为解决电力系统稳定器(power system stabilizer,PSS)参数设置困难及传统的智能优化算法在寻优的过程中容易陷入局部最优,导致收敛速度下降的问题,因此文中采用混合策略改进SSA算法优化PSS参数。首先采用tent混沌映射来优化初始种群,提...为解决电力系统稳定器(power system stabilizer,PSS)参数设置困难及传统的智能优化算法在寻优的过程中容易陷入局部最优,导致收敛速度下降的问题,因此文中采用混合策略改进SSA算法优化PSS参数。首先采用tent混沌映射来优化初始种群,提高种群多样性;采用柯西变异、正余弦策略和反向学习策略(opposition-based learning,OBL)来提升收敛速度;然后对6种测试函数进行寻优实验,将改进的SSA与PSO、GWO、SSA、SSSA优化结果对比,验证改进的SSA算法具有更好的收敛速度和稳定性;最后,将改进的SSA算法应用在单机无穷大系统及四机二区域系统的PSS参数优化中,与其他算法优化结果比较,验证改进的SSA在PSS参数优化方面的鲁棒性更好,收敛速度更快。展开更多
文摘为解决电力系统稳定器(power system stabilizer,PSS)参数设置困难及传统的智能优化算法在寻优的过程中容易陷入局部最优,导致收敛速度下降的问题,因此文中采用混合策略改进SSA算法优化PSS参数。首先采用tent混沌映射来优化初始种群,提高种群多样性;采用柯西变异、正余弦策略和反向学习策略(opposition-based learning,OBL)来提升收敛速度;然后对6种测试函数进行寻优实验,将改进的SSA与PSO、GWO、SSA、SSSA优化结果对比,验证改进的SSA算法具有更好的收敛速度和稳定性;最后,将改进的SSA算法应用在单机无穷大系统及四机二区域系统的PSS参数优化中,与其他算法优化结果比较,验证改进的SSA在PSS参数优化方面的鲁棒性更好,收敛速度更快。
