電力系統(tǒng)及其自動(dòng)化專業(yè)畢業(yè)論文基于粒子群改進(jìn)算法的無源電力濾波器優(yōu)化設(shè)計(jì)

1、電力系統(tǒng)及其自動(dòng)化專業(yè)畢業(yè)論文 精品論文 基于粒子群改進(jìn)算法的無源電力濾波器優(yōu)化設(shè)計(jì)關(guān)鍵詞：無源濾波器 粒子群 無功補(bǔ)償 優(yōu)化設(shè)計(jì) 增量式PID摘要：隨著科學(xué)技術(shù)和國民經(jīng)濟(jì)的發(fā)展，對(duì)電能質(zhì)量的要求越來越高，電能質(zhì)量問題受到電力企業(yè)和用戶的共同關(guān)注：與此同時(shí)，非線性負(fù)載的大量應(yīng)用給電網(wǎng)帶來了嚴(yán)重的諧波污染。無源電力濾波器(Passive Power Filter， PPF)因其具有結(jié)構(gòu)簡單、設(shè)備投資少、運(yùn)行可靠性高、運(yùn)行成本低等優(yōu)點(diǎn)，在電網(wǎng)諧波治理和無功補(bǔ)償中擔(dān)任著重要的角色。研究PPF參數(shù)優(yōu)化設(shè)計(jì)方法，降低濾波成本，提高濾波效益，保障濾波器安全，改善電能質(zhì)量，具有理論和實(shí)際意義。 本文介紹了P

2、PF的工作原理和結(jié)構(gòu)特點(diǎn)，總結(jié)了PPF設(shè)計(jì)方法的研究現(xiàn)狀，著重討論了濾波器參數(shù)對(duì)濾波器性能的影響，以此為基礎(chǔ)，針對(duì)PPF參數(shù)優(yōu)化這一多目標(biāo)非線性復(fù)雜優(yōu)化問題，應(yīng)用改進(jìn)的粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法進(jìn)行求解。 PSO算法是一種新興的群體智能優(yōu)化算法。本文基于PSO的簡單模型和PID控制原理，引入了PID增量算子和4個(gè)新的隨機(jī)因子，對(duì)標(biāo)準(zhǔn)粒子群優(yōu)化(Standard PSO， SPSO)算法進(jìn)行了擴(kuò)展。進(jìn)行擴(kuò)展后粒子群優(yōu)化(Extended PSO，EPSO)算法中粒子自身認(rèn)知能力和社會(huì)認(rèn)知能力有了大的提升，粒子共享的信息量也有所增加，粒子在運(yùn)動(dòng)

3、的過程中更加智能化。四個(gè)新隨機(jī)因子的引入，提高了種群的多樣性，一定程度上克服了PSO容易陷入局部最優(yōu)的缺陷，使PSO算法全局搜索能力有了大的提高。為實(shí)現(xiàn)多目標(biāo)優(yōu)化(Multi-objective optimal，MO)，采用了基于向量求值的PSO算法。在種群社會(huì)信息共享方面，借鑒了Fourman和Kursawa基于向量的遺傳算法(Vector Evaluated Genentic Algorithm，VEGA)中隨機(jī)選取目標(biāo)的思想，并將其運(yùn)用于基于向量粒子群算法中種群社會(huì)信息的分派。 本文提出的多目標(biāo)優(yōu)化算法，考慮了諧波抑制、經(jīng)濟(jì)指標(biāo)、無功補(bǔ)償?shù)纫蛩?，綜合實(shí)現(xiàn)了濾波器參數(shù)的多目標(biāo)優(yōu)化。提出了新

4、的優(yōu)化方案和算法，給出了具體實(shí)現(xiàn)步驟。仿真分析表明，本文提出的EPSO算法較SPSO算法收斂速度顯著加快，且不易陷入局部極值點(diǎn)?；谙蛄縀PSO算法的多目標(biāo)優(yōu)化設(shè)計(jì)求得的濾波器參數(shù)，在兼顧無功補(bǔ)償和避免諧振的同時(shí)可獲得良好的諧波抑制性能和經(jīng)濟(jì)性能。正文內(nèi)容 隨著科學(xué)技術(shù)和國民經(jīng)濟(jì)的發(fā)展，對(duì)電能質(zhì)量的要求越來越高，電能質(zhì)量問題受到電力企業(yè)和用戶的共同關(guān)注：與此同時(shí)，非線性負(fù)載的大量應(yīng)用給電網(wǎng)帶來了嚴(yán)重的諧波污染。無源電力濾波器(Passive Power Filter， PPF)因其具有結(jié)構(gòu)簡單、設(shè)備投資少、運(yùn)行可靠性高、運(yùn)行成本低等優(yōu)點(diǎn)，在電網(wǎng)諧波治理和無功補(bǔ)償中擔(dān)任著重要的角色。研究PPF參

