楊麗華

摘 要：粒子群算法是一種新的智能優(yōu)化算法，它是對生物群體協(xié)同優(yōu)化能力的研究，是一種針對每個粒子追求自身最優(yōu)粒子和全局最優(yōu)位置的一種啟發(fā)式隨機優(yōu)化算法。在隨機搜索的過程中，此算法收斂于最優(yōu)粒子群優(yōu)化算法。詳細(xì)介紹了基本粒子群優(yōu)化算法和改進(jìn)的粒子群優(yōu)化算法，并進(jìn)行仿真研究，簡要闡述了該算法在電力系統(tǒng)中優(yōu)化應(yīng)用情況，以期為日后的相關(guān)工作提供參考。

關(guān)鍵詞：粒子群算法；智能優(yōu)化算法；人工生命；計算技術(shù)

中圖分類號：TM73 文獻(xiàn)標(biāo)識碼：A DOI：10.15913/j.cnki.kjycx.2016.03.090

人工生命用來研究人工系統(tǒng)的基本特征，它主要包括利用計算技術(shù)研究生物現(xiàn)象，利用生物技術(shù)研究和計算問題。另外，生物系統(tǒng)是社會系統(tǒng)的一部分，對其研究主要利用的是局部信息，而仿真系統(tǒng)中則很可能發(fā)生不可預(yù)知的群體行為。

在計算智能領(lǐng)域中，主要有粒子群優(yōu)化算法（PSO）和蟻群算法（ACO）2種基于群體智能的算法。粒子群優(yōu)化算法是基于模擬鳥群覓食的過程而創(chuàng)立的，它具有參數(shù)調(diào)整簡單、容易實現(xiàn)等優(yōu)點，且優(yōu)化效果良好。目前，這種算法已被廣泛應(yīng)用于智能控制、模糊控制和專家控制方面。蟻群算法主要是模擬蟻群采集食物的過程而創(chuàng)立的，它適用于解決離散優(yōu)化問題。

1 基本粒子群算法

設(shè)定目標(biāo)搜索空間為D維，群落的粒子數(shù)為n，第j個粒子表示為一個D維向量 =（xi1，xi2，…，xin），i=1，2，…，n.將 帶入目標(biāo)函數(shù) 得到適應(yīng)值 ，并根據(jù) 的值衡量相關(guān)內(nèi)容。在此過程中，可用 =（vi1，vi2，…，vin），i=1，2，…，n表示第i個粒子的飛行速度，用 =（Pg1，Pg2，…，Pgn），i=1，2，…，n表示第i個粒子當(dāng)前的最優(yōu)位置。

早期PSO算法更新粒子狀態(tài)為：

vid=v1d+c1r1（Pid-xid）+c2r2（Pid-xid）. （1）

xrd=xid+vid（i=1，2，…，n；d=1，2，…，D）. （2）

式（1）（2）中：c1、c2為學(xué)習(xí)因子，非負(fù)常數(shù)；r1和r1是介于[1，2]之間的隨機數(shù)；vid∈[-vmax，vmax]，vmax是常數(shù)，可根據(jù)問題人為設(shè)定。

2 改進(jìn)的粒子群算法

2.1 改進(jìn)算法參數(shù)和步驟

改進(jìn)群微粒算法是利用群微粒算法求取目標(biāo)函數(shù)的最大值，具體步驟是：①派生出群微粒類，類中必須定義double GetFit方法，以計算每個微粒的適合度；②生成派生類實例，并在構(gòu)造函數(shù)中指明微粒坐標(biāo)維數(shù)和群體個數(shù)；③用SetXup和SetXdown設(shè)置微粒坐標(biāo)下界數(shù)組和上界數(shù)組；④用SetVmax方法設(shè)置微粒最大速度；⑤設(shè)置可選參數(shù)C1、C2、W和通訊函數(shù)；⑥采用Run方法實現(xiàn)優(yōu)化運算，優(yōu)化后用GetBest方法獲取最優(yōu)個體適合度和坐標(biāo)。

