专利名称：改进的模拟退火-粒子群优化算法的制作方法
技术领域：
本发明涉及配电网范围内统一优化有源和无源滤波装置的安装地点及相应的参数，减小系统的损耗，将电压、功率因数等保持在规定的范围内。
背景技术：
随着现代工业技术的发展，电力系统中非线性负荷大量增加，各种非线性和时变性电子装置如逆变器、整流器及各种开关电源等大规模地应用，这些电力电子装置的开关动作向配电网中注入了大量的谐波和次谐波分量，导致了配电网中电压和电流波形的严重失真，成为最主要的谐波源，其负面效应是电能质量的下降，同时严重影响着供、用电设备的安全经济运行，使供电和用电企业造成了巨大的经济损失。在用户或电网中装设无源或有源滤波器是抑制谐波的一种有效措施，可减少和控制注入电网的谐波电流和补偿无功损耗，以使配电网中各节点的谐波电压满足相应的谐波标准。考虑两种滤波装置的优化配置是目前工程应用的必然选择。但是，由于在综合使用时各自的性能都会受到部分影响，这样对有源和无源滤波器的参数进行优化设计显得非常重要。APF的容量及最优安装位置应该在满足谐波治理标准的前提下，使注入电网的谐波电流值应尽可能小；PPF的结构通常并不复杂，但设计却需要考虑其无功补偿性能及避免与电网发生谐振等因素，这是个典型的多目标、非线性优化问题。为了适应谐波源和网络参数的随机变化，寻求如何用最小代价在电网中配置滤波器，并使之满足抑制谐波要求显得尤其重要。
发明内容
本发明的目的是用改进的模拟退火-粒子群算法优化配电网中有源和无源滤波装置的安装地点及相应的参数，减小系统的损耗，将电压、功率因数等保持在规定的范围内，达到系统能量成本和滤波装置投资成本的最小化。为实现上述的目的，本发明所采用的技术方案是在模拟退火算法中增加一个存储器，记录一直到当前搜索过程中出现过的最优解，把退火过程结束后的最终解与之比较， 得到全局最优解。根据粒子群进化后的适应值进行概率接受，既接收优化解，也接收恶化解，具有跳出粒子群优化算法局部极值点区域的能力。提高了退火算法的速度，实现了跳出局部极小值，达到目标最优化。它的基本原理如下模拟退火概率接受准则，假设搜索空间的可行解为Xij = (Xijl，…，xijk)，能量函数为进行优化计算的适应值f(xu)，冷却温度、是跳出局部极值得关键参数，它直接影响接受准则。
权利要求
1.改进的模拟退火-粒子群优化(MPSO-SA)算法，其特征在于采用自适应惯性系数对粒子群优化(PSO)算法进行自适应调整，即随着迭代次数的增加，逐步减少自适应惯性系数值。其中，较大值有利于提高算法收敛速度，而较小值则可以提高算法精度。在模拟退火 (SA)算法中，增加一个存储器，记录一直到当前搜索过程中出现过的最优解，把退火过程结束后的最终解与之比较，得到全局最优解。具体实现如下根据粒子群进化后的适应值进行概率接受，既接收优化解，也接收恶化解，跳出局部极小。当新粒子的适应值增大时，系统接收新粒子；当新粒子适应度降低时，就按概率P接收。 该算法从局部极值区域中跳出，从而找到全局最优解，保证了算法收敛性；它在各个相对独立的并行进程内完成，保证了各个种群的多样性，提高了收敛速度，而且在各个进程中可引入模拟退火跳出粒子群局部极值，这样获得了全局最优解。
2.根据权利要求1所述的改进的模拟退火-粒子群优化算法，其特征是具有跳出局部极值点的能力，能寻找到全局最优或近似最优解，且与初始点的选择无关；同时模拟退火算法的并行实现技术能较大幅度地提高其性能，能够从本质上减少计算时间。
全文摘要
本发明公开了一种改进的模拟退火-粒子群优化(MPSO-SA)算法，即引进一个自适应惯性系数和存储器，从而优化配置配电网中的滤波装置。该自适应惯性系数可以进行自适应调整，提高算法精度；存储器记录一直到当前搜索过程中出现过的最优解，再把退火过程结束后的最终解与之比较，得到全局最优解，避免了粒子群算法易陷入局部最优。仿真结果表明，该算法能指导在配电网范围内统一优化有源和无源滤波装置的安装地点及相应参数，减小系统的损耗，将电压、功率因数等保持在规定范围内，达到系统能量成本和滤波装置投资成本最小化的目的。
文档编号H02J3/18GK102201672SQ20101013256
公开日2011年9月28日 申请日期2010年3月26日 优先权日2010年3月26日
发明者夏向阳 申请人:长沙理工大学