马立新，董 昂，王继银

(上海理工大学 光电信息与计算机工程学院，上海200093)



三角骨架差分进化算法的电力系统无功优化

马立新，董 昂，王继银

(上海理工大学 光电信息与计算机工程学院，上海200093)

在无功优化中通常是以减少线路中的有功网损、降低电网无功补偿容量、提高电能质量等方面为目标进行优化。建立了以减少有功网损，降低电压偏移以及提高电压稳定裕度的三目标优化模型。在传统的差分进化算法(Differential Evolution Algorithm)中，控制参数和差分变异策略在对待优化解的问题较为敏感。为克服这一缺陷进一步提出的一种具有自适应参数的的差分进化算法。首次引入全新的三角高斯变异方式，在样本中随机选出的三个不同的值取均值μ，标准差取任意两差的绝对值的平均值为标准差δ进行高斯分布。将其运用于电力系统IEEE-14节点的系统中进行仿真，将传统差分算法和粒子群算法与本算法进行比较，验证本算法的优越性与实用性。

电力系统；无功优化；三角的骨架差分算法

0 引言

随着电网日益完善，用户对电能质量要求越来越高。在考虑经济的同时，电能质量也有待提高。而电压的稳定性是衡量电力系统的安全与电能质量好坏的标准之一。为了提高电压的稳定性，一些操作简单、收敛速度较快的算法逐渐被人们运用于电力系统无功优化中。

差分进化算法(Differential Evolution Algorithm)是近年兴起的一种随机优化算法。差分算法十分简单高效，但是其本身也存在一个问题，就是DE中参数的控制以及变异策略的对待比较薄弱。……