期刊文献+

基于改进粒子群算法的电力系统无功优化 被引量:1

下载PDF
导出
摘要 制定良好的无功优化方案是电力系统安全稳定运行的基础。文章建立以系统有功网损和年综合费用最小为目标函数的无功优化数学模型;以粒子群算法为基础,考虑到传统粒子群容易早熟,局部收敛的缺陷,对粒子群算法(PSO)加以改进;运用于配电网的无功优化中,通过对IEEE-33节点配电系统仿真计算,证明了改进的算法可以有效地得到系统最优解,具有良好的实用性和适应性。
作者 仲明月
出处 《科技创新与应用》 2017年第1期230-230,共1页 Technology Innovation and Application
基金 西华大学研究生创新基金(ycjj2016164)
  • 相关文献

参考文献3

二级参考文献34

  • 1汪新星,张明.基于改进微粒群算法的水火电力系统短期发电计划优化[J].电网技术,2004,28(12):16-19. 被引量:32
  • 2赵辉,刘鲁源,张更新.基于微粒群优化算法的最优电力系统稳定器设计[J].电网技术,2006,30(3):32-35. 被引量:21
  • 3杨波,赵遵廉,陈允平,韩启业.一种求解最优潮流问题的改进粒子群优化算法[J].电网技术,2006,30(11):6-10. 被引量:19
  • 4Kennedy J, Eberhart R. Particle swarm optimization[C]// Proceedings of the Fourth IEEE International Conference on Neural Networks. Australia, Perth: IEEE, 1995: 1942-1948.
  • 5Veldhuizen D, Lamont G. Multi-objective evolutionary algorithms: analyzing the state of the art[J]. IEEE Transactions on Evolutionary Computation, 2000, 18(2): 125-147.
  • 6Parsopoulos K E, Vrahatis M N. Particle swarm optimization method in multi-objective problems[C]//ACM Symposium on Applied Computing. Spain, Madrid, 2002: 603-607.
  • 7Bartz-Beielstein T, Limbourg P, Mehnen J, et al. Particle swarm optimizers for pareto optimization with enhanced archiving techniques[C]//IEEE Congress on Evolutionary Computation. Australia, Canberra: IEEE, 2003: 1780-1787.
  • 8Peng C H, Sun H J, Guo J F. Multi-objective optimal PMU placement using a non-dominated sorting differential evolution algorithm[J]. Electrical Power and Energy Systems, 2010, 32(8): 886-892.
  • 9Abido M A. Envirolunental/economic power dispatch using multiobjective evolutionary algorithms[J], IEEE Trans on Power Systems, 2003, 18(4): 1529-1537.
  • 10Granelli G P, Montagna M, Pasini G L, et al. Emission constrained dynamic dispatch[J]. Electric Power Systems Research, 1992, 24(1 ).. 55-64.

共引文献67

同被引文献6

引证文献1

二级引证文献4

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部