基于风险度评价的配电网灵活规划

提出了一种基于风险度评价的配电网多目标灵活规划算法.首先将规划年的预测负荷、电价、导线价格等参数的变化由原来的离散状态转变为多场景区间,通过确定其在某场景区间段内的单调性的方法直接分析和处理,确定各个因素对电网规划结果的影响趋势,从而将电网规划中的不确定性问题转化为多个确定性问题,依次获得各个场景的规划方案,并以风险度最小为标准确定鲁棒性最优的规划方案.实现了电网的多目标灵活规划.规划实例表明文中提出的方法是可行的.     

改进蚁群算法在西安电网优化规划中的应用

建立了目标函数包括初始投资等年值、网络损耗以及缺电成本的网架优化规划模型.采用云模型对传统蚁群算法进行改进,利用基于云模型的不确定性关联规则推理,实现了信息素挥发系数和信息素强度的定性控制与动态选取,自适应的更新支路信息素,以改善蚁群算法的收敛性能.最后利用所提出的优化规划模型和算法对西安110 kV网架进行了优化规划.     

基于遗传算法与蚁群算法的电网规划

针对遗传算法求解到一定范围容易产生大量冗余迭代、求解精度低.蚁群算法初期信息素匮乏、求解速度慢的缺陷,在电网规划算法中,将遗传算法与蚁群算法融合,在网架规划初期采用遗传算法求解出最优解,通过最优解生成蚁群算法的初期信息素,确定吸引强度的初始值,建立强度更新的模型,从而得到满足电网规划的最优方案.最后通过18节点的算例证明,融合算法在收敛性与寻优性上均得到提高.     

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.     

考虑场景发生概率的柔性约束电网规划模型

分析了场景规划技术、盲数规划、线路被选概率等电网灵活规划现有方法所存在的问题和不足。在新的柔性约束电网规划基础上提出了2种新的电网灵活规划模型：造价期望最优模型和各场景最优方案综合偏离程度最小模型。这2种模型均基于未来场景的不确定性，从场景的发生概率和方案对场景的适应程度出发，不追求规划方案在特定场景下的最优，而寻求各场景下的综合最优方案。所得规划方案具有概率意义上对各场景的最佳适应性。算例结果表明了该模型的有效性。     

改进多目标蚁群算法在电网规划中的应用

针对电网规划需综合考虑经济性和可靠性的问题,提出一种改进的多目标蚁群算法。该算法采用改进的快速排序方法构造Pareto最优解集,缩短了慢速链,降低了算法的时间复杂度;采用聚类算法裁剪非支配解,使所得解在整个Pareto解空间具有良好的多样性和分布性;采用信息素更新变参数控制,加快算法的全局收敛速度;采用挥发系数动态自适应调节机制,提高算法全局搜索能力。通过18节点电网规划算例证明,提出的改进算法与基本多目标蚁群算法相比,所得的Pareto最优解数量更多,Pareto前沿分布更加均匀,同时收敛性和快速性也得到了提高。     

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。     

考虑大规模区外来电接入的输电网扩展规划方法

大规模区外来电将大量可再生能源馈入到受端电网,解决了用电资源与负荷发展不平衡的问题。提出了一种考虑大规模区外来电接入受端输电网的扩展规划方法。综合考虑可再生能源出力和负荷的不确定性,以线路投资成本、运行成本、弃能成本和失负荷成本之和最小为目标,建立了计及系统运行经济性的两阶段输电网随机规划模型。引入多参数规划方法,提出采用内嵌场景削减的改进Benders分解算法,将原问题分解成投资主问题和运行子问题,通过对大规模运行场景进行削减,以确保在最优投资决策下的电网规划方案。以改进后的Garver’s 6系统与河北某网500 kV及以上的实际系统为算例,验证了所提方法的有效性。     

改进变步长蚁群算法的移动机器人路径规划

针对移动机器人在蚁群算法路径规划中存在陷入局部收敛且无法做到路径最优的问题,提出了改进变步长蚁群算法, 使其能够在收敛迭代次数较少的情况下做到路径最优。 针对蚁群算法应用在路径规划中的相关特性,优化信息素分配,降低局 部信息素含量对算法的影响,避免蚁群在搜索路径时陷入局部最优,在转移概率公式中增加权重因子,提高移动机器人朝着终 点方向移动的概率,有效减少蚁群收敛迭代次数,改变移动机器人移动步长,使其能在 360°内自由无碰撞移动,有效缩短路径 长度。 仿真结果表明,在简单环境下,改进变步长蚁群算法的收敛迭代次数及最优路径长度分别为 2 次及 28. 042 m,传统蚁群 算法的收敛迭代次数及最优路径长度分别为 25 次及 29. 213 m;在复杂环境下,改进变步长蚁群算法的收敛迭代次数及最优路 径长度分别为 2 次及 43. 960 2 m,改进势场蚁群算法的收敛迭代次数及最优路径长度分别为 16 次及 45. 112 7 m。 仿真结果验 证了改进变步长蚁群算法的有效性和优越性。     

改进ACO算法优化的PI控制器在直流输电控制中的应用

为了实现对高压直流输电系统PI控制器参数的优化,本文提出了一种针对信息素挥发因子的改进策略以克服蚁群算法易陷于局部最优解的缺陷。改进后的蚁群算法能够根据优化进程自适应地调整信息素挥发因子,在保持较高的收敛速度的情况下提高算法的全局搜索能力。文中基于改进的蚁群算法给出了一种系统化的直流输电PI控制器参数优化方法。根据实际工程参数搭建仿真模型,进行仿真计算,证明了方法的有效性和可行性。     

基于自适应遗传算法和蚁群算法融合的配电网重构

配电网重构可以降低线损,均衡负荷,提高电压质量和增加配电网可靠性.主要在降低线损、提高电压质量和提高寻优效率方面,采用了自适应遗传算法和蚁群算法融合的方法.对遗传算法的交叉因子和变异因子进行了自适应控制,也不再人为规定迭代的最大代数,而是引入了染色体相似度和种群相似度的概念,使遗传算法的终止条件更加合理.自适应遗传算法...     

