基于多代理粒子群算法的电力系统无功优化研究
随着城市及经济的不断发展，电力系统的规模也在不断增加，并且日趋复杂。电力系统无功优化作为一种保障电力系安全运行的重要手段，需要具备求解更高复杂度问题的能力。研究电力系统无功优化既有经济价值，又能够切实的提高系统安全运行系数。
粒子群优化算法作为一种人工智能优化算法，在处理电力系统无功优化这种高维复杂函数时，一般会出现收敛速度慢并且容易陷入局部最优等特点。为了解决这些问题，本文总结了粒子群算法的优缺点及研究现状后，提出了虚拟极值粒子群算法，该方法首先采用蒙特卡洛模拟技术对初始种群进行预判断，防止粒子初始种群密度过度集中，同时根据影响因子分区间选择合适的算法参数，最后在进化过程中随机加入虚拟全局极值点，改变粒子领域的拓扑结构，通过仿真表明虚拟极值粒子群算法能有效帮助粒子跳出局部极值点，改善收敛曲线，寻找的结果也更优。
为了更加完善虚拟极值粒子群算法，本文将多代理技术与粒子群算法结合起来研究出一种新的算法——多代理粒子群算法。该算法首先要对无功控制变量进行摄动分析，选出对系统中其它节点电压幅值影响最大的控制变量;然后按照该控制变量将无功优化的解空间进行水平划分，分解为许多小规模的解空间:最后在电力系统无功优化解空间分解的基础上对每个分区采用多代理技术同步进行无功优化，并且比较得出最优结果。
本文最后在IEEE30节点系统中采用多代理粒子群算法进行无功优化算例仿真，并将计算结果与虚拟极值粒子群算法的计算结果进行了比较，结果表明多代理粒子群算法在进行电力系统无功优化时是切实可行的并具有很大的优越性，主要体现在如下几个方面:第一，充分继承了虚拟极值粒子群算法优势;第二，由于添加了多代理技术，使得该算法能多线程同步运行，提高了搜索效率;第三，缩小了寻优空间，调高寻优精度。
多代理粒子群算法;电力系统;虚拟极值;无功优化;蒙特卡洛模拟
广东工业大学
硕士
电力系统及其自动化
孟安波
2013
中文
TM744
75
2013-10-08（万方平台首次上网日期，不代表论文的发表时间）