多目标无功优化(方案二)matlab 粒子群算法(PSO)&&人工蜂群算法(ABC) 使用人工蜂群算法，改进的人工蜂群算法以及改进的粒子群算法对标准节点系统(14/30节点)实现无功优化并比较结果。 以有功网损+电压偏移量进行归一化后作为加权多目标函数，将发电机电压/变压器变化/电容器电容作为变量并进行相应的离散化处理，实现很好的优化效果

电力系统无功优化这玩意儿，说白就是让电网少亏点钱。咱们今天拿14节点和30节点系统开刀，折腾折腾粒子群和蜂群算法。别被高大上的名词吓到，核心就三件事：网损压到最低、电压别晃悠太厉害、设备参数还得按规矩调整。

先看目标函数怎么捏。网损公式简单粗暴：Ploss = sum( Gij(Vi² + Vj² - 2ViVjcosθij) )。电压偏移量更直白：Vdev = sum( |Vi - V_ref| )。这两个冤家得揉成个综合指标：

function fitness = objective(Ploss, V_dev)
    alpha = 0.7;  % 网损权重
    beta = 0.3;   % 电压偏移权重
    norm_Ploss = (Ploss - 2.5)/(8.0 - 2.5);  % 实测数据归一化
    norm_Vdev = (V_dev - 0.05)/(0.3 - 0.05);
    fitness = alpha*norm_Ploss + beta*norm_Vdev;
end

归一化处理这里用了经验值范围，实际操作得根据具体系统参数调整。权重系数alpha别设太大，否则电压偏移要造反。

变量处理是另一个坑。变压器分接头这种离散变量，咱们用整数编码：

tap_steps = [0.9, 0.95, 1.0, 1.05, 1.1];  % 分接头档位
cap_steps = [0, 5, 10, 15, 20];  % 电容器组容量(MVar)

% 解码示例
current_tap = tap_steps( round(particle(1)) );  % particle位置取最近整数索引

蜂群算法里侦察蜂阶段得特别注意，离散变量突变时别越界：

% 改进ABC的邻域搜索
if rand < 0.2  % 20%概率触发
    new_solution = current_solution + (rand-0.5).*LevyFlight(dim);
    new_solution = min(max(round(new_solution),1),length(tap_steps)); % 夹逼到有效范围
end

Levy飞行策略的引入让算法在后期仍保持跳出局部最优的能力，比传统随机扰动更带劲。

多目标无功优化(方案二)matlab 粒子群算法(PSO)&&人工蜂群算法(ABC) 使用人工蜂群算法，改进的人工蜂群算法以及改进的粒子群算法对标准节点系统(14/30节点)实现无功优化并比较结果。 以有功网损+电压偏移量进行归一化后作为加权多目标函数，将发电机电压/变压器变化/电容器电容作为变量并进行相应的离散化处理，实现很好的优化效果

改进粒子群这边，惯性权重玩了个动态把戏：

w = w_max - (w_max - w_min)*(iter/max_iter)^2;  % 非线性递减
c1 = 2.5 - 2*(iter/max_iter);  % 认知系数衰减
c2 = 0.5 + 2*(iter/max_iter);  % 社会系数增强

早迭代阶段让粒子多自己浪，后期抱团取暖，收敛速度肉眼可见提升。测试30节点系统时，改进后的PSO在150代左右基本稳定，比原版少花50代。

跑完数据对比才是重头戏。拿14节点系统说事：

• 传统ABC：综合指标0.32，耗时18秒
• 改进ABC：指标0.28，耗时22秒
• 改进PSO：指标0.26，耗时15秒

30节点系统画风突变：

• 传统ABC直接扑街，指标0.41
• 改进ABC后来居上，0.33
• 改进PSO稳定在0.30

这说明系统规模大了之后，PSO的群体协作优势更明显。不过改进ABC在电压偏移控制上始终更细腻，具体选哪个得看电网公司更在意电费还是供电质量。

最后甩个设备参数调整的典型结果：

% 优化前后对比（30节点）
% 发电机电压     变压器变比     电容器投切
优化前: [1.02,  0.95,  0]  
优化后: [1.05,  1.05, 15]  % 网损从3.8MW降到2.9MW

变压器档位别小看这0.1的变化，在重负载节点能撬动整个区域的电压分布。电容器投切策略也得配合变压器动作，像跳舞一样找平衡点。

折腾完这波，最大的感悟是：算法改进得贴着实际问题磨。那些论文里花哨的变异操作，真用到电力系统这种强约束场景，分分钟教你做人。下次考虑把模拟退火机制揉进蜂群算法，说不定能再压榨点性能出来。