改进PSO算法在电力系统动态无功优化中的应用

传统的无功优化是对电网络在一种具体工况下进行的无功优化,但对于新能源大规模接入的电力系统,电网络情况复杂多变,每个时段的运行工况各有不同。提出一种以1 h为时间颗粒度的动态无功优化,将1 h内的电网络运行状况看作近似不变,再对该小时内的电网络参数进行静态无功优化。对于传统粒子群(PSO)算法的改进,应用混沌初始化并结合反向学习策略生成PSO算法的初始种群来优化初始种群让算法加速收敛,应用非线性策略和黄金正弦算法搜索策略对惯性权重公式、学习因子和位置更新公式进行改良提升算法的搜索效率,再融合遗传算法(GA)使种群多元化进而跳出局部最优,将传统PSO算法和改进PSO算法应用于IEEE30节点进行仿真对比,检验改进的有效性。