5、數(shù)優(yōu)化設(shè)計(jì)方法，降低濾波成本，提高濾波效益，保障濾波器安全，改善電能質(zhì)量，具有理論和實(shí)際意義。 本文介紹了PPF的工作原理和結(jié)構(gòu)特點(diǎn)，總結(jié)了PPF設(shè)計(jì)方法的研究現(xiàn)狀，著重討論了濾波器參數(shù)對(duì)濾波器性能的影響，以此為基礎(chǔ)，針對(duì)PPF參數(shù)優(yōu)化這一多目標(biāo)非線性復(fù)雜優(yōu)化問題，應(yīng)用改進(jìn)的粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法進(jìn)行求解。 PSO算法是一種新興的群體智能優(yōu)化算法。本文基于PSO的簡單模型和PID控制原理，引入了PID增量算子和4個(gè)新的隨機(jī)因子，對(duì)標(biāo)準(zhǔn)粒子群優(yōu)化(Standard PSO， SPSO)算法進(jìn)行了擴(kuò)展。進(jìn)行擴(kuò)展后粒子群優(yōu)化(Extended

6、 PSO，EPSO)算法中粒子自身認(rèn)知能力和社會(huì)認(rèn)知能力有了大的提升，粒子共享的信息量也有所增加，粒子在運(yùn)動(dòng)的過程中更加智能化。四個(gè)新隨機(jī)因子的引入，提高了種群的多樣性，一定程度上克服了PSO容易陷入局部最優(yōu)的缺陷，使PSO算法全局搜索能力有了大的提高。為實(shí)現(xiàn)多目標(biāo)優(yōu)化(Multi-objective optimal，MO)，采用了基于向量求值的PSO算法。在種群社會(huì)信息共享方面，借鑒了Fourman和Kursawa基于向量的遺傳算法(Vector Evaluated Genentic Algorithm，VEGA)中隨機(jī)選取目標(biāo)的思想，并將其運(yùn)用于基于向量粒子群算法中種群社會(huì)信息的分派。 本

7、文提出的多目標(biāo)優(yōu)化算法，考慮了諧波抑制、經(jīng)濟(jì)指標(biāo)、無功補(bǔ)償?shù)纫蛩?，綜合實(shí)現(xiàn)了濾波器參數(shù)的多目標(biāo)優(yōu)化。提出了新的優(yōu)化方案和算法，給出了具體實(shí)現(xiàn)步驟。仿真分析表明，本文提出的EPSO算法較SPSO算法收斂速度顯著加快，且不易陷入局部極值點(diǎn)?；谙蛄縀PSO算法的多目標(biāo)優(yōu)化設(shè)計(jì)求得的濾波器參數(shù)，在兼顧無功補(bǔ)償和避免諧振的同時(shí)可獲得良好的諧波抑制性能和經(jīng)濟(jì)性能。隨著科學(xué)技術(shù)和國民經(jīng)濟(jì)的發(fā)展，對(duì)電能質(zhì)量的要求越來越高，電能質(zhì)量問題受到電力企業(yè)和用戶的共同關(guān)注：與此同時(shí)，非線性負(fù)載的大量應(yīng)用給電網(wǎng)帶來了嚴(yán)重的諧波污染。無源電力濾波器(Passive Power Filter， PPF)因其具有結(jié)構(gòu)簡單、設(shè)

8、備投資少、運(yùn)行可靠性高、運(yùn)行成本低等優(yōu)點(diǎn)，在電網(wǎng)諧波治理和無功補(bǔ)償中擔(dān)任著重要的角色。研究PPF參數(shù)優(yōu)化設(shè)計(jì)方法，降低濾波成本，提高濾波效益，保障濾波器安全，改善電能質(zhì)量，具有理論和實(shí)際意義。 本文介紹了PPF的工作原理和結(jié)構(gòu)特點(diǎn)，總結(jié)了PPF設(shè)計(jì)方法的研究現(xiàn)狀，著重討論了濾波器參數(shù)對(duì)濾波器性能的影響，以此為基礎(chǔ)，針對(duì)PPF參數(shù)優(yōu)化這一多目標(biāo)非線性復(fù)雜優(yōu)化問題，應(yīng)用改進(jìn)的粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法進(jìn)行求解。 PSO算法是一種新興的群體智能優(yōu)化算法。本文基于PSO的簡單模型和PID控制原理，引入了PID增量算子和4個(gè)新的隨機(jī)因子，對(duì)標(biāo)準(zhǔn)粒子群

