摘要: 粒子群优化方法（ParticleSwarmOptimization,PSO）是一种基于群体智能的启发式算法。它收敛速度快、计算简单、通用性强，能方便地被用于求解带离散变量的非线性、不连续、多约束、多变量的复杂优化问题中。现代电力系统中存在大量的此类优化问题，用... 展开 粒子群优化方法（ParticleSwarmOptimization,PSO）是一种基于群体智能的启发式算法。它收敛速度快、计算简单、通用性强，能方便地被用于求解带离散变量的非线性、不连续、多约束、多变量的复杂优化问题中。现代电力系统中存在大量的此类优化问题，用常规方法通常难以求解。在过去十几年间，一些全局优化技术如遗传算法、模拟退火法等已被成功应用于电力系统优化问题中，本文主要研究PSO及其在电力系统经济运行中的应用。首先提出了一种改进的粒子群优化算法（ModifiedPSO,MPSO），即在基本PSO算法的基础上加入了第3种极值指导粒子的搜索方向，并引入了“飞回”策略，用MPSO求解一些常用的标准测试函数，结果表明，该方法能在较短的时间内获得更高质量的解，提高了算法的搜索能力。然后把MPSO应用到电力系统无功优化问题中，详述了粒子群优化方法在无功优化控制应用中的具体实现过程，给出了在IEEE-14节点和IEEE-30节点电力系统上的计算结果，与遗传算法和基本PSO算法相比，MPSO在求解无功优化问题中具有一定的优越性。最后介绍了一种基于评估选取的多目标粒子群优化算法（Multi-ObjectivePSO,MOPSO），用它来解决多目标优化问题，在2个多目标测试函数上都得到了分布良好的Pareto最优边界，显示了该方法的有效性，应用此方法来求解IEEE-30节点电力系统的无功优化问题，可以同时考虑系统有功网损最小和电压偏移量总和最小，得到了较好的结果。多目标优化； 收起