电工电能新技术

作者：张程1,2， 邱炳林1， 刘佳静1， 匡宇1

单位：1. 福建工程学院电子电气与物理学院， 福建 福州 350118；
\r\n2. 智能电网仿真分析与综合控制福建省高校工程研究中心， 福建 福州 350118

关键词：电力系统, 参数优化, 电力系统稳定器, 社会学习粒子群算法

基金：国家自然科学基金项目（51977039）、 福建工程学院科研启动基金项目（GY-Z18060）

对于电力系统稳定器(PSS)参数优化整定的问题，为了更好地寻找最优参数，本文将社会学习机制引入到粒子群优化算法中，将社会学习粒子群优化算法（SLPSO）应用于PSS参数的优化整定中，相比于传统优化算法，本文算法优化PSS参数具有更好的动态自适应性，同时不易陷入局部最优，能够较快地寻找到全局最优值。通过四机两区的仿真算例表明，本文方法解决了常规优化算法如粒子群优化算法优化PSS参数中存在的收敛性差、容易陷入局部最优、优化效果差等问题。通过将社会学习粒子群优化算法应用于PSS参数的寻优工作中，其PSS的优化效果和稳定性都得到了较大的提升。

来源：2022年第4期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2022年第4期