9、優(yōu)化(Standard PSO， SPSO)算法進(jìn)行了擴(kuò)展。進(jìn)行擴(kuò)展后粒子群優(yōu)化(Extended PSO，EPSO)算法中粒子自身認(rèn)知能力和社會(huì)認(rèn)知能力有了大的提升，粒子共享的信息量也有所增加，粒子在運(yùn)動(dòng)的過程中更加智能化。四個(gè)新隨機(jī)因子的引入，提高了種群的多樣性，一定程度上克服了PSO容易陷入局部最優(yōu)的缺陷，使PSO算法全局搜索能力有了大的提高。為實(shí)現(xiàn)多目標(biāo)優(yōu)化(Multi-objective optimal，MO)，采用了基于向量求值的PSO算法。在種群社會(huì)信息共享方面，借鑒了Fourman和Kursawa基于向量的遺傳算法(Vector Evaluated Genentic Algor

10、ithm，VEGA)中隨機(jī)選取目標(biāo)的思想，并將其運(yùn)用于基于向量粒子群算法中種群社會(huì)信息的分派。 本文提出的多目標(biāo)優(yōu)化算法，考慮了諧波抑制、經(jīng)濟(jì)指標(biāo)、無功補(bǔ)償?shù)纫蛩?，綜合實(shí)現(xiàn)了濾波器參數(shù)的多目標(biāo)優(yōu)化。提出了新的優(yōu)化方案和算法，給出了具體實(shí)現(xiàn)步驟。仿真分析表明，本文提出的EPSO算法較SPSO算法收斂速度顯著加快，且不易陷入局部極值點(diǎn)。基于向量EPSO算法的多目標(biāo)優(yōu)化設(shè)計(jì)求得的濾波器參數(shù)，在兼顧無功補(bǔ)償和避免諧振的同時(shí)可獲得良好的諧波抑制性能和經(jīng)濟(jì)性能。隨著科學(xué)技術(shù)和國民經(jīng)濟(jì)的發(fā)展，對(duì)電能質(zhì)量的要求越來越高，電能質(zhì)量問題受到電力企業(yè)和用戶的共同關(guān)注：與此同時(shí)，非線性負(fù)載的大量應(yīng)用給電網(wǎng)帶來了嚴(yán)重的

11、諧波污染。無源電力濾波器(Passive Power Filter， PPF)因其具有結(jié)構(gòu)簡單、設(shè)備投資少、運(yùn)行可靠性高、運(yùn)行成本低等優(yōu)點(diǎn)，在電網(wǎng)諧波治理和無功補(bǔ)償中擔(dān)任著重要的角色。研究PPF參數(shù)優(yōu)化設(shè)計(jì)方法，降低濾波成本，提高濾波效益，保障濾波器安全，改善電能質(zhì)量，具有理論和實(shí)際意義。 本文介紹了PPF的工作原理和結(jié)構(gòu)特點(diǎn)，總結(jié)了PPF設(shè)計(jì)方法的研究現(xiàn)狀，著重討論了濾波器參數(shù)對(duì)濾波器性能的影響，以此為基礎(chǔ)，針對(duì)PPF參數(shù)優(yōu)化這一多目標(biāo)非線性復(fù)雜優(yōu)化問題，應(yīng)用改進(jìn)的粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法進(jìn)行求解。 PSO算法是一種新興的群體智能優(yōu)化算

12、法。本文基于PSO的簡單模型和PID控制原理，引入了PID增量算子和4個(gè)新的隨機(jī)因子，對(duì)標(biāo)準(zhǔn)粒子群優(yōu)化(Standard PSO， SPSO)算法進(jìn)行了擴(kuò)展。進(jìn)行擴(kuò)展后粒子群優(yōu)化(Extended PSO，EPSO)算法中粒子自身認(rèn)知能力和社會(huì)認(rèn)知能力有了大的提升，粒子共享的信息量也有所增加，粒子在運(yùn)動(dòng)的過程中更加智能化。四個(gè)新隨機(jī)因子的引入，提高了種群的多樣性，一定程度上克服了PSO容易陷入局部最優(yōu)的缺陷，使PSO算法全局搜索能力有了大的提高。為實(shí)現(xiàn)多目標(biāo)優(yōu)化(Multi-objective optimal，MO)，采用了基于向量求值的PSO算法。在種群社會(huì)信息共享方面，借鑒了Fourman

