基于遗传粒子群算法的海上风电系统参数优化

为提升海上风电系统的运行能力,使其阻尼比指标始终保持相对较高的数值水平,提出基于遗传粒子群算法的海上风电系统参数优化方法。根据遗传算法优化电信号参数,采用粒子群算法判别电信号能力,通过设置电量频谱参数完成基于遗传粒子群算法的电量频谱分配。建立风电系统传递函数,利用发电机建模原则计算DFIG-PSS优化参量的具体数值,实现对海上风电系统参数的按需优化。实验结果表明,随着遗传粒子群算法优化手段的应用,电信号阻尼比指标能够长期保持较高的数值水平,与基于PSO算法的调度模型相比,更能提升海上风电系统的稳定运行能力,符合实际应用需求。     

含风电的多区域互联电力系统负荷频率控制

针对含风电的互联电力系统运用粒子群优化的滑模变控制(PSOSMC)算法进行负荷频率控制,风力发电作为负的负荷与常规火电机组和水电机组都参与到负荷频率控制中。PSOSMC控制火电和水电状态变量,维持各项参数的稳定。对常规粒子群算法进行改进,并用改进的粒子群算法优化滑模变结构控制算法中不确定参数的设计。同时,考虑电力系统的非线性问题,以四区域互联电力系统为例,在系统存在阶跃负荷扰动的情况下,验证了滑模变结构方法和改进的粒子群算法的有效性。     

计及UPFC电力系统无功优化研究

为了更加有效地实现对电力系统潮流分布的控制,以进一步提高电力系统无功优化的有效性,达到使系统损耗最小的目的,提出了基于粒子群智能优化算法的计及UPFC的无功优化方法。以系统有功网损最小为目标函数,为了有效利用UPFC对潮流的调节作用,采用UPFC的节点注入功率模型。通过IEEE-30测试算例就系统有功网损和电压稳定性,对基于粒子群算法系统装设UPFC装置前后进行比较,发现采用文中方法后,不仅降低了系统的有功网损,提高了电压质量,而且与粒子群算法相比,还减少了算法的迭代次数,仿真结果验证了文中模型和算法的有效性和可行性。     

基于HPSO-BP神经网络融合的隧道照明功率预测

针对当前高速公路隧道照明存在的过度照明问题,采用一种混合粒子群算法和BP神经网络相结合的联合优化算法实时预测所需LED功率。该算法优化了神经网络的初始权值和阈值,克服了种群易陷入局部极小的缺点,同时也加快了收敛速度,将优化好的神经网络用于预测LED功率减小了误差。具体措施是将由传感器实时采集的洞外亮度、车流量及其车速、能见度作为照明控制系统的输入量,经过计算所得的隧道照明的调光值作为照明控制系统的输出量,搭建一个4个输入1个输出的控制模型,用混合粒子群优化神经网络对监控数据进行训练分析,拟合输入输出的关系,最终实现实时预测调控的目的。以赣州市尖峰岭隧道的真实数据进行设计,Matlab仿真结果表明,基于HPSO-BP神经网络算法比传统BP神经网络算法在预测精度和收敛速度性能上表现得更加优秀,可以达到实时预测调控的要求,减少了照明能耗。     

基于虚拟磁链的风力发电并网变流器直接功率控制研究

本文提出一种基于虚拟电网磁链的三相电压型PWM整流器直接功率控制策略,分析了其工作原理.由于通过估计虚拟磁链来计算无功与有功功率,因此可省略三相PWM整流器的电网侧电压传感器,该控制系统的结构为直流输出电压外环,功率控制内环.并针对传统虚拟磁链观测方法存在初始值选取以及气流偏移等问题,提出基于级联型惯性环节的改进型虚拟...     

采用粒子群算法的频率选择表面优化设计

 粒子群优化算法作为优秀的群体智能算法之一,已经被广泛应用于电磁优化问题中.通过与时域有限差分(FDTD)算法相结合,粒子群优化算法被运用于频率选择表面的优化设计.在此过程中,通过使用图形处理器(GPU)加速技术将FDTD算法速度提高近100倍,配合FDTD的宽频特性显著加速了优化过程.在此基础上,针对给定单元结构以及未知单元结构两种频率选择表面设计情况,分别采用带惯性权重的粒子群优化算法以及二进制离散粒子群优化算法进行优化.提出的两种优化流程在算例中得到验证与分析,证明了其可行性及高效性.     

