混合策略改进麻雀算法的PSS 参数优化

打开文本图片集

中图分类号： TB9; TM711; TP18 文献标志码： A 文章编号： 1674–5124（2025）05–0170–10

Abstract：  To  solve  the  difficulty  in  setting  PSS  parameters  and  the  problem  that  traditional  intelligent optimization algorithms are prone to fall into local optimum during the optimization process， which leads to the decrease  of  convergence  rate，  a  hybrid  strategy  is  used  to  improve  the  SSA  algorithm  to  optimize  PSS parameters. First， a tent chaotic map is used to optimize the initial population and enhance the diversity of the ethnic  groups.  Cauchy  mutation，  sine-cosine  strategy，  and  opposition-based  learning  （OBL）  improve  the convergence  rate.  Then  six  test  functions  are  optimized.  The  improved  SSA  is  compared  with  PSO，  GWO， SSA， and SSSA to verify that the improved SSA algorithm has better convergence speed and stability. Finally， the  enhanced  SSA  algorithm  is  applied  to  the  PSS  parameter  optimization  of  a  single-machine  infinite-bus system and a four-machine two-area system. Compared with other algorithms， it is verified that the improved

SSA has better robustness and faster convergence in PSS parameter optimization.

Keywords：  power  system  stabilizer;  low-frequency  oscillation;  improved  sparrow  algorithm;  parameter optimizatio

0 引 言

电网规模日益扩大，大量的高增益励磁调节器的投入使用，给电力系统带来系统受扰后阻尼不足的问题，从而引发低频振荡[1]。（剩余10755字）