基于改进布谷鸟算法的分布式电源优化配置

针对布谷鸟搜索算法在处理多目标优化问题上的不足,基于混沌映射、非支配排序等多目标优化策略,提出一种改进的多目标布谷鸟搜索(improved muti-objective cuckoo search,IMOCS)算法,对分布式电源多目标优化配置问题进行求解。为增加初始种群的多样性,利用logistic混沌映射产生初始解;自适应改变搜索步长,以提高算法的寻优能力和收敛速度。仿真结果表明:IMOCS算法寻优能力强,收敛速度快,能够有效求解分布式电源的多目标优化配置问题。     

改进布谷鸟算法优化粒子滤波的多目标跟踪方法

标准粒子滤波器的重采样会造成粒子贫化,影响跟踪系统的精度。为克服这一缺陷,提出了一种改进布谷鸟搜索算法优化粒子滤波的多目标跟踪方法。将粒子作为布谷鸟宿主鸟巢,模拟布谷鸟寻找宿主鸟巢位置的行为,通过全局搜索和局部搜索两个阶段使粒子向高似然区域移动。同时,改进布谷鸟搜索算法的寻优机制,提出动态搜索步长和强化局部搜索的方法,加强了算法的全局搜索的收敛速度。此外,改进算法结合了联合概率数据关联,用于解决多机动目标跟踪问题。本文设置了一维环境和二维环境两组实验,对比优化后的粒子滤波算法与标准粒子滤波算法的目标跟踪性能。实验结果表明,本文提出的算法不仅全局收敛速度更快,而且提高了多机动目标跟踪的精度;与标准布谷鸟搜索优化粒子滤波算法相比,全局收敛迭代速度提高了28.5%;与粒子滤波联合概率数据关联和粒子群优化粒子滤波联合概率数据关联算法相比,估计精度分别提高了24.7%和11.81%。     

基于改进布谷鸟算法的电力系统最优调度研究

在布谷鸟算法的基础上提出了一种改进的多目标布谷鸟优化算法,并利用此算法优化求解考虑经济性和环保性的电力系统最优调度模型。其主要的改进策略为在原算法的基础上引入粒子群算法中的交流算子促进鸟巢之间的交流,同时将发现概率和步长2个固定参数设置为动态量提高算法的收敛速度,在鸟巢位置更新过程中采用非支配排序和计算拥挤距离的方法来维护档案集,产生最优解后,利用模糊数学集的满意度评价理论获得折中最优解。算法分析结果表明改进后的算法具有较好的寻优速度和精度,同时能有效提高全局收敛性以及保证Pareto非劣解的多样性。     

基于改进布谷鸟算法的随机最优潮流

面对各种智能算法在优化问题的应用中出现的问题,提出一种基于量子计算和混沌局部搜索的布谷鸟算法。混沌局部搜索采用切比雪夫映射产生的混沌数列,以产生的新最优个体替代原始最优个体,并利用量子旋转门更新其余个体,达到更快收敛并跳出局部解的效果。以随机最优潮流问题作为修正布谷鸟算法的应用场景,考虑分布式电源和负荷的随机性,建立随机最优潮流的机会约束模型,机会约束的处理采取修正变量上下限的方式。以IEEE33节点为算例,对比了4种不同智能算法的计算结果和收敛情况,验证了修正的布谷鸟算法在随机最优潮流中收敛速度快,收敛结果好,稳定性好的特点。     

布谷鸟算法求解组装车间仓储调度优化问

为提高产品组装效率,对影响产品组装效率的因素进行了分析,将仓储作业与组装作业作为组装任务,以其完工时间总和最小为目标,建立了组装车间仓储调度模型,并提出一种改进的布谷鸟算法对其进行求解。该算法通过自适应调整发现概率,避免了在搜索过程中陷入局部最优,通过动态调整步长,提高了收敛速度。为验证该算法的性能,结合工业现场实例与原始布谷鸟算法及遗传算法进行了仿真对比,结果表明本文提出的算法在收敛精度及收敛速度上都取得了较好的效果。     

融合禁忌搜索的SSA算法及其路径规划的应用

针对麻雀搜索算法易陷入局部最优解、收敛精度不足等问题,提出一种融合禁忌算法思想的改进麻雀搜索算法。首先,采用拉丁超立方抽样初始化种群,保证初始空间解分布更均匀;其次,对R2相似文献   