基于PSO的D2D蜂窝网络联合信道分配和功率控制

为解决蜂窝用户(Cellular Users, CU)和终端直通(Device to Device, D2D)用户之间的干扰管理问题,提高无线蜂窝网络吞吐量,提出了一种基于粒子群优化的联合信道分配和功率控制方案。提出了具有不同约束条件的2个联合信道分配和功率控制问题,并将离散信道和连续功率联合分配给CU和D2D对,允许任意数量的D2D对与一个CU共享同一信道。通过设计适应度值避免算法陷入局部最优或产生不可行的解决方案,并使算法收敛到全局最优。通过搭建仿真网络模型进行测试验证,并与随机粒子群优化算法进行对比分析。实验结果表明,所提方法可有效提高蜂窝网络中的D2D通信网络吞吐量,且与随机粒子群优化算法相比,所提方法在D2D吞吐量、蜂窝吞吐量以及整体网络吞吐量方面具有明显优势。     

均匀搜索粒子群算法

针对基本粒子群优化算法容易陷入局部最优解的问题,本文定义了PSO粒子搜索中心的概念,并对其随机状态下粒子搜索中心在全局最优解与局部最优解之间的概率密度进行了计算,在此基础上提出了粒子搜索中心在两个最优解之间均匀分布的均匀搜索粒子群算法,并通过7个Benchmark函数与基本PSO算法进行了对比实验及算法分析,实验分析结...     

基于径向基函数的配电网不平衡线损预测方法

为解决因不平衡电量分配而造成的配电网线损率过大的问题,设计基于径向基函数的配电网不平衡线损预测方法。根据径向基函数表达式,确定电压径流指标、电流径流指标的具体数值,统计配电网电量径流。根据统计结果定义电信号缺失数据,依据所得数值的时空分布特征控制异常值参量的实际求解范围,实现对配电网不平衡线损的预测。实验结果表明,在径向基函数的作用下,有功功率做功量超过了电信号做功总量的90%,能够较好地解决因不平衡电量分配而造成的配电网线损率过大的问题。     

改进粒子群算法在频谱功率分配中的应用

在认知无线电中,由于次用户干扰门限要求的存在,传统频谱功率分配方式获得的次用户有效信道容量较低。针对这一问题,提出了一种基于粒子群算法的频谱功率分配算法。首先建立基于干扰距离的认知网络干扰模型,将频谱功率分配问题转化为函数优化问题,并借助混合随机变异思想的粒子群算法进行求解;针对寻优过程中的约束问题,提出了一种基于投入产出比的外点法,保证粒子群在可行域中寻优,最终获得频谱功率分配。仿真结果表明,与传统算法相比,所提算法能够获得较高的次用户有效信道容量。     

基于粒子群优化的光伏MPPT算法

针对光伏发电系统最大功率点跟踪恒定电压法跟踪精度较低的缺点,提出了基于温度系数在线修正的改进恒定电压法与粒子群优化结合的光伏MPPT算法,即在系统偏离最大功率点时,采用改进恒定电压法快速确定一个新的工作点,再采用粒子群优化进行最大功率控制,使得MPPT确保跟踪速度的同时又提高了跟踪精度。最后通过Matlab/Simulink对该算法进行了仿真,结果表明该控制系统可快速跟踪最大功率点。     

基于粒子群算法的下行CR-NOMA网络资源分配

将非正交多址接入(Non-orthogonal Multiple Access,NOMA)技术应用于认知无线电(Cognitive Radio,CR)次网络,使次用户的信号在功率域叠加,可以进一步提高次网络的吞吐量。为此,将粒子群算法(Particle Swarm Optimization,PSO)应用于底层模式的CR-NOMA网络进行资源分配,并分为子信道分配和功率分配两个步骤。在子信道分配中,使用结合遗传算法思想的粒子群算法提高算法的全局搜索能力。在此基础上,使用基于罚函数的粒子群算法对子信道功率和信道内用户功率进行分配。仿真结果表明,提出的基于粒子群算法的CR-NOMA网络资源分配相比以往算法能获得更高的次网络吞吐量。     

基于PSO-GA算法的多用户OFDM系统资源分配

为了最小化多用户OFDM系统的总发射功率,提出利用改进的粒子群算法与遗传算法相结合的联合算法(PSO-GA)来搜索最优的子载波和比特分配。该算法首先利用改进粒子群算法对系统的子载波和比特分配进行优化。算法运行过程中,当更新后的粒子速度大于最大粒子速度或小于最小粒子速度时,取最大粒子速度与最小粒子速度区间中的一个随机值作为更新的粒子速度。待PSO-GA算法的改进粒子群算法收敛后,将收敛后的种群作为遗传算法的初始种群,再利用遗传算法进行系统的子载波和比特优化分配,进而得出最优解。仿真结果表明,利用该算法比利用遗传算法、粒子群算法与Zhang算法的分配方案使系统需要的总发射功率降低2~10 dB。     