基于改进蚁群算法的无人机三维航迹规划

针对传统蚁群算法在无人机三维航迹规划中，存在早期盲目搜索、收敛速度慢、易陷入局部最优等问题，本文提出了一种改进蚁群算法。该算法利用空间位置初始化信息素分布并设定浓度阈值，增强了蚁群早期搜索的方向性，避免了算法陷入局部最优；设计兼顾距离因素和方向因素的启发函数，改善了航迹规划质量；采用自适应挥发因子控制信息素的挥发，提高了算法的收敛速度。通过两组实验表明，该算法相比传统算法规划的航迹平均长度均减少18.6%，平均迭代次数分别减少63.3%和78.7%，平均拐角次数分别减少62.5%和42.3%。     

基于蚁群BP神经网络的动态测量误差预测

针对BP算法在神经网络参数学习中局部性能好但易陷入局部极小值而蚁群算法拥有良好的全局性能的特点,提出了神经网络的综合训练方法(蚁群BP算法,ACBP Algorithm)即首先利用蚁群算法对神经网络参数进行全局搜索训练,然后再利用BP算法对参数进行局部学习。设计了一种自适应蚁群算法,一定程度上解决了传统蚁群算法收敛速度和拓宽搜索空间之间的矛盾。最后利用仿真实例验证了ACBP神经网络较之BP神经网络和AC神经网络在动态误差预测方面的优越性,得出了相关结论。     

基于改进蚁群算法的无功优化研究

建立了网损最小的数学模型,对蚁群算法的缺陷进行改进,包括对蚁群搜索到的路径进行排序,自适应调节路径上释放的信息素.同时又在信息素更新机制里引入微分进化算法的发散项,提高算法的收敛速度和全局寻优能力.通过IEEE-30节点的仿真计算,验证了改进蚁群算法在电力系统无功优化领域的可行性和有效性.     

基于蚁群粒子群优化的卡尔曼滤波算法模型参数辨识

针对复杂的低压配电网通信环境,提出一种基于蚁群粒子群融合的无先导卡尔曼滤波(UKF)算法的模型参数辨识方法。对于电力线多径信道传输模型,采用具有最小均方误差估计效果的UKF辨识算法。针对UKF算法通过试验调节难以取得最佳滤波效果的问题,提出基于蚁群粒子群算法优化UKF噪声矩阵的方法,同时引入蚁群算法将惯性权重离散化以提高粒子群算法的搜索效率,克服其容易发生早熟收敛的缺点。试验和仿真结果表明,采用该优化算法辨识电力线信道模型可克服参数的分散性,提高拟合精度并缩短辨识时间。     

结合蚁群算法和萤火虫算法的无人船路径规划

为提高无人船在执行水质采样任务时的路径规划效率，提出一种结合蚁群算法和萤火虫算法的路径规划算法。首先，在构建最短采水路径网络时，将转向角代价启发函数引入传统蚁群算法，减少路径搜索结果中的频繁转向；其次，剔除搜索结果中的冗余结点，进一步减少无人船转向次数，使所求得路径更适用于无人船实际航行。最后，在求解最优采样顺序时，基于随机修正的方式设计了一种改进的萤火虫算法，提升了算法的收敛速度。仿真实验结果表明，本文所设计算法能够完成水质采样任务路径规划任务，相比传统算法，搜索效率更高，有效缩短了总路径长度。     

建筑电气节能与蚁群算法

针对建筑电气配电规划的优化问题,运用蚁群算法对建筑电气节能优化进行分析和研究。计算结果表明,蚁群算法可以对线路布置进行最优化处理,具有参数少、计算简单特点,只需在设计阶段进行优化,即可起到节能效果。     

基于蚁群禁忌搜索混合算法的配电网重构

介绍了以最小化配电网网损为目标函数,以网络拓扑约束、潮流约束、运行约束以及辐射状约束为约束条件,在基本蚁群算法基础上的改进型蚁群禁忌混合算法在配电网重构中的应用,在IEEE 69节点系统的计算中,蚁群禁忌混合算法与禁忌算法相比提高了优化效果,从而证明了蚁群禁忌混合算法的实用性。     

动态环境下基于改进蚁群算法的路径规划研究

近年来,路径规划作为移动机器人技术研究中的一个重要领域而备受关注。针对传统蚁群算法在搜索过程中存在容易陷入局部最优并且收敛速度慢的缺陷,借鉴狼群分配原则改进信息素的更新方式,加快了算法的收敛速度。随后,针对传统蚁群算法对动态路径适应性低的问题,基于预测控制理论,在路径规划过程中加入滚动窗口,能使移动机器人更好地避开环境中的动态障碍物。仿真结果表明,改进后的算法更加适合移动机器人实际所处环境的路径规划。