基于改进BES-LSSVM光伏组件积灰预测

为探究气象因素与光伏组件积灰之间的关系，提出一种基于改进秃鹰算法（IBES）优化的最小二乘支持向量机（LSSVM）的积灰预测模型。该模型以降雨量、风速等气象因素作为输入，对组件面积灰进行预测。通过引入高斯-柯西变异算子对种群最优个体进行变异，择优选取进入下一次迭代，改善原始秃鹰算法收敛速度慢、易陷入局部最优的缺点。将改进算法寻优得到的参数代入模型，仿真后与其他种类算法模型进行对比，结果表明IBES-LSSVM积灰预测模型预测误差更小，拟合效果更好。最后根据累计积灰计算发电损失，结合降雨情况对组件清洗进行指导。     

基于遗传-蚁群算法的库群长期优化调度

为克服蚁群算法前期收敛慢、易陷入局部最优解且参数难以确定的缺点,提出了遗传-蚁群算法进行库群长期优化调度问题的求解。该方法应用遗传算法生成问题的初始解,并将初始解的适应度转化为蚁群算法的信息素初始值,同时引入遗传算法染色体交叉、变异的思想进行蚁群算法参数最优组合的确定,提高了蚁群算法的优化性能和求解精度。对乌江流域4座水电站的计算结果表明,该算法可显著改善优化结果质量,获得良好的调度方案,是求解库群长期优化调度问题的一种有效方法。     

基于NSGA-Ⅱ的社区微型电网多目标分层优化算法

针对现有优化算法解决多目标多变量的社区微型电网长时间动态优化时效率差、运行时间长的问题,提出了基于NSGA-Ⅱ的分层优化算法,该算法以多代理系统中自治Agent的概念分析微电网,将复杂的微电网整体优化问题分解为规模较小的多个住户优化问题和一个微电网中央优化问题,求解时先优化住户运行方式,在住户运行方式集基础上求解微电网中央优化问题以得出微电网整体最优运行方式。算例测试表明,该算法可有效压缩算法解空间,提高优化效率。     

基于改进的PSO算法的电力系统无功优化研究

电力系统无功优化是保证电力系统安全、经济运行的重要措施,粒子群优化算法（PSO）具有模型简单、收敛速度快、参数简洁等优点,但用于求解高维复杂优化问题时易陷入局部最优,针对此缺陷,在PSO算法的基础上提出了自适应随机变异粒子群优化算法（AMPSO）,将该算法用于求解电力系统无功优化问题,并以IEEE30标准节点系统为算例进行验证。结果表明,与PSO算法相比,AMPSO算法有效降低了系统网损,显现出良好的全局收敛特性。     

基于ALMBO算法的PEMFC分数阶时域子空间模型研究

针对质子交换膜燃料电池（PEMFC）发电过程复杂难以建模的问题,考虑PEMFC系统的分数阶特性,提出一种基于优化的分数阶时域子空间辨识方法,并建立PEMFC的分数阶状态空间模型。首先,将分数阶微分理论与子空间时域辨识方法相结合,采用Poisson滤波器对输入输出信号进行滤波处理,并引入权重矩阵提高辨识的精度;其次,对Poisson滤波器以及辨识的分数阶阶次寻优,提出一种变异反向学习的自适应帝王蝶优化算法（ALMBO）,在迁移算子中引入变异反向学习策略、并融入自适应权重来提高寻优的精度,防止陷入局部最优解。最后,通过仿真结果验证算法的有效性,所得的PEMFC辨识模型能准确描述PEMFC的动态过程。     

基于PSO-RBF神经网络的微电网等效建模

提出一种改进粒子群优化的RBF神经网络微电网动态等效模型及建模方法,利用RBF人工神经网络的非线性映射特性解决微电网系统并网接入的等效建模问题。基于微电网公共接入点(PCC)的电压、电流、功率等量测数据构建RBF神经网络等效模型,将接入点电压和电流分别作为神经网络的输入和输出,使神经网络的输入输出更具独立性。将混沌优化的全局遍历性引入粒子群优化算法中,构建基于全局最优解的变邻域混沌搜索提高粒子群算法的全局搜索能力,利用改进粒子群算法优化RBF神经网络模型参数提高模型计算精度。最后通过微电网并网仿真实验验证本文提出等效模型的准确性和建模方法的合理性。     

基于自适应变异粒子群算法的光伏MPPT控制研究

针对局部遮阴(PSC)时,光伏阵列输出P-U曲线出现多峰值现象,传统最大功率点追踪(MPPT)算法易陷入局部最优解,无法追踪到全局最优解的问题,该文提出基于自适应变异粒子群算法的光伏MPPT控制方法.在粒子群算法寻优过程中同步调整学习因子与惯性权重,以提高算法收敛速度与精度,同时引入变异机制以扩大粒子搜索范围,增强算法...     

