基于粒子群优化技术PSO确定TCSC最佳安装位置.pdf

维普资讯 第 23卷第 1期 电 力 科 学 与 工 程 VO1．23．No．1 Mar— 007 19 2007年 3月 ElectricPowerScienceandEngineering 基于粒子群优化技术PSO确定TCSC最佳安装位置 戴文进，吴 敏 (南昌大学 电气与 自动化工程系，江西南昌330031) 摘要：提出一种采用粒子群优化技术，以系统载荷能力最大化及安装费用最小化为目标，确定TCSC最佳 安装位置的方法。该方法的数学模型以线路潮流和节点电压限制作为约束条件，从而提高了结果的准确性 和实用性。最后在 1EEE6节点系统中成功地应用该方法。结果表明，PSO算法求得的系统最大载荷能力 较原状态提高了14％，并且与遗传算法GA相比，其具有较强的全局有哪些信誉好的足球投注网站能力和较高的收敛精度，是寻找 TCSC最佳安装位置的有效方法。 关键词：粒子群优化技术；TCSC,最佳安装位置 中图分类号：TM712 文献标识码：A 中采用的遗传算法则存在群体早熟、收敛速度较 0 引 言 慢、有时收敛于局部最优解等缺点。而采用粒子群 算法PSO确定TCSC最佳安装位置则可以很好的 随着国民经济持续快速的发展，我国对 电能的 克服这些困难。该算法具有并行处理、鲁棒性好等 需求量在不断增大，电压稳定作为一个限制系统运 特点，能以较大概率找到问题的全局最优解，且计 行的重要因素，越来越受到电力部门的重视。一般 算效率比传统随机方法高p。本文提出了一种基于 认为，电压失稳的原因是负荷过重，超过了系统最 粒子群优化 (PSO)技术寻找 TCSC最佳安装地 大可承受的负荷，系统失去了工作平衡点。可控串 点的方法，并在 IEEE6节点系统中应用该方法， 联补偿器 (TCSC)，作为 目前FACTS家族成员中 证明了该方法的有效性。 应用前景最为广泛的装置之一，它的投运能够大幅 度提高系统的载荷能力。近些年来，对 TCSC 的 1 粒子群优化算法介绍 研究开展相当广泛，其中选取最佳的 TCSC 安装 地点，以最大限度地提高系统载荷能力，增大稳定 粒子群优化算法是一种基于群智能方法的演化 裕度是一个重要而又实际的问题 q】。 计算技术，源于对鸟群捕食的行为研究。在 PSO 关于 TCSC 的选址 问题，目前 已经有许多研 算法中，群体中的每个粒子通过迭代过程中自身的 究成果。文献 [1，2]是采用灵敏度法寻找 TCSC 最优值和群体的最优值，来不断地更新 自己的前进 的最优安装位置；文献 [4，5】则是选择遗传算法 方向和速度大小，从而形成群体寻优的正反馈机制， 来求解TCSC装置的最优位置及其参数；文献 [6] 最终有哪些信誉好的足球投注网站和寻找到问题的最优解 。 是采用模型可控指数法，以阻尼区域振荡为最大 目 在PSO算法中，用粒子的位置表示待优化问题 标，确定 TCSC 的最优位置。上述文献中阐述的 的解。每个粒子性能的优劣程度，取决于待优化问 方法都存在一定的缺陷：文献 [1，2,6]中的灵敏度 题 目标函数确定的适应值。每个粒子由一个速度矢 法、非线性规划法一般要求 目标函数连续可导，在 量，来决定其飞行方向和速率大小。开始执行PSO 实际应用中受限制，并且容易造成误差；文献 [4，5] 算法时，首先，随机初始化m个粒子的位置和速度。 收稿 日期：2006—12-16． 作者简介：戴文进 (1948一)，男，南昌大学电气与 自动化系教授