电力系统无功优化的一种改进算法-蚁群算法.doc

电力系统无功优化的一种改进算法－蚁群算法 程千里 吕振 辽宁工程技术大学 电气与控制工程学院 辽宁 葫芦岛 125105 摘要：本文介绍蚁群算法是一种新型的模拟进化算法，具有正反馈、分布式计算等特点；在阐述蚁群算法概念和基本原理的基础上，将蚁群算法用于电力系统无功优化，对蚁群算法中的一些重要参数进行寻优，提高了蚁群算法的收敛速度。最后介绍了算法在电力系统无功优化中的一些主要应用，表明该算法是可行的、有效的。 关键词：蚁群算法；模拟进化算法；电力系统；无功优化； An improved algorithm for reactive power optimization of electric power systems- ant colony algorithm CHENG Qian-li LV Zhen (Faculty of Electrical and Control Engineering , Liaoning Technical University ,Huludao 125105 China）introduce a new simulated evolutionary algorithm which has the characteristics with positive feedback 、distributed computation and so on. Base on illustrating the concept and basic theory of ant colony algorithm, applying the ant colony algorithm to reactive power optimization of electric power systems, and that looking for the optimization of the important parameters, so that enhancing the convergence speed of ant colony algorithm. In the end, introducing the algorithm’s major application in reactive power optimization of electric power systems, which shows that the algorithm is feasible and effective. Keywords: ant colony algorithm；simulated evolutionary algorithm; electric power systems; reactive power optimization; 引言： 电力系统是个有机整体且复杂的系统，存在许多复杂有约束的组合优化问题。近年来电力系统各方面的优化方法不断涌现，为提高发电效率、电力设备经济运行、降低发电成本、各种优化方法在不断尝试，如模拟退火、禁忌搜索、遗传算法、神经网络及蚁群算法等。蚁群算法可用于求解一般形式的非凸，非线性约束优化问题，用于电力系统优化，将能建立一种新的优化模型。 1. 蚁群算法 1.1 蚁群算法的概念 蚁群算法（ACA, ant colony algorithm）是最近几年才提出的一种新型的模拟进化算法,是意大利学者Marco Dorigo等提出的一种仿生寻优算法。参加寻径的蚂蚁通过在留在链路上的信息素交互来选择新的路由，从而达到寻优的目的。其主要特点是：本身是一个增强型的学习系统，具有分布式的计算机特性，具有很强的顽健性，易于与其它优化算法融合。但是蚁群算法在解决大型优化问题时，存在搜索空间和时间性能上的矛盾，易出现过早收敛于非全局最优解以及计算时间过长的弱点；而且决定蚁群算法性能的4个控制参数（、、、）的取值缺乏理论支持，影响了算法的性能。 1.2 蚁群算法的优化原理 自然界中的蚂蚁，在寻找食物或遇到障碍物时，总能找到一条从食物到蚁巢或绕过障碍物的最优路径。原因在于，蚂蚁运动中会在所经过的路径上释放出信息素（pheromone）,后续蚂蚁可根据前面蚂蚁遗留下来的信息素选择下一条要走的路径。一条路径上的信息素越高，说明这条路径被选中的次数越多，即路径的性能更优，后续蚂蚁选择这条路径的概率就更大，由此构成一个学习信息的正反馈，从而逐渐逼近最优解[1]。 蚁群算法最初用于TSP问题，以此建立算法的模型。TSP问题组合优化问题中的标准问题,可以用有向图G=(V，E)表示，其中V=(1，2，…，n)表示节点的集合，表示边的集合，表示间的欧氏距离。在应用蚁群算法求解TSP问题之前需要限定每个人工蚂蚁在一个