苏福清 匡洪海 钟 浩 匡 威 陶 成

(1.湖南工业大学电气与信息工程学院 株洲 412007；2.三峡大学梯级水电站运行与控制湖北省重点实验室 宜昌 443002)

1 引言

电力系统无功优化在数学上是典型的非线性混合整数规划问题，具有非线性、多约束、多变量的特点[1]，解决这类问题的传统方法有线性规划法、非线性规划法和内点法[2]等，这类方法一般需要某些假设条件，如目标函数连续、导数存在及单峰等，而且对初始值的选取要求较高。近年来，基于群体智能的优化算法得到迅速发展，如遗传算法[3]、蚁群算法[4-5]、蜂群算法[6]和粒子群(Particle swarm optimization,PSO)算法[7-8]等，这些算法不要求目标函数连续以及可导，同时它们具有鲁棒性好、易于实现和计算效率高等优点，已成功应用于解决电力系统领域中的复杂优化问题。

PSO 算法虽然原理简单、参数设置少且收敛速度快，但是在求解复杂优化问题时，容易发生早熟收敛，陷入局部最优解。为了解决这一问题，学者们从参数调节、引入变异操作以及与其他智能算法相结合等方面改善粒子群的寻优性能。文献[9]认为较大的惯性权重有利于全局探索，较小的权重有利于局部开发，因此提出了惯性权重线性递减的策略；文献[10]提出带收缩因子的粒子群算法，不仅能提高算法搜索能力，而且可以加快收敛速度；文献[11]赋予粒子每一维以不同的线性衰减惯性权重，增强粒子搜索后期的群活性；文献[12]提出基于分布熵的自适应惯性权重更新策略，均衡PSO 算法全局与局部搜索性能；……