PSO算法在電力系統(tǒng)的應(yīng)用

高葉軍 連志剛 曹宇

摘 要：粒子群算法（PSO）作為群智能算法的主要方法之一。自提出開(kāi)始，便引起了眾多研究學(xué)者的關(guān)注。PSO 算法屬于進(jìn)化算法的一種，通過(guò)追隨當(dāng)前搜索到的最優(yōu)值來(lái)尋找全局最優(yōu)。在查閱大量文獻(xiàn)的基礎(chǔ)上，本文首先簡(jiǎn)單介紹了群智能的概念，簡(jiǎn)述了粒子群算法的基本原理。然后，詳細(xì)敘述了PSO算法在電力網(wǎng)絡(luò)規(guī)劃，經(jīng)濟(jì)調(diào)度等電力系統(tǒng)領(lǐng)域中的應(yīng)用，并回顧了前人及當(dāng)前的研究成果。最后，指出了PSO算法未來(lái)的發(fā)展方向和研究重點(diǎn)。

關(guān)鍵詞：粒子群算法 電力系統(tǒng) 群智能 機(jī)組組合

中圖分類號(hào)：TP301 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2014）07（a）-0035-02

隨著人類對(duì)大自然探索和了解不斷加深，復(fù)雜的，非線性等問(wèn)題越來(lái)越多，傳統(tǒng)的解決方法顯得日益不足，促使人們不斷尋求新的手段。幾千年以來(lái)，自然界就是人類各種技術(shù)思想、工程原理及重大發(fā)明的源泉。群智能的概念最早是由文獻(xiàn)[1]在分子自動(dòng)機(jī)系統(tǒng)中提出。Bonabeau將任何啟發(fā)于群居性生物群體集體行為而設(shè)計(jì)的算法和分布式問(wèn)題解決裝置都稱為群體智能[2]。面對(duì)現(xiàn)代社會(huì)的需求，智能算法的應(yīng)用得到快速的發(fā)展，粒子群優(yōu)化算法正是其中之一，粒子群優(yōu)化算法（PSO）是一種進(jìn)化計(jì)算技術(shù)（evolutionary computation），1995 年由Eberhart 博士和kennedy博士提出，源于對(duì)鳥群捕食的行為研究[3]。該算法最初是受到飛鳥集群活動(dòng)的規(guī)律性啟發(fā)，進(jìn)而利用群體智能建立的一個(gè)簡(jiǎn)化模型。粒子群算法在電力系統(tǒng)中的應(yīng)用起步較晚，隨著研究的進(jìn)一步加深，相信PSO算法將在電力系統(tǒng)中得到廣泛的應(yīng)用。

1 PSO算法原理

式中k為迭代代數(shù)；c1，c2為學(xué)習(xí)因子；w為慣性系數(shù)；pid（k）pgd（k）分別為粒子的個(gè)體歷史最優(yōu)解和全局最優(yōu)解。粒子不斷通過(guò)學(xué)習(xí)更新，最終飛到解空間中最優(yōu)解所在位置。

2 PSO算法在電力系統(tǒng)中的主要應(yīng)用領(lǐng)域

2.1 電力網(wǎng)絡(luò)規(guī)劃

電力網(wǎng)絡(luò)規(guī)劃是電力系統(tǒng)基于用戶負(fù)載，科學(xué)、合理規(guī)劃的一端的主電網(wǎng)輸電網(wǎng)絡(luò)經(jīng)濟(jì)的發(fā)展。在文獻(xiàn)[4]中提出粒子群優(yōu)化離散化算法（DPSO），通過(guò)對(duì)18節(jié)點(diǎn)系統(tǒng)的算例解析，顯示了算法的有效性和可行性。電力網(wǎng)絡(luò)的擴(kuò)展，考慮到邊界搜索和粒子群算法收斂性會(huì)受到初始種群的影響，文獻(xiàn)[5]提出了粒子群初始化方法。該方法通過(guò)具體的算例進(jìn)行驗(yàn)證，它得出結(jié)論是該方法是有效的和可行。