13、和Kursawa基于向量的遺傳算法(Vector Evaluated Genentic Algorithm，VEGA)中隨機(jī)選取目標(biāo)的思想，并將其運(yùn)用于基于向量粒子群算法中種群社會(huì)信息的分派。 本文提出的多目標(biāo)優(yōu)化算法，考慮了諧波抑制、經(jīng)濟(jì)指標(biāo)、無功補(bǔ)償?shù)纫蛩?，綜合實(shí)現(xiàn)了濾波器參數(shù)的多目標(biāo)優(yōu)化。提出了新的優(yōu)化方案和算法，給出了具體實(shí)現(xiàn)步驟。仿真分析表明，本文提出的EPSO算法較SPSO算法收斂速度顯著加快，且不易陷入局部極值點(diǎn)?；谙蛄縀PSO算法的多目標(biāo)優(yōu)化設(shè)計(jì)求得的濾波器參數(shù)，在兼顧無功補(bǔ)償和避免諧振的同時(shí)可獲得良好的諧波抑制性能和經(jīng)濟(jì)性能。隨著科學(xué)技術(shù)和國民經(jīng)濟(jì)的發(fā)展，對(duì)電能質(zhì)量的要求越

14、來越高，電能質(zhì)量問題受到電力企業(yè)和用戶的共同關(guān)注：與此同時(shí)，非線性負(fù)載的大量應(yīng)用給電網(wǎng)帶來了嚴(yán)重的諧波污染。無源電力濾波器(Passive Power Filter， PPF)因其具有結(jié)構(gòu)簡單、設(shè)備投資少、運(yùn)行可靠性高、運(yùn)行成本低等優(yōu)點(diǎn)，在電網(wǎng)諧波治理和無功補(bǔ)償中擔(dān)任著重要的角色。研究PPF參數(shù)優(yōu)化設(shè)計(jì)方法，降低濾波成本，提高濾波效益，保障濾波器安全，改善電能質(zhì)量，具有理論和實(shí)際意義。 本文介紹了PPF的工作原理和結(jié)構(gòu)特點(diǎn)，總結(jié)了PPF設(shè)計(jì)方法的研究現(xiàn)狀，著重討論了濾波器參數(shù)對(duì)濾波器性能的影響，以此為基礎(chǔ)，針對(duì)PPF參數(shù)優(yōu)化這一多目標(biāo)非線性復(fù)雜優(yōu)化問題，應(yīng)用改進(jìn)的粒子群優(yōu)化(Particle

15、Swarm Optimization，PSO)算法進(jìn)行求解。 PSO算法是一種新興的群體智能優(yōu)化算法。本文基于PSO的簡單模型和PID控制原理，引入了PID增量算子和4個(gè)新的隨機(jī)因子，對(duì)標(biāo)準(zhǔn)粒子群優(yōu)化(Standard PSO， SPSO)算法進(jìn)行了擴(kuò)展。進(jìn)行擴(kuò)展后粒子群優(yōu)化(Extended PSO，EPSO)算法中粒子自身認(rèn)知能力和社會(huì)認(rèn)知能力有了大的提升，粒子共享的信息量也有所增加，粒子在運(yùn)動(dòng)的過程中更加智能化。四個(gè)新隨機(jī)因子的引入，提高了種群的多樣性，一定程度上克服了PSO容易陷入局部最優(yōu)的缺陷，使PSO算法全局搜索能力有了大的提高。為實(shí)現(xiàn)多目標(biāo)優(yōu)化(Multi-objective o

16、ptimal，MO)，采用了基于向量求值的PSO算法。在種群社會(huì)信息共享方面，借鑒了Fourman和Kursawa基于向量的遺傳算法(Vector Evaluated Genentic Algorithm，VEGA)中隨機(jī)選取目標(biāo)的思想，并將其運(yùn)用于基于向量粒子群算法中種群社會(huì)信息的分派。 本文提出的多目標(biāo)優(yōu)化算法，考慮了諧波抑制、經(jīng)濟(jì)指標(biāo)、無功補(bǔ)償?shù)纫蛩?，綜合實(shí)現(xiàn)了濾波器參數(shù)的多目標(biāo)優(yōu)化。提出了新的優(yōu)化方案和算法，給出了具體實(shí)現(xiàn)步驟。仿真分析表明，本文提出的EPSO算法較SPSO算法收斂速度顯著加快，且不易陷入局部極值點(diǎn)?；谙蛄縀PSO算法的多目標(biāo)優(yōu)化設(shè)計(jì)求得的濾波器參數(shù)，在兼顧無功補(bǔ)償和

