第 39 卷 第 1 期
2019 年 1 月
电 力 自 动 化 设 备
Electric Power Automation Equipment
Vol.39 No.1
Jan. 2019
用于配电网多目标无功优化的改进粒子群优化算法
李晓利,高金峰
(郑州大学 电气工程学院,河南 郑州 450001)
摘要:针对配电网多目标无功优化的应用需求以及优化算法存在的收敛性和多样性问题,基于 Pareto 熵的多
目标粒子群优化算法,提出一种应用于多目标无功优化的改进粒子群优化算法。 该算法在全局外部档案更
新过程中引入冗余集策略,避免迭代过程中陷入局部最优解。 将算法应用于配电网无功优化中时,采用离散
变量取整方法,加快算法的收敛速度。 建立网损、电压偏差及无功补偿装置投资最小的配电网多目标无功优
化模型,并以 IEEE 33 节点配电网络为算例进行仿真,结果表明改进后的算法兼顾了优化的收敛性和多样
性,能够在不同的优化要求下得到有效的无功优化方案。
关键词:配电网;无功优化;优化算法;多目标粒子群优化算法;冗余集
中图分类号:TM 744 文献标识码:A DOI:10.16081 / j.issn.1006
-
6047.2019.01.016
收稿日期:2018
-
06
-
29;修回日期:2018
-
11
-
12
0 引言
配电网无功优化是一个多变量、多目标、多约束
的非线性规划问题
[1]
。 针对该问题,国内外学者进
行了大量研究,也取得了一些进展。 文献[2] 仅以
配电网有功网损最小建立单目标优化模型,不能有
效满足现有无功优化的需求。 对于含分布式电源
(DG)的多目标优化问题,可以通过模糊理论、权重
法等将多目标问题转化为单目标优化问题进行求
解,如文献[3] 采用模糊聚类理论和学习自动机法
将多目标问题转化为单目标问题,虽然充分考虑了
多个目标的优化,但是其本质上还是单目标优化的
方法。 对于单一目标函数不能准确反映优化结果的
问题,文献[4] 以无功补偿装置的单位投资收益最
大、有功损耗最小、电压偏差最小为目标,构建了多
目标无功优化模型。
在优化算法上,传统的线性规划法、非线性规划
法、牛顿法和内点法等算法对求解含有离散变量的
多目标问题存在一定的局限性。 近年来,遗传算法、
粒子群优化( PSO) 算法、禁忌搜索算法、免疫算法、
模拟退火算法等智能优化算法的出现弥补了传统算
法的缺点,并在无功优化领域中得到了广泛运用。
文献[5]提出一种适用于油田区域配电网的无功优
化模型,并用差分进化算法进行求解;文献[6] 提出
用小生境多目标粒子群优化算法求解微电网运营管
理优化模型;文献[7] 提出改进自适应多目标粒子
群优化算法对配电网无功优化模型进行求解;文献
[8]建立高维多目标无功优化模型,并用基于 Pareto
熵的多目标粒子群优化算法进行求解。
本文综合考虑系统的经济性、稳定性、安全性等
方面的问题,建立含有网损、电压偏差和无功补偿装
置投资 3 个目标函数的多目标无功优化模型。 通过
对无功优化模型中的离散变量进行取整处理,提出
一种基于 Pareto 熵的多目标粒子群的改进优化算
法。 使用 C 语言编写优化算法程序,通过 IEEE 33
节点系统的分析计算,表明该算法具有较好的全局
搜索能力和收敛性,并能得到兼顾多个目标函数的
无功优化方案。
1 多目标优化
1.1 多目标优化问题的数学描述
多目标优化问题
[10]
MOP ( Multi⁃objective Opti⁃
mization Problem)也可以称为多标准优化问题,不失
一般性,最小化多目标优化问题可表示为:
min y
=
F(x)
=
( f
1
(x), f
2
(x),…, f
M
(x))
T
s.t. g
i
(x)≤0 i
=
1,2,…,p
h
j
(x)
=
0 j
=
1,2,…,q
ì
î
í
ï
ï
ï
ï
(1)
其中,x
=
[x
1
,x
2
,…,x
n
]∈X⊂R
n
为 n 维决策变量向
量,X 为 n 维决策空间;y
=
[y
1
,y
2
,…,y
M
] ∈Y⊂R
M
为 M 维目标函数向量,Y 为 M 维目标空间;F( x)中
的 M 个目标函数定义了 M 个映射函数,将决策空间
映射到目标空间;g
i
(x) ≤0(i
=
1,2,…,p) 定义了 p
个不等式约束;h
j
(x)
=
0(j
=
1,2,…,q) 定义了 q 个
等式约束。 上式可表示一个具有 n 个决策变量、M
个目标函数的多目标优化问题。
1.2 多目标优化相关的定义
在多目标优化中,大多数目标函数之间是相互
冲突的,不可能同时达到所有目标函数最小值或最
大值。 因此,多目标优化问题就需要在多个目标函
数之间进行权衡,使得任何一个函数值都能在保证
其他所有函数值不继续劣化的条件下得到一组优化
解,即 Pareto 解, 下 面 是 关 于 多 目 标 优 化 的 相 关
定义。
定义 1(可行解) 对于任意一个 x∈X,若 x 满
足式(1)中的等式约束 h
j
(x)
=
0(j
=
1,2,…,q)和不
等式约束 g
i
( x) ≤0 ( i
=
1,2, …,p),则 称 x 为 可