2.2.3 禁忌搜索(Tabu)与模拟退火算法

禁忌搜索法是以较强的局部寻优和爬坡能力而受到普遍关注的一种高效率的现代启发式优化算法。原理是利用一种灵活的“记忆”技术，对已经进行的优化过程进行记录和选择，指导下一步搜索方向。该法寻优较快，但当精度要求较高时全局搜索能力差，且必须从一个可行的初始解开始，这对于约束条件苛刻的无功优化来说是不好的。文献[20]提出了改进禁忌算法，该法不仅对初值没有特殊要求，还减少了大量的搜索与计算，同时解决了禁忌算法在高精度情形下无法爬坡的缺点。模拟退火算法(SA)是一种基于热力学的退火原理建立的启发式随机搜索算法，能以较大概率得到全局最优解;但其参数的选取比较复杂，为使最终解尽可能地接近全局最优，退火速度不能太快，这就意味着计算时间延长。文献[21]针对无功优化采用粒子群算法易陷入局部最优、模拟退火算法约束条件多和收敛速度慢等问题，提出一种基于粒子群与模拟退火相结合的算法。该算法根据粒子群的易实现性、快速收敛性和模拟退火的全局收敛性，进行协同搜索，求取系统无功优化最优解。模拟退火法是一种常用的全局搜索算法，可以有效地跳出局部最优解，但计算时间长，收敛效率低;禁忌搜索法通过引入灵活的存储结构和相应的禁忌准则可以避免迂回搜索，提高搜索效率：将2种算法有机结合，既可以使算法避免局部收敛，又可以提高收敛效率。

2.2.4 模糊集理论(FS)

模糊集理论诞生于20世纪60年代。模糊算法基于模糊集理论，将多目标函数和负荷电压模糊化，利用这种独特的模糊特性处理电力系统无功优化中的参数不确定问题。文献[22]提出利用模糊逻辑的优越性得出有功损耗最小的经济状态;用于配电网并联电容器组投切可以实现电压控制和无功优化，符合配电网的经济运行实情;利用模糊推理的无功电压控制专家系统能有效控制配电系统的电压偏移;与动态规划法结合，可以实现配电站电容器优化法所需的信息量少、智能性强、迭代次数少的要求，能很好地反映电压的变化情况，解算速度快于非模糊控制。该法只对不确定性问题解算，对确定性问题会使其复杂化。

2.2.5 多智能体优化算法

多智能体优化算法是优化算法和多智体系统结合而成的，是一种人工智能新兴算法。文献[23]提出根据多智能体系统的广义思想构造粒子间信息交互环境，更新每个粒子在解空间的位置，使其能够更快更精确地收敛到全局最优。文献[24]提出了多智能体粒子群优化算法来实现电压和无功功率最优控制和调度，该算法吸收了多智体系统和粒子群优化技术双方优点，能够更快地、更精确地收敛到全局最优解。与其他4种智能算法相比，多智体算法计算精度、收敛稳定性、寻优时间都具有优势。

2.3 电力系统无功优化计算的其他新型方法

除上述算法以外，目前应用比较多的还有免疫算法、人工鱼群算法、分解协调算法、Box算法、模拟植物生长算法、小生境遗传算法、混合蛙跳算法、差分进化算法、尺度混沌优化法、粒子群优化法及蚁群算法等新型算法。免疫算法是依据生物免疫系统原理提出的，具有抗原识别、记忆、抗体的多样性、自适应调节抑制和促进等优点。与遗传算法相比，免疫算法有更快的收敛速度，更好的全局寻优能力。人工鱼群算法是一种基于模拟鱼群行为的随机搜索算法，通过鱼群中个体的局部寻优达到总体全局寻优。分解协调算法是将无功优化问题分解成一系列相互联系的子优化问题，每个子优化问题对应于进化算法的一个优化种群，各种群通过共同的系统模型相互作用，不断进化，从而达到全局最优化。Box算法是一种直接搜索法，源于非线性规划中的单纯形法，通过复合形的反射、收缩来寻求问题最优解。模拟植物生长法是将优化问题的可行域作为植物的生长环境，将全局最优解当作光源，模拟植物生长的向光性原理，建立枝叶在不同光强下有不同的生长速度的动力机制。文献[25]提出小生境遗传算法是利用一种特定的生物环境小生境，更好地保持解的多样性，同时又具有很高的寻优能力和收敛速度，提高了遗传算法处理多峰函数的优化问题。混合蛙跳算法是一种模拟青蛙群体搜索食物进行思想传递的协同搜索方法，文献[26]提出该法是全局信息交换和局部深度搜索相结合，使算法向着全局最优(食物地点)方向逼近。差分进化算法是一种基于生物群体智能的新型优化算法，文献[27]提出该法模拟群体内生物个体间的合作与竞争而产生的群体智能指导优化搜索。尺度混沌优化算法是基于混沌优化算法，不断缩小优化变量的搜索空间，并不断提高搜索精度，从而有较高的搜索效率的新型算法。粒子群算法是优化计算领域中的一个新的分支，其源于对鸟群和鱼群群体运动行为的研究，具有并行处理、鲁棒性好、计算效率高等优点，已成功应用于各种复杂的优化问题。蚁群算法是一种新型的模仿蚂蚁群体行为而提出的仿生学算法。相对于传统的智能算法，蚁群算法具有收敛速度快、计算精度高、可靠等优点。

表1给出了各种用于无功优化的算法特点之间的比较。

3 结论

本文对电力系统无功优化方法进行分类比较，总结了各种方法的优缺点。提出了每种方法所使用的领域。随着电力系统的复杂化发展，对电力系统无功优化的最优解精度、算法简易度、收敛速度、质量要求越来越高，本文所述方法很难独自承担解算电力系统无功优化问题的任务，因此，寻求多种算法互补结合是最佳的无功优化算法策略。