17、避免諧振的同時(shí)可獲得良好的諧波抑制性能和經(jīng)濟(jì)性能。隨著科學(xué)技術(shù)和國民經(jīng)濟(jì)的發(fā)展，對(duì)電能質(zhì)量的要求越來越高，電能質(zhì)量問題受到電力企業(yè)和用戶的共同關(guān)注：與此同時(shí)，非線性負(fù)載的大量應(yīng)用給電網(wǎng)帶來了嚴(yán)重的諧波污染。無源電力濾波器(Passive Power Filter， PPF)因其具有結(jié)構(gòu)簡單、設(shè)備投資少、運(yùn)行可靠性高、運(yùn)行成本低等優(yōu)點(diǎn)，在電網(wǎng)諧波治理和無功補(bǔ)償中擔(dān)任著重要的角色。研究PPF參數(shù)優(yōu)化設(shè)計(jì)方法，降低濾波成本，提高濾波效益，保障濾波器安全，改善電能質(zhì)量，具有理論和實(shí)際意義。 本文介紹了PPF的工作原理和結(jié)構(gòu)特點(diǎn)，總結(jié)了PPF設(shè)計(jì)方法的研究現(xiàn)狀，著重討論了濾波器參數(shù)對(duì)濾波器性能的影響，以

18、此為基礎(chǔ)，針對(duì)PPF參數(shù)優(yōu)化這一多目標(biāo)非線性復(fù)雜優(yōu)化問題，應(yīng)用改進(jìn)的粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法進(jìn)行求解。 PSO算法是一種新興的群體智能優(yōu)化算法。本文基于PSO的簡單模型和PID控制原理，引入了PID增量算子和4個(gè)新的隨機(jī)因子，對(duì)標(biāo)準(zhǔn)粒子群優(yōu)化(Standard PSO， SPSO)算法進(jìn)行了擴(kuò)展。進(jìn)行擴(kuò)展后粒子群優(yōu)化(Extended PSO，EPSO)算法中粒子自身認(rèn)知能力和社會(huì)認(rèn)知能力有了大的提升，粒子共享的信息量也有所增加，粒子在運(yùn)動(dòng)的過程中更加智能化。四個(gè)新隨機(jī)因子的引入，提高了種群的多樣性，一定程度上克服了PSO容易陷入局部最優(yōu)

19、的缺陷，使PSO算法全局搜索能力有了大的提高。為實(shí)現(xiàn)多目標(biāo)優(yōu)化(Multi-objective optimal，MO)，采用了基于向量求值的PSO算法。在種群社會(huì)信息共享方面，借鑒了Fourman和Kursawa基于向量的遺傳算法(Vector Evaluated Genentic Algorithm，VEGA)中隨機(jī)選取目標(biāo)的思想，并將其運(yùn)用于基于向量粒子群算法中種群社會(huì)信息的分派。 本文提出的多目標(biāo)優(yōu)化算法，考慮了諧波抑制、經(jīng)濟(jì)指標(biāo)、無功補(bǔ)償?shù)纫蛩?，綜合實(shí)現(xiàn)了濾波器參數(shù)的多目標(biāo)優(yōu)化。提出了新的優(yōu)化方案和算法，給出了具體實(shí)現(xiàn)步驟。仿真分析表明，本文提出的EPSO算法較SPSO算法收斂速度顯著

20、加快，且不易陷入局部極值點(diǎn)?；谙蛄縀PSO算法的多目標(biāo)優(yōu)化設(shè)計(jì)求得的濾波器參數(shù)，在兼顧無功補(bǔ)償和避免諧振的同時(shí)可獲得良好的諧波抑制性能和經(jīng)濟(jì)性能。隨著科學(xué)技術(shù)和國民經(jīng)濟(jì)的發(fā)展，對(duì)電能質(zhì)量的要求越來越高，電能質(zhì)量問題受到電力企業(yè)和用戶的共同關(guān)注：與此同時(shí)，非線性負(fù)載的大量應(yīng)用給電網(wǎng)帶來了嚴(yán)重的諧波污染。無源電力濾波器(Passive Power Filter， PPF)因其具有結(jié)構(gòu)簡單、設(shè)備投資少、運(yùn)行可靠性高、運(yùn)行成本低等優(yōu)點(diǎn)，在電網(wǎng)諧波治理和無功補(bǔ)償中擔(dān)任著重要的角色。研究PPF參數(shù)優(yōu)化設(shè)計(jì)方法，降低濾波成本，提高濾波效益，保障濾波器安全，改善電能質(zhì)量，具有理論和實(shí)際意義。 本文介紹了PP

21、F的工作原理和結(jié)構(gòu)特點(diǎn)，總結(jié)了PPF設(shè)計(jì)方法的研究現(xiàn)狀，著重討論了濾波器參數(shù)對(duì)濾波器性能的影響，以此為基礎(chǔ)，針對(duì)PPF參數(shù)優(yōu)化這一多目標(biāo)非線性復(fù)雜優(yōu)化問題，應(yīng)用改進(jìn)的粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法進(jìn)行求解。 PSO算法是一種新興的群體智能優(yōu)化算法。本文基于PSO的簡單模型和PID控制原理，引入了PID增量算子和4個(gè)新的隨機(jī)因子，對(duì)標(biāo)準(zhǔn)粒子群優(yōu)化(Standard PSO， SPSO)算法進(jìn)行了擴(kuò)展。進(jìn)行擴(kuò)展后粒子群優(yōu)化(Extended PSO，EPSO)算法中粒子自身認(rèn)知能力和社會(huì)認(rèn)知能力有了大的提升，粒子共享的信息量也有所增加，粒子在運(yùn)動(dòng)的