2.2 自動(dòng)發(fā)電控制與經(jīng)濟(jì)優(yōu)化調(diào)度

自動(dòng)發(fā)電控制（AGC）是在電廠生產(chǎn)過(guò)程監(jiān)控控制的基礎(chǔ)上，根據(jù)系統(tǒng)頻率，聯(lián)修線所帶負(fù)荷或者他們相互之間關(guān)系的變化，調(diào)節(jié)指定區(qū)域內(nèi)個(gè)發(fā)電機(jī)的有功出力來(lái)維持系統(tǒng)頻率在預(yù)定值內(nèi)，實(shí)現(xiàn)最佳負(fù)荷-頻率控制（LFC），使全系統(tǒng)的發(fā)電出力與負(fù)荷相匹配，并在區(qū)域發(fā)電源之間實(shí)現(xiàn)在線的負(fù)荷經(jīng)濟(jì)分配。文獻(xiàn)[6]進(jìn)行自動(dòng)發(fā)電控制（AGC）負(fù)荷頻率控制（LFC）時(shí)，提出了一種改進(jìn)的粒子群優(yōu)化算法。該算法優(yōu)化PI控制器參數(shù)與仿真，結(jié)果顯示其性能大大優(yōu)于遺傳算法。電力系統(tǒng)的經(jīng)濟(jì)優(yōu)化調(diào)度關(guān)鍵在與機(jī)組的優(yōu)化組合，科學(xué)合理地優(yōu)化個(gè)機(jī)組的運(yùn)行水平，降低企業(yè)成本，為發(fā)電廠在電力市場(chǎng)上網(wǎng)競(jìng)價(jià)提供依據(jù)。李鐵蒼[7]通過(guò)粒子群優(yōu)化算法理論的研究，分析算法的各種參數(shù)的影響。然后，利用該算法來(lái)優(yōu)化火電廠機(jī)組負(fù)荷。最后對(duì)3機(jī)系統(tǒng)進(jìn)行分析，結(jié)果表明，PSO算法比其他傳統(tǒng)優(yōu)化算法有更好的優(yōu)化結(jié)果，并且能更快的接近或達(dá)到全局最優(yōu)解。

2.3 短期發(fā)電計(jì)劃與機(jī)組檢修計(jì)劃

電力系統(tǒng)短期發(fā)電計(jì)劃是在滿足系統(tǒng)安全和質(zhì)量要求的條件下確定一定調(diào)度周期內(nèi)各個(gè)時(shí)段系統(tǒng)機(jī)組的運(yùn)行狀態(tài)，并相應(yīng)地確定個(gè)機(jī)組的運(yùn)行出力。對(duì)于火電廠與水電站的聯(lián)合調(diào)度問(wèn)題，文獻(xiàn)[8]建立一個(gè)短期優(yōu)化的模型，為解決此優(yōu)化模型，作者提出一種改進(jìn)的粒子群優(yōu)化算法，該算法引入了變異操作和遷徙操作，其結(jié)果表明，此算法具有較好的可行性。機(jī)組檢修計(jì)劃是電力系統(tǒng)運(yùn)行一項(xiàng)重要部分。文獻(xiàn)[9]把經(jīng)濟(jì)成本作為目標(biāo)函數(shù)，建立發(fā)電機(jī)組檢修計(jì)劃優(yōu)化問(wèn)題（UMS）新模型，提出了改進(jìn)離散粒子群優(yōu)化算法，對(duì)IEEE-RTS系統(tǒng)測(cè)試，結(jié)果顯示，提出的改進(jìn)的離散粒子群算法比傳統(tǒng)離散粒子群優(yōu)化算法收斂速度快并且精度更高。

2.4 無(wú)功優(yōu)化控制與最優(yōu)潮流計(jì)算

無(wú)功電壓優(yōu)化控制是實(shí)現(xiàn)最優(yōu)潮流的一項(xiàng)十分重要內(nèi)容，電力系統(tǒng)最優(yōu)潮流是一個(gè)復(fù)雜的多約束混合整數(shù)優(yōu)化問(wèn)題。風(fēng)光互補(bǔ)發(fā)電系統(tǒng)是一個(gè)開(kāi)放式，分布式系統(tǒng)，文獻(xiàn)[10]以有功功率損耗最小為目標(biāo)函數(shù)，建立包含電壓穩(wěn)定的電壓無(wú)功優(yōu)化模型，基于均勻設(shè)計(jì)和惰性變異，提出一種新的粒子群優(yōu)化算法。仿真實(shí)驗(yàn)表明，該算法可以實(shí)現(xiàn)電壓無(wú)功優(yōu)化控制。文獻(xiàn)[11]將混沌優(yōu)化算法與粒子群優(yōu)化算法相結(jié)合，提出一種新的粒子群算法—— 混沌粒子群優(yōu)化算法。文章通過(guò)對(duì)算例的分析驗(yàn)證，結(jié)果顯示自適應(yīng)混沌粒子群算法能較好的得到全局最優(yōu)并且收斂速度快。

2.5 電力系統(tǒng)狀態(tài)估計(jì)與參數(shù)辨識(shí)

電力系統(tǒng)狀態(tài)估計(jì)是能量管理（EMS）的核心功能之一。它是一個(gè)復(fù)雜的多極值優(yōu)化問(wèn)題，經(jīng)典的加權(quán)最小二乘法狀態(tài)估計(jì)算法存在一定的不足。PSO算法提供了狀態(tài)估計(jì)的一個(gè)新途徑。黃姝雅為對(duì)同步相量測(cè)量單元（phase measurement unit，PMU）的配置點(diǎn)進(jìn)行優(yōu)化，建立了以動(dòng)態(tài)狀態(tài)估計(jì)為目標(biāo)函數(shù)的模型，并通過(guò)離散粒子群算法手段加以處理。在文章最后，通過(guò)仿真驗(yàn)證，離散粒子群算法能有較好的精度性能，提高了狀態(tài)估計(jì)的精度[12]。文獻(xiàn)[13]提出一種新的粒子群協(xié)同優(yōu)化算法（PSCO）并將其用于異步電機(jī)靜態(tài)參數(shù)辨識(shí)。

