基于PSO算法的电网无功优化（附源码）

目录

1、粒子群算法

2、电力系统无功优化

3、matpower工具箱

3、基于粒子群算法的电网无功优化

3.1 ieee14节点

3.1.1 变量及编码方式

3.1.2 目标函数

3.2 ieee30节点

3.2.1 变量及编码方式

3.2.2 目标函数

---

1、粒子群算法

粒子群算法（也称粒子群优化算法（particle swarm optimization, PSO）），模拟鸟群随机搜索食物的行为。粒子群算法中，每个优化问题的潜在解都是搜索空间中的一只鸟，叫做“粒子”。所有的粒子都有一个由被优化的函数决定的适应值（fitness value），每个粒子还有一个速度决定它们“飞行”的方向和距离。

粒子群算法初始化为一群随机的粒子（随机解），然后根据迭代找到最优解。每一次迭代中，粒子通过跟踪两个极值来更新自己：第1个是粒子本身所找到的最优解，这个称为个体极值；第2个是整个种群目前找到的最优解，这个称为全局极值。也可以不用整个种群，而是用其中的一部分作为粒子的邻居，称为局部极值。

2、电力系统无功优化

电力系统无功优化问题是一个多变量、多约束的非线性规划复杂混合型问题。无功优化是指在电网内，有功电源、有功负荷、有功潮流分布及系统结构参数固定的条件下，控制变量为发电机机端电压，无功补偿装置的无功投入容量 及有载调压变压器变比，以电网中 PQ节点电压U 及发电机无功出力作为状态变量，在满足各种约束的条件下，利用先进的优化技术，发现系统的最佳补偿容量，以此改善系统的无功功率分布，降低系统的有功功率损耗，提升系统的电压质量,确保电网安稳的运行。 在无功优化问题中，关键点