遗传粒子群算法在频率分配中的应用

首先建立了基于干扰最小化的频率分配模型,接下来研究了遗传算法在频率分配中的应用。针对遗传算法的不足,基于粒子群算法思想提出遗传粒子群算法,并将算法应用到频率分配之中。通过仿真得到使用遗传算法和遗传粒子群算法进行频率分配的情况,仿真结果表明遗传粒子群算法在运算的后期具有更高的效率。     

MIMO-OFDM中继通信系统最优功率分配

针对两跳多输入多输出正交频分复用（MIMO-OFDM,Multiple-Input Multiple-Output-orthogonal frequency division multiplex）中继通信系统的最优功率分配问题,提出了基于改进粒子群算法（PSO,Partical Swarm Optimization）的分配方案。在约束总发射功率的情况下,利用粒子群算法设置参数少、收敛速度快、全局寻优能力强等特点,将其改进后引入到两跳MIMO-OFDM中继通信系统的最优功率分配中。仿真结果表明,与现有的分配方法相比,改进粒子群算法在同等条件下能更有效地分配功率,提升系统容量,增强系统的传输能力。     

基于改进粒子群算法的光伏最大功率点跟踪策略分析

阐述光伏电池最大功率点跟踪的问题，传统算法有容易陷入局部最优和收敛速度慢的特点，探讨利用天牛须搜索更新惯性权重并引入混沌扰动和“跳出”机制，对标准粒子群算法进行改进。将改进的粒子群算数法与标准粒子群算法在标准环境下仿真对比分析，改进的粒子群算法输出波动小，输出功率高。并应用改进的粒子群算法光照变化时进行最大功率点跟踪，验证算法有效性。     

区域互联多电压等级直流电网运行控制系统

为了提高直流电网运行控制能力,设计了区域互联多电压等级直流电网运行控制系统。分析电网的单级接线和双极接线的运行状态,通过搭建换流器和逆变器完成系统硬件设计。在软件设计中,设定功率调制功能、定电流控制功能、定电压控制功能,通过确定两个地区间的交流功率变化实现功率调节,根据定电流控制原理得到传感器输出数值,以此实现定电流控制,结合直流输入功率实现定电压控制,达到直流电网运行控制的目标。实验结果表明,设计系统的控制结果与标准要求吻合度在95%以上,具有极强的控制能力。     

基于Jaya算法的分布式电源配电系统无功优化

分布式发电（Distributed Generation,DG）对配电网的电压质量和经济运行有重要影响。该文以有功网损、无功补偿成本和节点电压偏移为目标函数,以DGs供电的无功功率和无功补偿设备出力为控制变量建立配电网多目标无功优化模型。针对目前大部分优化算法过度依赖控制参数的问题,该文采用了不需要问题相关控制参数的Jaya算法,并在此基础上引入非支配排序法和拥挤距离计算机制。在改进IEEE-33节点系统仿真分析中,将优化后的改进Jaya算法与基本Jaya算法和粒子群算法作对比,结果表明该文算法具有更强的全局搜索能力、更高的收敛精度和更快的收敛速度。     

学生寝室电量监测仪设计

本系统通过ADE7755模块将电信号转化为脉冲信号,经STC89c51单片机对电量进行检测。实现电量、功率、剩余电量、电价的显示和电价的修改。本设计可以方便学生时刻了解寝室电量的情况,当剩余电量过低时以便及时缴费。并在超过功率范围时及时处理,避免寝室发生电事故。     

基于粒子群优化算法的光伏最大功率跟踪

针对光伏发电系统在局部阴影条件下呈现高度非线性、时变不确定性和多个局部功率峰值的特点[1],提出一种粒子群优化和改进的扰动观察法结合的MPPT算法。此算法首先利用粒子群算法来快速寻找最大功率区域,然后改进的扰动观察法精确化最大功率点,克服光伏发电系统最大功率陷于局部最优。建立仿真模型,通过仿真实验验证了这种控制方法能快速找到全局最大功率,具有更加突出的动态响应性能,避免了功率损失,提高光伏发电效率。