摘要：针对粒子群算法在求解无功优化问题时存在早熟收敛，易陷于局部最优的现象，提出了自学习迁移粒子群算法（self-learning migration particle swarm optimization，SLMPSO）。该算法在采用混沌序列对粒子群进行初始化操作，基于云模型理论的X-条件云发生器对粒子的惯性权重进行自适应调整的基础上，引入一种迁移操作，以引导全局最优粒子的飞行方向，解决粒子群后期朝单一进化方向进化的问题，有效地增强了算法的全局寻优能力。针对电力系统无功优化中的离散变量归整问题，首先将离散变量完全化为连续变量进行迭代求解，在寻求至全局最优解后引入高斯罚函数对离散变量进行归整操作。以网损和电压偏离最小为目标，对IEEE标准30节点算例进行仿真计算，验证了所提算法的有效性和可行性。

关键词：云模型 迁移操作 粒子群优化算法 高斯罚函数 无功优化 

单位：武汉大学电气工程学院 湖北省武汉市430072 贵州电力试验研究院 贵州省贵阳市550002