最优乘子法在电流注入型保留非线性潮流计算中的应用

随着电力系统规模的扩大,对电力系统潮流算法的收敛性和计算速度提出了更高的要求。为此,提出一种带有最优乘子的电流注入型保留非线性潮流计算方法。首先根据直角坐标系潮流方程的特点,给出了一种最优乘子的计算方法,该方法只需求解一元三次方程,不需再额外增加任何计算量。在此基础上,将最优乘子应用于电流注入型保留非线性潮流计算,在潮流计算迭代过程中,采用最优乘子调整电压修正量,提高了潮流计算的收敛可靠性和收敛速度。系统算例表明,所提出的方法能在潮流方程无解时保证潮流不发散,在潮流方程有解时提高潮流计算速度。     

基于改进布谷鸟算法的火电厂机组组合优化

电力系统机组组合是一个多维,复杂的整数规划问题,利用传统方法较难求解。在通过研究布谷鸟搜索(cuckoo search)算法的基本原理,分析布谷鸟算法的优缺点基础上,结合粒子群算法,提出一种改进的布谷鸟搜索算法。通过在10机组系统中进行验证,结果表明,算法比粒子群算法、标准布谷鸟算法更好。改进的布谷鸟搜索算法同样也在收敛速度等更具有优势。     

基于改进麻雀搜索算法的MPPT方法

局部阴影情况下,光伏系统的功率-电压(P-V)输出特性曲线呈现多峰值现象,传统的最大功率跟踪算法易陷入局部最优.针对这一现象,提出了一种基于改进麻雀搜索算法的控制方法,应用于最大功率跟踪模块.与传统麻雀搜索算法相比,该算法解决了生产者易陷入局部最优问题、由原来向最佳位置跳跃改成向最佳位置移动,提高了算法的全局搜索能力,能够跳出局部最优解.在MATLAB/Simulink中搭建仿真模型,并与粒子群优化算法和原始麻雀搜索算法进行比较.仿真结果表明,改进麻雀搜索算法在最大功率跟踪系统中具有较高的收敛精度和收敛速度.     

改进蚁群算法在配电网规划中的应用

为了克服蚁群算法解决配电网规划问题时存在容易陷入局部最优解的缺点,在蚁群算法和云模型基础上,提出了一种改进蚁群算法。该算法利用云模型对蚁群算法的信息素强度参数和信息素挥发系数进行调整,提高配电网规划过程中的收敛速度和全局搜索能力,并利用分层前推回代算法进行潮流计算。通过算例分析,证明了该方法的可行性和有效性。     

改进蚁群算法在配电网规划中的应用

为了克服蚁群算法解决配电网规划问题时存在容易陷入局部最优解的缺点,在蚁群算法和云模型基础上,提出了一种改进蚁群算法.该算法利用云模型对蚁群算法的信息素强度参数和信息素挥发系数进行调整,提高配电网规划过程中的收敛速度和全局搜索能力,并利用分层前推回代算法进行潮流计算.通过算例分析,证明了该方法的可行性和有效性.     

人口迁移算法在“N-1”安全输电网规划中的应用

提出了一种改进人口迁移算法求解输电网扩展规划的大规模组合优化问题。针对标准人口迁移算法在求解过程中搜索容易陷入局部最优解和后期收敛时间较长等缺点,对算法的迭代初始化、种群生成策略以及参数设置进行了改进,将遗传算法的最优保留思想引入到算法中,提高了算法搜索全局最优解的能力与收敛到最优解的速度。将改进后的算法应用到满足"N-1"安全准则的输电网扩展规划问题中,建立了输电网扩展规划的数学模型,设计了相应的算法。比较该算法与粒子群算法、标准人口迁移算法对IEEE Garver6节点系统和IEEE Garver18节点系统的仿真计算结果,证明了改进人口迁移算法能有效地解决满足"N-1"安全检验的输电网扩展规划优化问题。     

基于改进布谷鸟搜索算法的机组组合优化模型

为了获得更加理想的机组组合方案,提出一种改进布谷鸟算法的机组组合优化模型。首先建立机组组合的数学优化模型;然后采用布谷鸟算法对该数学模型进行求解,得到最优机组组合方案,同时为了解决标准布谷鸟搜索算法存在的不足,引入选择性淘汰策略和决策域策略,加快搜索速度和寻优能力;最后采用3机组和10机组组合问题对其性能进行仿真测试。仿真实验结果表明,改进布谷鸟算法具有更快的求解速度和求解准确度,获得了更优的机组组合方案。     

基于改进蚁群算法的输电网络扩展规划

针对基本蚁群算法在求解过程中经常出现搜索陷入局部最优解和收敛到全局最优解的时间较长这2个问题,对蚁群算法的转移概率和信息量全局更新进行了改进,提高了蚁群算法搜索全局最优解的能力与收敛到最优解的速度.将改进后的算法应用于单阶段输电网络扩展规划问题,建立了单阶段输电网络扩展规划的数学模型,设计了相应的算法.实例计算结果表明该方法的可行性和有效性.     

