[发明专利]电力系统无功优化的细菌菌落算法

说明书

技术领域

本发明涉及一种，特别涉及一种电力系统无功优化的细菌菌落算法。

背景技术

电力系统在运行过程中，由于无功潮流分布不合理造成的无功过剩或无功不足会直接影响系统电压质量，使得节点电压的幅值超出或低于合格的范围。无功优化可以通过对系统内现有的无功资源进行优化配置，从而达到优化电网的无功潮流分布，降低电网有功损耗，改善系统电压水平，提高电力系统的安全性和经济性。

近几年提出的求解无功优化问题的人工智能算法很多，主要包括遗传算法、模拟退火算法、粒子群算法、细菌觅食算法以及以上几种算法互相取长补短的混合算法。人工智能算法在电力系统无功优化领域已得到了广泛且积极的研究，但搜索效率不高一直阻碍该类方法在电力系统中的应用。

目前基于细菌的群集智能算法的研究几乎都是采用细菌觅食（BFO）或细菌趋向性（BChO）算法模型。虽然是模拟细菌的觅食或趋化行为，但实际上无论在个体或群体上都没有体现细菌觅食或趋化过程作为优化算法模型的优点。首先，在这些算法中群体的数量总是保持不变，这显然不符合细菌的生长规律。其次，这些算法中个体具有相同的生命周期，即所以细菌经历相同周期后，将同时面临繁殖和死亡的选择。事实上，营养物质摄取将直接决定细菌存亡，一旦细菌获得充足的营养物质，则可进行分裂繁殖，相反地，一旦缺乏营养物质或遭遇有害物质，则将面临死亡。因此文献在分析和比较BFO和BChO算法的基础上，根据单个细菌的生存方式及其群体菌落的生长演化过程，设计了一种新的群体智能优化算法—细菌菌落优化算法（bacterial colony optimization，BCO）。该算法不仅具有更合理的进化机制，并且为群体智能算法提供了一种新的算法自然结束准则。

发明内容

本发明是针对求解无功优化问题的人工智能算法中搜索效率低的问题，提出了一种电力系统无功优化的细菌菌落算法，将BCO算法首次运用到无功优化上，在IEEE14节点系统上进行了仿真验证，并与改进粒子群算法(SPSO)及改进的细菌觅食算法（BFO）进行比较，结果表明BCO算法能更加有效地解决电力系统无功优化问题。

本发明的技术方案为：一种电力系统无功优化的细菌菌落算法，具体包括如下步骤：

1）设定细菌在培养液中的位置对应于无功优化的控制变量，控制变量包括发电机机端电压V（连续变量）、无功补偿量Q（离散变量）和有载调压变压器变比T(离散变量），每个细菌的搜索空间（维数）就是控制变量的个数，代入算法进行演算；

2）细菌群体初始化，初始化单个或少量细菌个体；

3）判断种群个数是否超过了规定的最大种群数，如果没有超过则继续执行，否则循环结束；

4）计算细菌个体适应度，根据细菌的位置调用潮流迭代程序并记录当前适应度最优值；

5）判断细菌个体适应度是否优于父代，如果优于父代则根据前进公式(2-1)更新细菌个体的位置，

（2-1）

其中，v_k是第k次迭代时个体的运动方向，x_k是第k次迭代时个体在解空间中的位置，f_best是个体父代所经历的最优位置，g_best是整个菌落迄今为止所经历的最优位置，α、r₁和r₂为系数，rand为（0,1）上的随机数；

否则，根据翻转公式(2-2)更新细菌个体位置，

             （2-2）

其中R是搜索半径，randn为（-1,1）上的随机数；

6）统计前进次数和翻转次数，如果前进次数达到规定的N_P次，则对该细菌个体进行繁殖，如果翻转次数达到N_P次，则该细菌个体死亡；

7）循环结束判断：两种结束准则，当满足其中任何一种结束准则都可以结束循环，一种是判断细菌个数是否为0，如果为0，则循环结束输出结果；另一种是返回到步骤3）来判断是否结束循环。