一种可用输电能力量子粒子群优化算法

吉林省工业技师学院　孟　妍　刘冲杰　路　赵　北华大学工程训练中心　曲丽萍

摘　要：以量子行为与粒子群优化相融合的量子粒子群算法解决可用输电能力计算的优化问题。本文利用Matlab软件平台，以IEEE-30节点标准系统为算例进行仿真计算，比较本算法与传统粒子群算法的仿真结果，分析两种算法的寻优性能和收敛速度。仿真结果验证了量子粒子群算法解决可用输电能力优化问题的有效性。

关键词：可用输电能力；粒子群算法；量子粒子群算法

在电力系统运营逐步市场化的情况下，建设智能电网成为社会发展的必然趋势。与此同时，满足超大容量、长距离电力输送和电力负载的高速发展也是保障恩门生活的必然需求。而其中的关键问题是电力输送技术的选用，以及提高现有输电网络的输电功率和输送能力方法。电网系统的输电能力（Transmission　Transfer　Capability，TC），尤其是可用输电能力（Available　Transfer　Capability，ATC　）对电网安全稳定运行，以及电力市场交易顺利进行等都具有重要影响。现代电力系统正在接近运行极限，计算可用输电能力（ATC）成为一个非常重要的手段。可通过公式的形式来表示其概念，即ATC=TTC-TRM-CBM-ETC，式中：TTC为最大输电能力（Total　Transfer　Capability　）；TRM为传输可靠性裕度　（Transmission　Reliability　Margin）；CBM为容量效益裕度（Capability　Benefit　Margin　）；ETC为现有输电协议　（Existing　Transmission　Commitment）[1]。

输电能力计算可分为以下几种[2]：1）根据计算方式，可分为在线计算和离线计算；2）按约束条件可分为静态输电能力和暂态输电能力计算；3）由于输电网络系统状态的过程及随机性比较大，可分为确定型和概率型两种。常用于计算可用输电能力的方法有经典优化算法和现代智能算法，如最优潮流法、遗传算法、粒子群算法等。由于Frans　Van　den　Bergh已经证明了传统粒子群（Traditional　Particle　Swarm　Optimization，PSO）算法不能收敛于全局最优解，甚至是局部最优解，并且通过实验证明很多算法收敛性能的改进都是有限的[3]。因此，为了更好地解决收敛性问题，本文将量子粒子群（Quantum-behaved　Particle　Swarm　Optimization，QPSO）优化算法应用在可用输电能力的计算中[4]。