含分布式能源的配电网无功优化：采用粒子群算法的IEEE33节点系统无功优化
最近在研究配电网的无功优化问题，发现接入分布式能源之后整个系统的运行方式变得复杂不少。
传统的集中式补偿装置已经不够用了，得找点智能算法来动态调整。试了粒子群算法在IEEE33节点模型上
跑优化，效果还挺有意思的。
先说下场景设定：在标准IEEE33节点配电网里随机接入了5个分布式光伏电源，位置选在12、18、22、
25、33这几个末端节点。这些光伏逆变器都能进行无功调节，每个点的无功出力范围设定在[-200kvar,20
0kvar]。目标是最小化系统网损同时让电压偏差最小，这俩指标用加权系数揉在一起当适应度函数。
粒子群的核心参数设置直接影响了收敛速度。经过几轮测试，种群规模定在50个粒子，迭代次数给
到200次。惯性权重用线性递减策略，从0.9降到0.4。这里有个坑要注意——无功出力是连续变量，但实际设
备可能有离散调节步长，不过先按连续处理简化问题。
```python
class Particle:
def __init__(self, dim):
self.position = np.random.uniform(-200, 200, dim) # 5个DG节点的无功出力
self.velocity = np.random.rand(dim) * 0.1
self.best_position = self.position.copy()
self.best_fitness = float('inf')
def fitness_function(q_output):
# 伪代码：调用潮流计算模块
losses, voltage_deviation = run_power_flow(q_output)
return 0.7*losses + 0.3*voltage_deviation # 权重系数可调
```
适应度函数里最麻烦的是潮流计算部分。为了提升计算效率，用了前推回代法的改进版本，处理分
布式电源接入时的节点类型转换。这里有个小技巧：当光伏节点无功出力超过实际容量时，自动按功率因
数0.9限幅，避免出现不切实际的解。
在更新粒子位置时发现了个有趣现象——直接照搬标准PSO公式容易让无功出力越界。后来加了修正
策略：当粒子位置超出[-200,200]范围时，不仅重置到边界值，还把对应维度的速度分量反向，这样收敛速
度提升了30%左右。
```python
# 粒子更新逻辑
for particle in swarm:
new_velocity = w*particle.velocity + \
