷入局部最優(yōu)解，并求解最優(yōu)值的速度慢，致使電力系統(tǒng)無功優(yōu)化達(dá)到降低網(wǎng)損，提高電壓質(zhì)量水平和靜態(tài)電壓穩(wěn)定性，而提供一種基于自適應(yīng)混沌粒子群算法的多目標(biāo)無功優(yōu)化方法。

一種基于自適應(yīng)混沌粒子群算法的多目標(biāo)無功優(yōu)化方法包括：

一、輸入粒子群的原始數(shù)據(jù)到自適應(yīng)混沌粒子群算法程序，通過混沌算法隨機(jī)產(chǎn)生一個n維的混沌矢量，再通過Logistic完全混沌迭代公式，計算得N個混沌變量；

二、將混沌變量的各分量代入多目標(biāo)無功優(yōu)化的總目標(biāo)函數(shù)計算各混沌矢量所對應(yīng)的適應(yīng)度值，根據(jù)適應(yīng)度值的大小從中擇優(yōu)選取前m個作為粒子群的初始位置；

三、采用整實(shí)數(shù)混合編碼對粒子進(jìn)行編碼，根據(jù)粒子編碼的控制變量值，對粒子群的初始位置中的每個粒子利用粒子群無功優(yōu)化算法進(jìn)行無功優(yōu)化尋找每個粒子個體的最優(yōu)解pbest_i和全局最優(yōu)解gbest，由計算慣性權(quán)重系數(shù)公式得出各粒子的慣性權(quán)重w，擇優(yōu)選取前M個較優(yōu)粒子進(jìn)行混沌優(yōu)化；其中，所述無功優(yōu)化中采用牛頓拉夫遜法進(jìn)行潮流計算；

四、根據(jù)粒子群無功優(yōu)化算法更新粒子的速度和位置即控制變量的迭代修正量和數(shù)值；

五、若滿足終止條件則停止運(yùn)行，輸出全局最優(yōu)解gbest，否則返回步驟三繼續(xù)進(jìn)行迭代計算直至滿足終止條件，即完成了基于自適應(yīng)混沌粒子群算法的多目標(biāo)無功優(yōu)化方法。

發(fā)明效果：

針對粒子群算法在無功優(yōu)化中的缺點(diǎn)，本發(fā)明將混沌算法與粒子群算法相結(jié)合，通過混沌算法進(jìn)行粒子的初始化，并且通過自適應(yīng)調(diào)節(jié)權(quán)重系數(shù)加快搜索能力，形成了自適應(yīng)混沌粒子群ACPSO(Adaptive Chaos Particle Swarm Optimization)算法進(jìn)行更精確地多目標(biāo)無功優(yōu)化。

本發(fā)明的無功優(yōu)化方法可以更好地滿足實(shí)際運(yùn)行情況，不但降低了系統(tǒng)網(wǎng)損，改善了系統(tǒng)整體電壓質(zhì)量，并且計算速度也得到了提高。可見基于自適應(yīng)混沌粒子群算法用于電力系統(tǒng)無功優(yōu)化具有比其他算法有更高的計算精度和更好的全局搜索能力，并且有效避免了早熟收斂，增加了種群的多樣性。因此，本發(fā)明的自適應(yīng)混沌粒子群算法在解決電力系統(tǒng)無功優(yōu)化問題方面具有一定的實(shí)用意義。

附圖說明

圖1是本發(fā)明基于ACPSO算法的多目標(biāo)無功優(yōu)化流程圖；

圖2是仿真實(shí)驗中的三種算法的最優(yōu)值曲線。

具體實(shí)施方式

具體實(shí)施方式一：本實(shí)施方式的一種基于自適應(yīng)混沌粒子群算法的多目標(biāo)無功優(yōu)化方法包括：

一、輸入粒子群的原始數(shù)據(jù)到自適應(yīng)混沌粒子群算法程序，通過混沌算法隨機(jī)產(chǎn)生一個n維的混沌矢量，再通過Logistic完全混沌迭代公式，計算得N個混沌變量；

二、將混沌變量的各分量代入多目標(biāo)無功優(yōu)化的總目標(biāo)函數(shù)計算各混沌矢量所對應(yīng)的適應(yīng)度值，根據(jù)適應(yīng)度值的大小從中擇優(yōu)選取前m個作為粒子群的初始位置；

三、采用整實(shí)數(shù)混合編碼對粒子進(jìn)行編碼，根據(jù)粒子編碼的控制變量值，對粒子群的初始位置中的每個粒子利用粒子群無功優(yōu)化算法進(jìn)行無功優(yōu)化尋找每個粒子個體的最優(yōu)解pbest_i和全局最優(yōu)解gbest，由計算慣性權(quán)重系數(shù)公式得出各粒子的慣性權(quán)重w，擇優(yōu)選取前M個較優(yōu)粒子進(jìn)行混沌優(yōu)化；其中，所述無功優(yōu)化中采用牛頓拉夫遜法進(jìn)行潮流計算；