改进重置粒子群算法在MPC调速系统中的应用

提出一种改进重置粒子群优化算法,用于模型预测控制器多参数的整定优化。改进算法分为三个搜索阶段:"全局搜索"阶段采用Neumann邻域粒子群优化算法,实现全局搜索能力和收敛速度间的均衡;"局部搜索"阶段采用无导数拟牛顿BFGS算法,提高收敛速度和收敛精度;"动态重置"阶段对满足重置条件的子群进行重置,解决收敛早熟问题。利用标准测试函数对4种粒子群优化算法进行比较分析,结果表明改进重置粒子群优化算法在收敛效率、收敛精度与通用性方面占据优势。将改进重置粒子群优化算法应用于模型预测控制永磁同步电动机调速系统,仿真结果表明最优参数能够保证计算得到优化控制律,从而实现系统性能的改善。     

基于最优中心参数的多中心校正内点最优潮流算法

为加快最优潮流(optimal power flow,OPF)问题的求解,基于最优中心参数(optimal centering parameter,OCP)及改进多中心校正(improved multiple centrality corrections,IMCC)技术,提出一种求解最优潮流(optimal power flow,OPF)问题的新型快速内点算法(OCP-IMCC interior point method,OCP-IMCCIPM)。结合均衡距离–评价函数(equilibrium distance-quality function,ED-QF),给出最优中心参数评价模型,采用线性化技术对模型近似,以降低模型计算量。利用线搜索技术实现近似模型求解以确定最优中心参数,该参数使得所提算法具有更多的优势步和更少的迭代次数。IMCC技术可进一步拉大迭代步(尤其是非优势步)步长,实现算法更快收敛。14—1047节点系统的仿真结果表明,与其他多种内点算法相比,所提OCP-IMCCIPM算法具有更大的迭代步长和更快的收敛速度以及更好的计算效果。     

电力系统经济负荷分配的量子粒子群算法

本文首次将量子粒子群算法用于电力系统经济负荷分配中。该算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解。同时该算法的进化方程中不需要速度向量,而且进化方程的形式更简单,参数较少且容易控制。对两个算例进行仿真测试,证实该算法可有效解决经济负荷分配问题;性能对比显示,该算法求得的解优于已有的改进粒子群算法及其它优化算法所求得的解。本文为量子粒子群算法用于经济负荷分配的实用化研究奠定了必要的理论基础。     

改进的PSO算法及其在PID控制器参数整定中的应用

粒子群优化算法(PSO)是一种新兴的随机优化技术,在许多领域得到了广泛应用。为了提高算法的计算精度,加快算法的收敛速度,提出了一种改进的粒子群优化算法,通过引入粒子运动过程中的最差位置信息,由最优个体和最差个体获取信息,有效地提高了算法的搜索能力和收敛速度。在实验研究中,采用改进的粒子群优化算法对PID控制器参数进行整定并用于啤酒发酵过程温度段控制,实验结果表明所提出的算法搜索能力及收敛速度显著提高,应用该方法得到的PID控制器综合性能优于常规方法所得的结果。     

一种高效光伏多峰MPPT控制算法

在局部阴影条件下,光伏阵列的输出功率会出现多峰现象,传统MPPT控制方法搜索全局最大功率点会发生寻优失效。提出了一种高效的光伏多峰MPPT控制算法。该算法基于天牛须搜索算法,通过引入随时间变化的自适应步长因子,在算法初期自动的选取较大的搜索步长,使之保持较高的全局搜索能力;中期逐渐增大步长的衰减速度,加快算法收敛;后期逐渐减小步长的衰减速度,以提高收敛精度。Matlab结果表明,该算法可有效地减小搜索时间和搜索震荡,显著提高收敛速度,同时又可大大地提高搜索精度,准确搜索到光伏最大输出功率。     

TS-PSO算法在电力系统无功优化中的应用

为了解决粒子群算法(PSO)局部搜索能力较弱和存在早熟收敛的问题,提出了将禁忌搜索(TS)思想融入到粒子群算法中的混合算法,并将该算法应用到电力系统无功优化中。改进后的算法综合了粒子群算法快速性、随机性和全局收敛的优点,还具有禁忌搜索局部寻优的能力。通过对IEEE-30节点测试系统、铜陵电网实际进行仿真计算,并与其它算法进行比较,结果表明该算法能取得更好的全局最优解,既加快了收敛速度,又提高了收敛精度。