1、“.....针对。改进粒子群算法由式很容易可以看出,第个粒子更新的速度主要受部分的影响第个粒子上次迭代的速度第个粒子当前位置和自己历史最优位置的距离第个粒子当前位置与整个粒子群体所经历的最优位置的距离。第个粒子的新位置的目标函数般包括以下几种电网有功网损最小电压质量最好无功补偿设备投入最小。本文选择有功网损最小为无功优化的目标函数,综合电网中节点电压和发电机无功越界情况,对目标函数进行构造,形式为式中表示目标函数值,表示电网系统无功优化计算结果本文通过对粒子群算法的惯性权重进行调整和位置更新策略的改进,使得粒子群算法可以更好的跳出局部最优解,同时也能兼顾收敛的速度,并将该算法应用于电网无功优化问题中......”。

2、“.....使得粒子群算法可以更好的跳出局部最优解,同时也能兼顾收敛的速度,并将该算法应用于电网无功优化问题中,通过仿真实验改进后的粒子群算的参数及其范围如表所示,控制变量的约束条件如表所示。表发电机参数及其范围表控制变量约束条件在初始条件下,各发电机的节点电压设为,可调变压器的变比设为,无功补偿电容器设为。系统总的有功负荷,无功负荷为,系统初始的网络损耗为。采用改进的粒子群算法和基本粒子群算法分别对该系统进行优化。改进的粒子群算法的参数设置如下粒子群数目设为,学习因子,惯性权重由按式递减到,迭代次数设为,优化的结果如表表的变化,如式所示和分别为惯性权重变化的最大值和最小值,和分别表示当前的迭代次数和最大迭代次数,此方法具有控制直接实现简便的优点......”。

3、“.....第个粒子更新的速度主要受部分的影响第个粒子上次迭代的速度第个粒子当前位置和自己历史最优位置的距离第个粒子当前位置与整个粒子群体所经历的最优位置的距离。第个粒子的新位置由式标准粒子群算法进行比较,验证改进算法的有效值和正确性。节点系统的节点和支路参数见文献,系统中包含台发电机节点节点,个无功补偿节点节点和台可调变压器支路。功率的基准值设为,其它量均用标幺值表示,系统中发电控制变量的不等式约束条件为分别表示变压器变比的上下限分别表示发电机端电压的上下限和分别表示无功补偿量的上下限。改进的粒子群算法对电力系统的无功优化原稿。摘要由于电力系统无功优化问题具有多变量非线性等特点,针对这个种群记为,其中的,表示第个粒子在维空间中的位置表示第个粒子当前的飞行速度表示第个粒子的历史最优位置,且......”。

4、“.....算法在迭代过程中,粒子的速度和位置的更新如式式所示。改进的具有多变量非线性等特点,针对基本粒子群算法容易陷入局部最优解,本文提出了改进的方法,通过动态调节惯性权重和改进位置更新策略,可以较好的平衡全局寻优能力和局部搜索能力,将改进后的粒子群算法应用于电力系统无功优化问题中,系统初始的网络损耗为。采用改进的粒子群算法和基本粒子群算法分别对该系统进行优化。改进的粒子群算法的参数设置如下粒子群数目设为,学习因子,惯性权重由按式递减到,迭代次数设为,优化的结果如表表节标准粒子群算法进行比较,验证改进算法的有效值和正确性。节点系统的节点和支路参数见文献,系统中包含台发电机节点节点,个无功补偿节点节点和台可调变压器支路。功率的基准值设为,其它量均用标幺值表示......”。

5、“.....使得粒子群算法可以更好的跳出局部最优解,同时也能兼顾收敛的速度,并将该算法应用于电网无功优化问题中,通过仿真实验改进后的粒子群算电机的参数及其范围如表所示,控制变量的约束条件如表所示。表发电机参数及其范围表控制变量约束条件在初始条件下,各发电机的节点电压设为,可调变压器的变比设为,无功补偿电容器设为。系统总的有功负荷,无功负荷为改进的粒子群算法对电力系统的无功优化原稿子群算法对电力系统的无功优化原稿。变量约束在无功优化问题中,变量约束条件包括控制变量约束和状态变量约束。控制变量包括可调变压器的变比发电机的端电压和无功补偿量,状态变量包括系统中各节点的电压和发电机注入的无节点系统无功优化计算结果本文通过对粒子群算法的惯性权重进行调整和位置更新策略的改进......”。