2.2 仿真研究

選定目標(biāo)函數(shù)，并設(shè)置慣性權(quán)重數(shù)值。設(shè)定慣性權(quán)重W=0.8，1.0，參數(shù)C1=2.0，C2=2.0，將最佳適合度作為運行方式，則程序運行后得到的結(jié)果如表1所示。

結(jié)合表1中的相關(guān)數(shù)據(jù)，經(jīng)過比較可知，在設(shè)定參數(shù)和迭代次數(shù)的情況下，可以得到最優(yōu)個體的適合度和坐標(biāo)值，而且還可以利用相關(guān)測試求得其平均值。由此可知，所得坐標(biāo)值在理想值附近，并且誤差滿足相關(guān)要求。

3 粒子群算法在電力系統(tǒng)中的應(yīng)用

在處理優(yōu)化問題方面，粒子群算法有明顯的優(yōu)勢，所以，它被廣泛應(yīng)用于電力系統(tǒng)規(guī)劃、運行和控制方面。它主要被應(yīng)用在以下幾方面：①電力系統(tǒng)能量的傳輸、網(wǎng)絡(luò)的擴展是一個

大而復(fù)雜的非凸優(yōu)化問題。通過對粒子群優(yōu)化算法的深入研究，建立了功率損耗成本、投資成本和設(shè)備成本的目標(biāo)函數(shù)方程，并采用PSO優(yōu)化算法處理得到最小的目標(biāo)函數(shù)值。②利用PSO優(yōu)化算法求解辨識電力系統(tǒng)的參考變量，它在辨識負(fù)荷模型參數(shù)方面有明顯的優(yōu)勢。同步發(fā)電機參數(shù)辨識是保證電力系統(tǒng)安全、穩(wěn)定運行的重要因素之一，其參考變量的準(zhǔn)確性和可靠性對系統(tǒng)的精度和安全有重要的影響。同時，它也能有效處理同步發(fā)電機中出現(xiàn)的渦流和飽和等非線性優(yōu)化問題。③電力系統(tǒng)穩(wěn)定器（PSS）的作用是抑制電力系統(tǒng)因負(fù)阻尼因素而造成的系統(tǒng)低頻震蕩，同時，采用PSO算法優(yōu)化求解能獲得PSS的最佳取值，從而大大提高電力系統(tǒng)的動態(tài)穩(wěn)定性。④在電力系統(tǒng)和發(fā)電機組滿足各種約束條件的情況下，要想電力系統(tǒng)能夠經(jīng)濟、穩(wěn)定的運行，可以利用粒子群優(yōu)化算法求解，得出不同發(fā)電機組的功率分配情況。⑤粒子群優(yōu)化算法為求解復(fù)雜的無功優(yōu)化和最優(yōu)潮流問題提供了有效的解決方案，進(jìn)一步提高了電網(wǎng)運行的安全性和穩(wěn)定性。

4 結(jié)束語

近年來，隨著對粒子群算法優(yōu)化研究的不斷加深，它被廣泛應(yīng)用于各個領(lǐng)域。在工業(yè)工程控制和各個不同的領(lǐng)域，利用粒子群優(yōu)化算法求解復(fù)雜非線性系統(tǒng)的優(yōu)化問題是非常重要的。在電力系統(tǒng)中應(yīng)用粒子群優(yōu)化算法能保證電網(wǎng)安全、穩(wěn)定的運行，從而獲得最好的經(jīng)濟效益。

參考文獻(xiàn)

[1]鄭思平，陳紅周.一種加入創(chuàng)新粒子的粒子群[J].數(shù)學(xué)理論與應(yīng)用，2010（01）.

[2]史海軍，王志剛，郭廣寒.引入變異算子的粒子群優(yōu)化算法[J].長春理工大學(xué)學(xué)報（自然科學(xué)版），2007（3）.

[3]王存睿，段曉東，劉向東，等.改進(jìn)的基本粒子群優(yōu)化算法[J].計算機工程，2004（21）.

〔編輯：白潔〕