基于多智能體量子粒子群算法的電網無功優(yōu)化問題研究.pdf

1、隨著我國電網規(guī)模的不斷擴大，以及超高壓直流遠距離電力輸送和大規(guī)模分布式電源的入網運行，給電能質量穩(wěn)定性和電網經濟運行等帶來新的挑戰(zhàn)，作為保證電網安全經濟運行的無功優(yōu)化調度就顯得尤為重要。電網無功優(yōu)化是在電壓和出力等約束條件下，通過優(yōu)化電網中的無功配置，達到改善系統(tǒng)電壓質量、減少系統(tǒng)網損和提高電壓穩(wěn)定性等目標。
　　因此無功優(yōu)化問題是一個混合變量的、多約束和多目標的非線性組合優(yōu)化問題，在這一研究領域內已有多種方法。傳統(tǒng)的無功優(yōu)化方法

2、雖然計算迅速、收斂可靠，但是需要一些假設條件，如要求控制變量連續(xù)、目標函數可微等。近年來隨著人工智能算法在無功優(yōu)化中的廣泛應用，收到了很好的效果，同時由于遺傳算法、粒子群算法和傳統(tǒng)量子粒子群算法等的收斂瓶頸，導致算法在收斂后期易陷入局部最優(yōu)解和產生“維數災”而無法尋得全局尋優(yōu)，進而影響了算法進行大規(guī)模系統(tǒng)優(yōu)化的效果。為了提高量子粒子群算法在電網無功優(yōu)化的收斂速度和全局尋優(yōu)能力，本文提出了基于多智能體系統(tǒng)的分布式協(xié)同進化方式對并行搜索的量

3、子粒子群算法進行改進，以完成全局的競爭尋優(yōu)。本文主要就以下方面進行了研究:
　　1.提出了多智能體量子粒子群優(yōu)化算法。使用JADE平臺構造了多Agent系統(tǒng)，通過公告板形式進行尋優(yōu)，以并行式種群替代的形式，為QPSO種群加入變異，增加了QPSO算法種群的多樣性，減少了算法陷入局部最優(yōu)解的概率。
　　2.建立了基于系統(tǒng)網損最小化、PQ節(jié)點電壓偏差率和無功投入為目標的無功優(yōu)化綜合模型，分析了常見求解電網無功優(yōu)化問題的智能算法的優(yōu)