6、“.....同时也能兼顾收敛的速度,并将该算法应用于电网无功优化问题中,通过仿真实验改进后的粒子群算括可调变压器的变比发电机的端电压和无功补偿量,状态变量包括系统中各节点的电压和发电机注入的无功。粒子群算法及其改进策略粒子群算法粒子群算法是种进化计算技术,它的数学描述为设在维解空间中种群包含个粒子重的变化,如式所示和分别为惯性权重变化的最大值和最小值,和分别表示当前的迭代次数和最大迭代次数,此方法具有控制直接实现简便的优点。实例计算及结果分析本文以节点标准测试系统为实例应用改进后粒子群算法进行无功优更好的解决无功优化问题。控制变量的不等式约束条件为分别表示变压器变比的上下限分别表示发电机端电压的上下限和分别表示无功补偿量的上下限。变量约束在无功优化问题中,变量约束条件包括控制变量约束和状态变量约束。控制变量标准粒子群算法进行比较......”。

7、“.....节点系统的节点和支路参数见文献,系统中包含台发电机节点节点,个无功补偿节点节点和台可调变压器支路。功率的基准值设为,其它量均用标幺值表示,系统中发电降低了的无功损耗,证明了本文所选方法的正确性和有效性。参考文献张伯明,陈寿孙,严正高等电网络分析北京清华大学出版社,。摘要由于电力系统无功优化问,系统初始的网络损耗为。采用改进的粒子群算法和基本粒子群算法分别对该系统进行优化。改进的粒子群算法的参数设置如下粒子群数目设为,学习因子,惯性权重由按式递减到,迭代次数设为,优化的结果如表表对基本粒子群算法容易陷入局部最优解,本文提出了改进的方法,通过动态调节惯性权重和改进位置更新策略,可以较好的平衡全局寻优能力和局部搜索能力,将改进后的粒子群算法应用于电力系统无功优化问题中,更好的解决无功优化问题......”。

8、“.....验证改进算法的有效值和正确性。节点系统的节点和支路参数见文献,系统中包含台发电机节点节点,个无功补偿节点节点和台可调变压器支路。功率的基准值设为,其它量均用标幺值表示,系统中改进的粒子群算法对电力系统的无功优化原稿节点系统无功优化计算结果本文通过对粒子群算法的惯性权重进行调整和位置更新策略的改进,使得粒子群算法可以更好的跳出局部最优解,同时也能兼顾收敛的速度,并将该算法应用于电网无功优化问题中,通过仿真实验改进后的粒子群算式确定。式中的可以反映算法的全局搜索能力,当取较小值有利于局部搜索,同时也容易陷入局部最优。因此设置合理的惯性权重可以平衡全局局部搜索,提高算法的收敛精度和搜索效率。文献采用了线性减小惯性权重的方法,本文加速惯性,系统初始的网络损耗为。采用改进的粒子群算法和基本粒子群算法分别对该系统进行优化......”。

9、“.....学习因子,惯性权重由按式递减到,迭代次数设为,优化的结果如表表总的有功网损,和表示越界的惩罚系数分别表示发电机节点的无功出力无功越界值无功出力上限值和无功出力下限值分别表示节点的电压值电压越界值电压上限值和电压下限值。改进的粒子群算法对电力系统的无功优化原稿了的无功损耗,证明了本文所选方法的正确性和有效性。参考文献张伯明,陈寿孙,严正高等电网络分析北京清华大学出版社,。无功优化数学模型目标函数无功优,系统初始的网络损耗为。采用改进的粒子群算法和基本粒子群算法分别对该系统进行优化。改进的粒子群算法的参数设置如下粒子群数目设为,学习因子,惯性权重由按式递减到,迭代次数设为,优化的结果如表表节标准粒子群算法进行比较,验证改进算法的有效值和正确性。节点系统的节点和支路参数见文献......”。