22、過程中更加智能化。四個(gè)新隨機(jī)因子的引入，提高了種群的多樣性，一定程度上克服了PSO容易陷入局部最優(yōu)的缺陷，使PSO算法全局搜索能力有了大的提高。為實(shí)現(xiàn)多目標(biāo)優(yōu)化(Multi-objective optimal，MO)，采用了基于向量求值的PSO算法。在種群社會(huì)信息共享方面，借鑒了Fourman和Kursawa基于向量的遺傳算法(Vector Evaluated Genentic Algorithm，VEGA)中隨機(jī)選取目標(biāo)的思想，并將其運(yùn)用于基于向量粒子群算法中種群社會(huì)信息的分派。 本文提出的多目標(biāo)優(yōu)化算法，考慮了諧波抑制、經(jīng)濟(jì)指標(biāo)、無功補(bǔ)償?shù)纫蛩?，綜合實(shí)現(xiàn)了濾波器參數(shù)的多目標(biāo)優(yōu)化。提出了新的

23、優(yōu)化方案和算法，給出了具體實(shí)現(xiàn)步驟。仿真分析表明，本文提出的EPSO算法較SPSO算法收斂速度顯著加快，且不易陷入局部極值點(diǎn)。基于向量EPSO算法的多目標(biāo)優(yōu)化設(shè)計(jì)求得的濾波器參數(shù)，在兼顧無功補(bǔ)償和避免諧振的同時(shí)可獲得良好的諧波抑制性能和經(jīng)濟(jì)性能。隨著科學(xué)技術(shù)和國民經(jīng)濟(jì)的發(fā)展，對(duì)電能質(zhì)量的要求越來越高，電能質(zhì)量問題受到電力企業(yè)和用戶的共同關(guān)注：與此同時(shí)，非線性負(fù)載的大量應(yīng)用給電網(wǎng)帶來了嚴(yán)重的諧波污染。無源電力濾波器(Passive Power Filter， PPF)因其具有結(jié)構(gòu)簡單、設(shè)備投資少、運(yùn)行可靠性高、運(yùn)行成本低等優(yōu)點(diǎn)，在電網(wǎng)諧波治理和無功補(bǔ)償中擔(dān)任著重要的角色。研究PPF參數(shù)優(yōu)化設(shè)計(jì)方

24、法，降低濾波成本，提高濾波效益，保障濾波器安全，改善電能質(zhì)量，具有理論和實(shí)際意義。 本文介紹了PPF的工作原理和結(jié)構(gòu)特點(diǎn)，總結(jié)了PPF設(shè)計(jì)方法的研究現(xiàn)狀，著重討論了濾波器參數(shù)對(duì)濾波器性能的影響，以此為基礎(chǔ)，針對(duì)PPF參數(shù)優(yōu)化這一多目標(biāo)非線性復(fù)雜優(yōu)化問題，應(yīng)用改進(jìn)的粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法進(jìn)行求解。 PSO算法是一種新興的群體智能優(yōu)化算法。本文基于PSO的簡單模型和PID控制原理，引入了PID增量算子和4個(gè)新的隨機(jī)因子，對(duì)標(biāo)準(zhǔn)粒子群優(yōu)化(Standard PSO， SPSO)算法進(jìn)行了擴(kuò)展。進(jìn)行擴(kuò)展后粒子群優(yōu)化(Extended PSO，E

25、PSO)算法中粒子自身認(rèn)知能力和社會(huì)認(rèn)知能力有了大的提升，粒子共享的信息量也有所增加，粒子在運(yùn)動(dòng)的過程中更加智能化。四個(gè)新隨機(jī)因子的引入，提高了種群的多樣性，一定程度上克服了PSO容易陷入局部最優(yōu)的缺陷，使PSO算法全局搜索能力有了大的提高。為實(shí)現(xiàn)多目標(biāo)優(yōu)化(Multi-objective optimal，MO)，采用了基于向量求值的PSO算法。在種群社會(huì)信息共享方面，借鑒了Fourman和Kursawa基于向量的遺傳算法(Vector Evaluated Genentic Algorithm，VEGA)中隨機(jī)選取目標(biāo)的思想，并將其運(yùn)用于基于向量粒子群算法中種群社會(huì)信息的分派。 本文提出的多目

