第28卷第19期电网技术Vol.28No.192004年10月PowerSystemTechnologyOct.2004文章编号：1000-3673（2004）19-0014-06中图分类号：TM715文献标识码：A学科代码：470·4054粒子群优化算法在电力系统中的应用1112袁晓辉，王乘，张勇传，袁艳斌（1．华中科技大学，湖北省武汉市430074；2．武汉理工大学，湖北省武汉市430071）ASURVEYONAPPLICATIONOFPARTICLESWARMOPTIMIZATIONTOELECTRICPOWERSYSTEMSYUANXiao-hui1，WANGCheng1，ZHANGYong-chuan1，YUANYan-bin2（1．HuazhongUniversityofScienceandTechnology，Wuhan430074，HubeiProvince，China；2．WuhanUniversityofTechnology，Wuhan430071，HubeiProvince，China）ABSTRACT:Particleswarmoptimization(PSO)basedon参数辨识、优化设计等方面应用的主要研究成果。随着粒子swarmintelligenceisanewevolutionarycomputationaltool群优化理论研究的深入，它还将在电力市场竞价交易、投标策略以及电力市场仿真等领域发挥巨大的应用潜力。andissuccessfullyappliedinfunctionoptimization,neuralnetworkdesign,classification,patternrecognition,signal关键词：粒子群优化方法；计算智能；群体智能；电力系统processingandrobottechnologyandsoon,butthereportson1引言itspracticalapplicationsinpowersystemareseldomseen.Here,themainresearchresultsofapplyingPSOinfollowing随着电力系统规模的日益扩大和电力市场改aspectsrelevanttopowersystem,suchasdistributionsystem革的实施，保证电力系统安全、经济、稳定、可靠expansionplanning,generatormaintenancescheduling,unit地运行越来越重要，同时，需要考虑的安全和经济commitment,loadeconomicdispatch,optimalpowerflow因素也日趋复杂，因而针对电力系统规划、运行中calculationandoptimalcontrolofreactivepower,harmonic的不同目标，选择不同的控制变量和约束条件，就analysisandcapacitorconfiguration,distributionstateestimation,parameteridentificationandoptimaldesign,are构成了不同类型的优化问题，因此需借助优化理论overallpresentedindetail.Alongwiththethoroughstudyof加以解决。特别是近年来现代智能启发式优化算法PSO,itsgreatlatentcapacitywillbebroughtintoplayinthe在电力系统中的应用研究越来越广泛和深入，为解electricitymarketauction,biddingstrategyandelectricity决电力系统中的相关问题提供了新的途径与手段。marketsimulation.粒子群优化（ParticleSwarmOptimization，KEYWORDS:Particleswarmoptimization；ComputationPSO）算法最初是由Kennedy和Eberhart博士[1]于intelligence；Swarmintelligence；Powersystem1995年受人工生命研究结果启发，在模拟鸟群觅食摘要：粒子群优化方法是一种基于群体智能的新型演化计算过程中的迁徙和群集行为时提出的一种基于群体技术。它在函数优化、神经网络设计、分类、模式识别、信智能的演化计算技术。该算法具有并行处理、鲁棒号处理、机器人技术等许多领域已取得了成功应用，但在电性好等特点，能以较大概率找到问题的全局最优力系统中应用的研究起步较晚，关于它实际应用的报道尚不解，且计算效率比传统随机方