针对一般智能算法计算最优潮流(optimal power flow,OPF)问题收敛速度慢、精度低等问题,提出一种退火粒子群(simulated annealing based particle swarm optimization,SA-PSO)和预测-校正原对偶内点法(predictor-corrector primal-dual ...针对一般智能算法计算最优潮流(optimal power flow,OPF)问题收敛速度慢、精度低等问题,提出一种退火粒子群(simulated annealing based particle swarm optimization,SA-PSO)和预测-校正原对偶内点法(predictor-corrector primal-dual interior point method,PCPDIPM)结合的改进最优潮流算法。该算法采用SA-PSO优化待求系统的离散变量,而在SA-PSO的每一次迭代过程中,通过PCPDIPM优化待求系统的连续变量,并对粒子进行适应度评估。这种求解模式将SA-PSO求解离散变量方便和PCPDIPM优化速度快的优点结合在一起,发挥了两种算法的优势。多个算例结果表明,与SA-PSO算法相比,该算法具有寻优能力强,收敛速度快,计算精度高的优点。展开更多
文摘针对一般智能算法计算最优潮流(optimal power flow,OPF)问题收敛速度慢、精度低等问题,提出一种退火粒子群(simulated annealing based particle swarm optimization,SA-PSO)和预测-校正原对偶内点法(predictor-corrector primal-dual interior point method,PCPDIPM)结合的改进最优潮流算法。该算法采用SA-PSO优化待求系统的离散变量,而在SA-PSO的每一次迭代过程中,通过PCPDIPM优化待求系统的连续变量,并对粒子进行适应度评估。这种求解模式将SA-PSO求解离散变量方便和PCPDIPM优化速度快的优点结合在一起,发挥了两种算法的优势。多个算例结果表明,与SA-PSO算法相比,该算法具有寻优能力强,收敛速度快,计算精度高的优点。
