This research considers optimization of tap position of transformers in power systems to reduce power losses. Now, methods based on heuristic rules and fuzzy logic, or methods that optimize parts of the whole system separately, are applied to this problem. The first approach requires expert knowledge about processes in the network. The second methods are not able to consider all the interrelations of system’s parts, while changes in segment affect the entire system. Both approaches are tough to implement and require adjustment to the tasks solved. It needs to implement algorithms that can take into account complex interrelations of optimized variables and self-adapt to optimization task. It is advisable to use algorithms given complex interrelations of optimized variables and independently adapting from optimization tasks. Such algorithms include Swarm Intelligence algorithms. Their main features are self-organization, which allows them to automatically adapt to conditions of tasks, and the ability to efficiently exit from local extremes. Thus, they do not require specialized knowledge of the system, in contrast to fuzzy logic. In addition, they can efficiently find quasi-optimal solutions converging to the global optimum. This research applies Particle Swarm Optimization algorithm (PSO). The model of Tajik power system used in experiments. It was found out that PSO is much more efficient than greedy heuristics and more flexible and easier to use than fuzzy logic. PSO allows reducing active power losses from 48.01 to 45.83 MW (4.5%). With al, the effect of using greedy heuristics or fuzzy logic is two times smaller (2.3%).

În lucrare se examinează problema optimizării coeficienţilor de transformare în reţelele cu tensiunea 110-220 kV cu scopul diminuării pierderilor de putere activă. Această problemă se referă la clasa NP-completă din domeniul combinatoricii. În calitate de obiect al investigaţiei s-a selectat un fragment al sistemului electroenergetic din Tadjikistan. S-a realizat compararea algoritmilor bazaţi pe conceptul de căutare direcţionată şi în baza principiului de inteligenţă roi. S-a constat, că schimbările doar în cadrul unui segment al reţelei prin modificarea poziţionării contactelor mobile ale unui singur transformator nu este eficientă. Rezultate mai performante se obţin în baza algoritmilor, care iau în considerare caracterul complex al influenţei mutuale ale variabilelor optimizate. Pentru soluţionarea problemei s-a selectat algoritmul de tip roi pentru compartimentul dat al reţelei. S-a studiat influenţa impactului limitării vitezei particulelor de roi asupra calităţii soluţiei obţinute a problemei. Limitarea prea mare a vitezei particulelor de roi poate avea consecinţe negative. Testele au confirmat, că utilizarea algoritmului particulelor de roi se poziţionează ca mult mai eficientă în comparare ca metoda de căutare direcţionată şi metoda bazată pe reguli euristice la folosirea logicii fuzzy. Algoritmul particulelor de roi are o performanţă suficientă pentru utilizare în sistemele automatizate de management a reţelei electrice inteligente. Utilizarea algoritmului inteligenţei de roi permite diminuarea pierderilor de putere în reţeaua analizată de la 48.01 MW până la 45.83 MW, ce constituie 4.5%. Diminuarea pierderii de putere activă este echivalentă cu economisirea a circa 19 milioane de ruble. Eficienţa estimată ca urmare a utilizării algoritmilor euristici este cam de 2 ori mai redusă în comparare cu algoritmii de inteligenţă roi, care pentru porţiunea analizată conduc la diminuarea pierderilor de putere activă doar la nivel de 2.3%. De asemenea s-a constat, că selectarea corectă a valorii parametrului, care limitează viteza particulelor de roi poate asigura o sporire suplimentară a calităţii soluţiei căutate.

В работе рассмотрена задача оптимизации положений анцапф трансформаторов системы электроснабжения для снижения потерь мощности. В настоящее время применяются методы, основанные на эвристических правилах и нечеткой логике или методы, оптимизирующие части системы по-отдельности. Первый подход требует специальных экспертных знаний о процессах в сети. Вторая группа методов не способна полностью учесть взаимосвязи всех частей электросети, при том что изменения одного сегмента влияют на всю систему. Оба подхода сложны в применении и требуют подстройки под решаемую задачу. Целесообразно использовать алгоритм, который способен учитывать сложные взаимосвязи оптимизируемых переменных и самостоятельно адаптироваться под решаемые задачи. К таким алгоритмам относятся стохастические алгоритмы роевого интеллекта. Их главными особенностями являются самоорганизация, позволяющая им автоматически адаптироваться под условия решаемых задач, и возможность эффективно выходить из локальных экстремумов. Таким образом, они не требуют специальных знаний о системе, в отличие от методов нечеткой логики. При этом способны эффективно находить близкие к оптимальным решения, а их сходимость к глобальному оптимуму задачи математически обоснована, в отличие от жадных эвристик. В данном исследовании применен алгоритм роя частиц. Эксперименты проводились на модели системы электроснабжения Таджикистана. Было показано, что алгоритм роя частиц значительно эффективнее жадных эвристических алгоритмов, более гибкий и простой в применении, чем правила, основанные на нечеткой логике. Алгоритм роя частиц позволил снизить потери с 48.01 МВт до 45.83 МВт (4.5%) для рассматриваемой системы. При этом эффект от применения жадных эвристик или нечеткой логики почти в 2 раза меньше (2.3%). Кроме того, эксперименты показали, что правильный выбор ограничения скорости частиц позволяет добиться дополнительного повышения качества решений.