基于量子粒子群算法的微电网优化调度

在微电网运行中,优化调度尤为重要。针对多种分布式电源（DG）的微电网,提出一种分优先等级的发电控制策略,采用量子粒子群算法对微电网经济运行优化求解。在并网条件下对微电网在一天24 h内进行运行仿真,仿真结果表明,采用的方法与策略是有效的。     

基于模拟退火算法改进的人工鱼群算法（SA＿AFSA）的微电网能量优化调度研究

由于微电网中含有不同特性的分布式电源,为了实现微电网经济运行,在满足约束条件的前提下,提出一种考虑经济性、环保性、自治性的微电网能量优化调度模型。由于在求解问题时,自适应人工鱼群算法(AAFSA)精度低,提出SA_AFSA,通过该算法来求解微电网优化调度问题。实验结果表明,SA_AFSA可解决AAFSA求解精度低、收敛速度慢的问题,可实现微电网经济运行。     

基于Levy飞行改进鸟群算法的光伏直流微电网优化配置研究

构建冲击性负载特性下的光伏直流微电网模型,利用超级电容和蓄电池组成的混合储能系统快速的响应以及优越的调峰特性,对光伏直流微电网进行削峰填谷,并采用改进鸟群算法(IBSA)对该模型进行优化,解决经典启发式算法容易陷入局部最优的问题。所用模型参考Levy飞行策略,运用Mantegna算法表示随机Levy步长,并将惯性权重w引入觅食行为,采用不同类型测试函数对收敛性效果进行分析;通过桂林市某小区所测得的年负荷出力数据,结合储能系统相关参数作为优化配置输入参数进行模型求解。研究结果表明:对比鸟群算法、粒子群算法,以及遗传算法的计算效果,该算法具有更高的精度、效率和鲁棒性,对于求解光伏直流微电网容量规划问题具有良好的收敛性。     

基于多目标粒子群算法的微电网优化调度

提出了一种经济与环保相协调的微电网优化调度模型,针对光伏电池、风机、微型燃气轮机、柴油发电机以及蓄电池组成的微电网系统的优化问题进行研究,在满足系统约束条件下,建立了包含运行成本、可中断负荷补偿成本以及污染物处理费用的微电网多目标优化调度模型,并利用多目标粒子群算法（MOPSO）求解微电网优化调度问题,仿真结果表明该模型对微电网优化调度具有一定的指导作用。     

基于动态调整学习因子的免疫粒子群算法及其应用

为了使风光水联合发电系统达到经济效益最大化优化调度的目的,针对粒子群算法在进化过程中易早熟、后期收敛速度慢并且精度较低的特点,提出一种动态调整学习因子的免疫粒子群算法.该算法对学习因子进行非对称线性动态调整,增强前期的全局搜索能力,以及后期的局部搜索能力,快速得到全局最优解.该算法在文中联合系统的求解中得到很好的应用,显著提高了搜索精度,表明了模型和算法的有效性.     

基于块坐标下降法的微网群日前联合优化调度

文章顾及微网群调度中心和微电网用户两类主体,建立一类含多个并列下层双层规划结构的微网群联合优化调度模型,上层以微网群调度中心总运行成本最小为优化目标,下层以各微电网用户运行成本最低为优化目标。首先,通过增广拉格朗日松弛法将原双层规划模型松弛;用块坐标下降法将松弛问题分解为多个子问题;然后,通过基于块坐标下降-不精确嵌套乘子法的双层循环求解模型,逐次逼近原问题的全局最优解;采用由松至紧的内循环容限值,以避免内循环计算代价过大的问题。算例的验证结果表明,文章所提的基于块坐标下降-不精确嵌套乘子法的双层循环求解模型,能有效求解微网群双层优化调度模型,为此类优化调度问题提供新的并行求解模式。     

基于HSARSA(λ)算法的水库长期随机优化调度研究

针对强化学习的SARSA算法在求解水库随机优化问题中存在的优化性能不高、收敛速度较慢的问题,提出采用基于强化学习的HSARSA(λ)算法进行求解。先在SARSA算法基础上引入效用迹函数得到SARSA(λ)算法,然后加入启发函数得到HSARSA(λ)算法,最后通过不断调整HSARSA(λ)算法的学习率α、折扣因子γ、衰减因子λ等参数求解水库长期随机优化调度问题。实例应用表明,HSARSA(λ)相较于SARSA、SARSA(λ)算法可提升求解精度,减少最优近似解寻优迭代次数,为水库随机优化调度问题提供了一种新的求解思路。     