26、標(biāo)優(yōu)化算法，考慮了諧波抑制、經(jīng)濟(jì)指標(biāo)、無功補(bǔ)償?shù)纫蛩?，綜合實(shí)現(xiàn)了濾波器參數(shù)的多目標(biāo)優(yōu)化。提出了新的優(yōu)化方案和算法，給出了具體實(shí)現(xiàn)步驟。仿真分析表明，本文提出的EPSO算法較SPSO算法收斂速度顯著加快，且不易陷入局部極值點(diǎn)?；谙蛄縀PSO算法的多目標(biāo)優(yōu)化設(shè)計(jì)求得的濾波器參數(shù)，在兼顧無功補(bǔ)償和避免諧振的同時(shí)可獲得良好的諧波抑制性能和經(jīng)濟(jì)性能。隨著科學(xué)技術(shù)和國民經(jīng)濟(jì)的發(fā)展，對(duì)電能質(zhì)量的要求越來越高，電能質(zhì)量問題受到電力企業(yè)和用戶的共同關(guān)注：與此同時(shí)，非線性負(fù)載的大量應(yīng)用給電網(wǎng)帶來了嚴(yán)重的諧波污染。無源電力濾波器(Passive Power Filter， PPF)因其具有結(jié)構(gòu)簡單、設(shè)備投資少、運(yùn)

27、行可靠性高、運(yùn)行成本低等優(yōu)點(diǎn)，在電網(wǎng)諧波治理和無功補(bǔ)償中擔(dān)任著重要的角色。研究PPF參數(shù)優(yōu)化設(shè)計(jì)方法，降低濾波成本，提高濾波效益，保障濾波器安全，改善電能質(zhì)量，具有理論和實(shí)際意義。 本文介紹了PPF的工作原理和結(jié)構(gòu)特點(diǎn)，總結(jié)了PPF設(shè)計(jì)方法的研究現(xiàn)狀，著重討論了濾波器參數(shù)對(duì)濾波器性能的影響，以此為基礎(chǔ)，針對(duì)PPF參數(shù)優(yōu)化這一多目標(biāo)非線性復(fù)雜優(yōu)化問題，應(yīng)用改進(jìn)的粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法進(jìn)行求解。 PSO算法是一種新興的群體智能優(yōu)化算法。本文基于PSO的簡單模型和PID控制原理，引入了PID增量算子和4個(gè)新的隨機(jī)因子，對(duì)標(biāo)準(zhǔn)粒子群優(yōu)化(Sta

28、ndard PSO， SPSO)算法進(jìn)行了擴(kuò)展。進(jìn)行擴(kuò)展后粒子群優(yōu)化(Extended PSO，EPSO)算法中粒子自身認(rèn)知能力和社會(huì)認(rèn)知能力有了大的提升，粒子共享的信息量也有所增加，粒子在運(yùn)動(dòng)的過程中更加智能化。四個(gè)新隨機(jī)因子的引入，提高了種群的多樣性，一定程度上克服了PSO容易陷入局部最優(yōu)的缺陷，使PSO算法全局搜索能力有了大的提高。為實(shí)現(xiàn)多目標(biāo)優(yōu)化(Multi-objective optimal，MO)，采用了基于向量求值的PSO算法。在種群社會(huì)信息共享方面，借鑒了Fourman和Kursawa基于向量的遺傳算法(Vector Evaluated Genentic Algorithm，V

29、EGA)中隨機(jī)選取目標(biāo)的思想，并將其運(yùn)用于基于向量粒子群算法中種群社會(huì)信息的分派。 本文提出的多目標(biāo)優(yōu)化算法，考慮了諧波抑制、經(jīng)濟(jì)指標(biāo)、無功補(bǔ)償?shù)纫蛩?，綜合實(shí)現(xiàn)了濾波器參數(shù)的多目標(biāo)優(yōu)化。提出了新的優(yōu)化方案和算法，給出了具體實(shí)現(xiàn)步驟。仿真分析表明，本文提出的EPSO算法較SPSO算法收斂速度顯著加快，且不易陷入局部極值點(diǎn)。基于向量EPSO算法的多目標(biāo)優(yōu)化設(shè)計(jì)求得的濾波器參數(shù)，在兼顧無功補(bǔ)償和避免諧振的同時(shí)可獲得良好的諧波抑制性能和經(jīng)濟(jì)性能。隨著科學(xué)技術(shù)和國民經(jīng)濟(jì)的發(fā)展，對(duì)電能質(zhì)量的要求越來越高，電能質(zhì)量問題受到電力企業(yè)和用戶的共同關(guān)注：與此同時(shí)，非線性負(fù)載的大量應(yīng)用給電網(wǎng)帶來了嚴(yán)重的諧波污染。無