2.6 電力系統(tǒng)穩(wěn)定器優(yōu)化設(shè)計(jì)

電力穩(wěn)定器（PPS）可以抑制電力系統(tǒng)因負(fù)阻尼而產(chǎn)生的低頻振蕩。而PPS設(shè)計(jì)與性能與各種參數(shù)有較大的關(guān)聯(lián)。祁萬(wàn)春等[14]將粒子群優(yōu)化算法（PSO）用于PSS參數(shù)優(yōu)化中，使用包括交叉混合粒子群算法，先優(yōu)化PSS超前-滯后環(huán)節(jié)參數(shù)，后整定PSS放大倍數(shù)。結(jié)果顯示，混合粒子群優(yōu)化算法在PSS參數(shù)優(yōu)化問(wèn)題上是可行的和有效的。

3 結(jié)語(yǔ)

PSO算法是基于群智能的一種新的優(yōu)化算法，在電力系統(tǒng)中的應(yīng)用研究時(shí)間并不長(zhǎng)。本文在介紹PSO優(yōu)化算法的基礎(chǔ)上，介紹了PSO算法在電力系統(tǒng)的主要領(lǐng)域的研究現(xiàn)狀。隨著電力系統(tǒng)技術(shù)的不斷更新和電力市場(chǎng)的不斷完善，PSO算法與遺傳算法，模糊理論等相結(jié)合將推動(dòng)電力系統(tǒng)理論的發(fā)展。

參考文獻(xiàn)

[1] Hackwood S，Beni G.Self-organization of sensors for swarm intelligence[C]. IEEE International conference on Robotics and Automation， Piscataway，NJ：IEEE Press，1992，1：819-829.

[2] Bonabeau，E.，Dorigo，M.&Theraulaz， G..Swarm Intelligence： From Natural to Artificial Systems，Oxford Univ.Press，New York，1999.

[3] J Kennedy，R Eberhart.Particle Swarm Optimization[C].In：Proc IEEE Int Conf on Neuml Networks，1995：1942-194.

[4] 顧永東，金義雄.粒子群算法及其在電網(wǎng)規(guī)劃中的應(yīng)用[J].電氣應(yīng)用，2007，26（2）：37-42，75.

[5] 牛東曉，凌云鵬，趙奇，等.一種適用于電網(wǎng)擴(kuò)展規(guī)劃問(wèn)題的邊界搜索粒子群優(yōu)化算法[J].華北電力大學(xué)學(xué)報(bào)，2007，34（4）：80-84.

[6] 馬飛，陳雪波，李小華.改進(jìn)的粒子群算法在電力系統(tǒng)AGC中的應(yīng)用[J].控制工程（S2）：56-59.

[7] 李鐵蒼，周黎輝，張光偉，等.基于粒子群算法的火電廠機(jī)組負(fù)荷優(yōu)化分配[J].華北電力大學(xué)學(xué)報(bào)，2008，35（1）：44-47.

[8] 張景瑞，龍健，岳超源，等.水火電力系統(tǒng)短期優(yōu)化調(diào)度的一種改進(jìn)粒子群算法[J].控制與決策，2011，26（3）；407-412.

[9] 王曉濱，余秀月，楊貴鐘.考慮機(jī)組組合問(wèn)題的機(jī)組檢修計(jì)劃優(yōu)化新模型[J].能源工程，2010，6：15-20，23.

[10] 張伯泉，楊宜民.風(fēng)-光互補(bǔ)發(fā)電系統(tǒng)的電壓控制[J].電力系統(tǒng)保護(hù)與控制，2008，36（16）：5-10.

[11] 李娟，楊琳，劉金龍，等.基于自適應(yīng)混沌粒子群優(yōu)化算法的多目標(biāo)無(wú)功優(yōu)化[J]電力系統(tǒng)保護(hù)與控制，2011，39（9）：26-31.

[12] 黃姝雅，劉天琪，陳績(jī).動(dòng)態(tài)狀態(tài)估計(jì)中PMU配置的離散粒子群優(yōu)化算法[J].電網(wǎng)技術(shù)，2006，30（24）：68-72.

[13] 覃建波，邱小華，許寧，等.改進(jìn)粒子群算法在異步電機(jī)靜態(tài)參數(shù)識(shí)別中的應(yīng)用[J].電機(jī)技術(shù)，2008，6.

[14] 祁萬(wàn)春，房鑫炎.基于混合粒子群優(yōu)化算法的PSS參數(shù)優(yōu)化[J].繼電器，2005，33（13）；21-24.