风-光-水联合发电系统优化调度研究

为使风-光-水联合发电系统达到经济效益最大化优化调度且平抑功率波动的目的,以功率波动最小为目标的函数引入到经济效益最大化模型中,针对粒子群算法在进化过程中易早熟、后期收敛速度慢且精度较低的特点,提出一种动态调整学习因子的免疫粒子群算法。该算法对学习因子进行非对称线性动态调整,增强前期的全局搜索能力以及后期的局部搜索能力,快速得到全局最优解。该算法在该多目标联合优化调度系统的求解中搜索精度显著提高,表明模型和算法的有效性。     

基于小世界邻域PSO的含风场电力系统经济调度

以聚类系数大且平均路径短的NW(Newman-Watts)型小世界网络作为粒子群的拓扑结构,提出NW型小世界邻域粒子群优化算法(SW-PSO)。典型高维基准测试函数表明,该算法能有效避免基本PSO算法因群体间信息交互过快而陷入局部最优解的问题。将新算法应用于含风电场电力系统经济调度问题的优化求解,并根据优化调度的实际需求采用相应的调整策略以修正粒子,保证粒子在可行域中飞行寻优,使新算法的寻优精度显著提高。仿真实例表明,SW-PSO算法比传统PSO算法寻优效果好,是一种求解复杂大规模非线性规划问题的新方法。     

基于合作博弈的微电网群运行优化方法研究

针对微电网群运行提出了一种采用纳什议价理论的合作博弈方法,对并网的微电网群建模并求出其最佳容量配置和最佳容量配置情况下的最大收益.通过纳什议价方案分配发电资源和蓄电池的容量,使单个微电网及其微电网群的年利润最大化.使用粒子群优化算法,通过MATLAB软件求解最优纳什议价方案.最后,针对电价和贴现率进行了敏感性分析,验证...     

基于VMD和SVPSO-BP的滚动轴承故障诊断

为了提高旋转机械滚动轴承故障诊断的准确率,提出一种基于变分模态分解（VMD）和缩放变异粒子群算法（SVPSO）优化BP神经网络的旋转机械滚动轴承故障诊断方法。通过在标准粒子群算法中加入缩放因子以及粒子变异操作提升其局部与全局寻优性能,得到一个改进的粒子群算法——缩放变异粒子群算法（SVPSO）,再利用该算法优化BP网络的权值与阈值,提高BP神经网络的故障诊断精度;进一步,为了减少输入特征向量对BP神经网络分类性能的影响,采用VMD分解轴承振动信号,并计算其IMF分量时频熵的方法构建信号特征向量。通过与其他采用相同基准轴承数据集的诊断方法作对比,所提方法的故障诊断精度和算法稳定性均得到有效提升。     

考虑机组组合问题的机组检修计划优化新模型

以经济费用最小为目标函数,建立了发电机组检修计划优化问题（UMS）新模型。由于生产费用在经济费用中占有的比例最大,因此在计算新模型的生产费用时考虑了发电机组组合优化问题（UC）。鉴于考虑UC问题的UMS问题为双层优化问题,其中UMS问题为上层优化问题,UC问题为下层优化问题,提出了一种改进离散粒子群算法（MDPSO）,并将其用于搜索UMS问题的最优解向量,即解决上层优化问题;而由于拉格朗日松弛法在解决UC问题上具有计算速度快、结果精度高等优点,将其用于解决下层优化问题。利用该新模型和MDPSO算法对IEEE-RTS系统的机组的年检修计划进行优化,并与离散粒子群算法（DPSO）比较,结果表明DPSO算法在解决UMS问题上具有精度高、收敛速度快等优点。     

基于禁忌粒子群的多能源热电联供优化方法研究

为了对混合能源热电联供系统的多目标优化进行求解,采用模糊几何加权将多目标问题转化为单目标问题,充分考虑到混合能源热电联供系统优化算法存在的计算冗余量大、时间长等问题,提出将禁忌粒子群算法应用于混合能源热电联供系统优化求解。通过构造优化过程的禁忌表,阻止搜索过程中出现循环和避免陷入局部最优,进而提高算法的收敛速度和收敛精度。最后以运行费用、环境惩罚费用为子目标函数进行仿真计算,仿真结果表明该算法不仅能够获得最优解,而且大大降低优化求解时间,提高搜索速度。