30、源電力濾波器(Passive Power Filter， PPF)因其具有結(jié)構(gòu)簡單、設(shè)備投資少、運(yùn)行可靠性高、運(yùn)行成本低等優(yōu)點(diǎn)，在電網(wǎng)諧波治理和無功補(bǔ)償中擔(dān)任著重要的角色。研究PPF參數(shù)優(yōu)化設(shè)計(jì)方法，降低濾波成本，提高濾波效益，保障濾波器安全，改善電能質(zhì)量，具有理論和實(shí)際意義。 本文介紹了PPF的工作原理和結(jié)構(gòu)特點(diǎn)，總結(jié)了PPF設(shè)計(jì)方法的研究現(xiàn)狀，著重討論了濾波器參數(shù)對(duì)濾波器性能的影響，以此為基礎(chǔ)，針對(duì)PPF參數(shù)優(yōu)化這一多目標(biāo)非線性復(fù)雜優(yōu)化問題，應(yīng)用改進(jìn)的粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法進(jìn)行求解。 PSO算法是一種新興的群體智能優(yōu)化算法。本文基于

31、PSO的簡單模型和PID控制原理，引入了PID增量算子和4個(gè)新的隨機(jī)因子，對(duì)標(biāo)準(zhǔn)粒子群優(yōu)化(Standard PSO， SPSO)算法進(jìn)行了擴(kuò)展。進(jìn)行擴(kuò)展后粒子群優(yōu)化(Extended PSO，EPSO)算法中粒子自身認(rèn)知能力和社會(huì)認(rèn)知能力有了大的提升，粒子共享的信息量也有所增加，粒子在運(yùn)動(dòng)的過程中更加智能化。四個(gè)新隨機(jī)因子的引入，提高了種群的多樣性，一定程度上克服了PSO容易陷入局部最優(yōu)的缺陷，使PSO算法全局搜索能力有了大的提高。為實(shí)現(xiàn)多目標(biāo)優(yōu)化(Multi-objective optimal，MO)，采用了基于向量求值的PSO算法。在種群社會(huì)信息共享方面，借鑒了Fourman和Kursa

32、wa基于向量的遺傳算法(Vector Evaluated Genentic Algorithm，VEGA)中隨機(jī)選取目標(biāo)的思想，并將其運(yùn)用于基于向量粒子群算法中種群社會(huì)信息的分派。 本文提出的多目標(biāo)優(yōu)化算法，考慮了諧波抑制、經(jīng)濟(jì)指標(biāo)、無功補(bǔ)償?shù)纫蛩?，綜合實(shí)現(xiàn)了濾波器參數(shù)的多目標(biāo)優(yōu)化。提出了新的優(yōu)化方案和算法，給出了具體實(shí)現(xiàn)步驟。仿真分析表明，本文提出的EPSO算法較SPSO算法收斂速度顯著加快，且不易陷入局部極值點(diǎn)。基于向量EPSO算法的多目標(biāo)優(yōu)化設(shè)計(jì)求得的濾波器參數(shù)，在兼顧無功補(bǔ)償和避免諧振的同時(shí)可獲得良好的諧波抑制性能和經(jīng)濟(jì)性能。隨著科學(xué)技術(shù)和國民經(jīng)濟(jì)的發(fā)展，對(duì)電能質(zhì)量的要求越來越高，電能

33、質(zhì)量問題受到電力企業(yè)和用戶的共同關(guān)注：與此同時(shí)，非線性負(fù)載的大量應(yīng)用給電網(wǎng)帶來了嚴(yán)重的諧波污染。無源電力濾波器(Passive Power Filter， PPF)因其具有結(jié)構(gòu)簡單、設(shè)備投資少、運(yùn)行可靠性高、運(yùn)行成本低等優(yōu)點(diǎn)，在電網(wǎng)諧波治理和無功補(bǔ)償中擔(dān)任著重要的角色。研究PPF參數(shù)優(yōu)化設(shè)計(jì)方法，降低濾波成本，提高濾波效益，保障濾波器安全，改善電能質(zhì)量，具有理論和實(shí)際意義。 本文介紹了PPF的工作原理和結(jié)構(gòu)特點(diǎn)，總結(jié)了PPF設(shè)計(jì)方法的研究現(xiàn)狀，著重討論了濾波器參數(shù)對(duì)濾波器性能的影響，以此為基礎(chǔ)，針對(duì)PPF參數(shù)優(yōu)化這一多目標(biāo)非線性復(fù)雜優(yōu)化問題，應(yīng)用改進(jìn)的粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法進(jìn)行求解。 PSO算法是一種新興的群體智能優(yōu)化算法。本文基于PSO的簡單模型和PID控制原理，引入了PID增量算子和