基于PSO算法的电网无功优化（附源码）

目录

1、粒子群算法

2、电力系统无功优化

3、matpower工具箱

3、基于粒子群算法的电网无功优化

3.1 ieee14节点

3.1.1 变量及编码方式

3.1.2 目标函数

3.2 ieee30节点

3.2.1 变量及编码方式

3.2.2 目标函数

---

1、粒子群算法

粒子群算法（也称粒子群优化算法（particle swarm optimization, PSO）），模拟鸟群随机搜索食物的行为。粒子群算法中，每个优化问题的潜在解都是搜索空间中的一只鸟，叫做“粒子”。所有的粒子都有一个由被优化的函数决定的适应值（fitness value），每个粒子还有一个速度决定它们“飞行”的方向和距离。

粒子群算法初始化为一群随机的粒子（随机解），然后根据迭代找到最优解。每一次迭代中，粒子通过跟踪两个极值来更新自己：第1个是粒子本身所找到的最优解，这个称为个体极值；第2个是整个种群目前找到的最优解，这个称为全局极值。也可以不用整个种群，而是用其中的一部分作为粒子的邻居，称为局部极值。

2、电力系统无功优化

电力系统无功优化问题是一个多变量、多约束的非线性规划复杂混合型问题。无功优化是指在电网内，有功电源、有功负荷、有功潮流分布及系统结构参数固定的条件下，控制变量为发电机机端电压，无功补偿装置的无功投入容量 及有载调压变压器变比，以电网中 PQ节点电压U 及发电机无功出力作为状态变量，在满足各种约束的条件下，利用先进的优化技术，发现系统的最佳补偿容量，以此改善系统的无功功率分布，降低系统的有功功率损耗，提升系统的电压质量,确保电网安稳的运行。 在无功优化问题中，关键点在于要处理好几个方面的问题：对各种约束条件的处理、对离散变量的规整处理、非线性问题的处理和算法结果是否可靠收敛等问题。在实际进
行优化操作时，需要先规整其中的部分离散变量，设置算法中的约束条件，选择好算法的结束条件以及合适的潮流计算法。 

3、matpower工具箱

MATPOWER是一个基于matlabm文件的组建包，用来解决电力潮流和优化潮流的问题。它致力于为研究人员和教育从业者提供一种易于使用和可更新的仿真工具。Matpower的设计理念是用尽可能简单、易懂，可更新的代码来实现最优秀的功能。MATPOWER的主页为:MATPOWER – Free, open-source tools for electric power system simulation and optimization

下载链接：MATPOWER – Free, open-source tools for electric power system simulation and optimization

使用说明：MATPOWER快速上手及应用实例_半个月亮Zz的博客-CSDN博客_matpower怎么使用

3、基于粒子群算法的电网无功优化

3.1 ieee14节点

3.1.1 变量及编码方式

，

下图是IEEE14节点测试系统的接线图。由接线图可以看出，IEEE14节点测试系统中共包含5台发电机（对应的节点编号为1,2,3,6,8）分别对应G1、G2、G3、G6、 G8，三台有载调压变压器(对应的支路为1-6，4-7，4-9)分别对应T1、T2、T3以及一个无功功率补偿节点(节点9)。 选取节点1作为平衡节点，节点2，3，6，8作为PV节点，节点4，5，7，9，10，11，12，13,14作为PQ节点进行优化处理。设置系统中电压的取值范围为[0.95,1.1]，变压器变比的上、下限为[0.9,1.1]，调节步长为0.025，无功补偿装置设置为上限为0.5，步长为0.1的五个档位。控制变量的编码为：

 

3.1.2 目标函数

通过matpower工具箱，进行潮流计算，然后计算网损，作为粒子群算法的适应度值。

3.1.3 实验结果

 

PSO最优解：
Best =

    1.1000    1.0865    1.0529    1.0602    0.9804    6.0000    3.0000    5.0000    4.0000

PSO Best fitness 1.234930e+01

3.2 ieee30节点

3.2.1 变量及编码方式

3.2.2 目标函数

同14节点。

需要源码或有疑问请私信联系。

---

作者简介：国内顶尖高校控制专业毕业，专注于智能优化算法及其应用，运筹优化调度，各类求解器求解，人工智能机器学习、深度学习算法及应用等方向的研究，擅长各类算法的改进、各类数学模型的建模求解，熟悉各类求解器的使用。