基于粒子群算法的IEEE 30节点最优潮流与成本优化

基于粒子群算法的潮流优化代码，思路清晰、结构简洁，适合想上手智能优化算法的朋友。代码核心在于构建了一个经典的发电成本模型，用的是比较常见的二次函数那套逻辑，变量就是各机组出力，目标是让发电总成本尽低。写得挺清楚，尤其适应度函数和迭代部分，能看懂还能直接改。

IEEE30 节点的网络模型比较适中，不算太小也不算太复杂，正好练手。Python 实现的粒子群算法代码也比较标准，比如粒子的初始化、速度和位置更新这些都写得比较工整，适合做基础框架去拓展。

如果你平时做电力系统相关的东西，比如经济调度啊、最优潮流计算，这份资源还挺适合做参考。也可以在这个基础上加一些现实约束，比如节点电压限制、线路容量之类的，让模型更接地气。

哦对了，代码是 Python 写的，但如果你对 MATLAB 更熟，也可以看看这个粒子群无功优化源码，逻辑差不多。

如果你刚开始接触粒子群算法，想找个能跑起来的例子，这份资源还蛮合适。改一改参数就能观察算法收敛情况，学起来更直观。嗯，也推荐你顺便看看这篇基于遗传算法的版本，对比一下不同算法的效果和差异。