[发明专利]一种基于改进粒子群算法的电力系统无功优化方法

权利要求书

1.一种基于改进粒子群算法的电力系统无功优化方法，其特征在于，包括以下步骤：

步骤1、输入系统数据和优化算法参数并初始化种群；

步骤2、根据粒子群算法和差分进化算法种群中个体的位置信息进行潮流计算；

步骤3、更新粒子群算法和差分进化算法种群；

步骤4、比较两种群最优值的优劣并保存最佳个体的位置和相应适应值。

2.根据权利要求1所述的基于改进粒子群算法的电力系统无功优化方法，其特征在于，步骤1中系统数据包括发电机参数、负荷参数、变压器参数、无功补偿参数，控制变量的上下限值；

初始种群的产生方法为：

x_id＝Rand()×(x_id.max-x_id.min)+x_id.max

式中，x_id，x_id.min，x_id.max分别为第i个粒子的第d维控制变量及其上限值和下限值；Rand()是在[0,1]均匀分布的随机数。

3.根据权利要求1所述的基于改进粒子群算法的电力系统无功优化方法，其特征在于，步骤2中根据粒子群算法和差分进化算法种群中个体的位置信息进行潮流计算分为两个进程，一是计算出某次迭代的电网潮流值，另一个是根据得出的潮流值对电网的网络参数重新进行修正，之后进行新一轮的电网潮流计算。

4.根据权利要求1所述的基于改进粒子群算法的电力系统无功优化方法，其特征在于，步骤3中更新粒子群算法和差分进化算法种群具体为：

假设一个由M个粒子组成的群体在D维的搜索空间以一定的速度飞行，粒子i在t时刻的状态属性设置如下：

位置：

L_d,U_d分别为粒子i在d维搜索空间的上限位置和下限位置；

速度：

v_min.id，v_max.id分别为粒子i在d维的最小速度和最大速度；

个体最优位置：

全局最优位置：

其中1≤d≤D,1≤i≤M，则粒子在t+1时刻的位置通过下式更新获得：

式中，ω为惯性权重系数，r₁，r₂为均匀分布在(0,1)区间的随机数；c₁，c₂为学习因子；

对两种算法种群的更新由三部分组成，第一部分为粒子先前速度的继承，表示粒子对当前自身运动状态的信任，依据自身的速度进行惯性运动；第二部分表示粒子本身的思考，即综合考虑自身以往的经历从而实现对下一步行为决策；第三部分表示粒子间的信息共享与相互合作。

5.根据权利要求1所述的基于改进粒子群算法的电力系统无功优化方法，其特征在于，步骤4比较两种群最优值的优劣具体是比较粒子群体中最佳个体和差分进化群体中最佳个体的优劣，选择最佳个体作为粒子群算法和差分进化算法的下一步进化的依据。