模拟退火和人工鱼群算法的冶金配电网状态估计

为了提高冶金配电网状态的估计准确度,提出一种基于模拟退火和人工鱼群算法相结合的状态估计方法。首先建立冶金配电网状态估计的目标函数,采用人工鱼群算法对目标函数进行优化求解,并引入变异算子,保持人工鱼群状态的多样性,然后对人工鱼群求得的最优解进行模拟退火操作,最后采用仿真实验进行性能测试。仿真结果表明,相对于基本人工鱼群算法以及其他对比算法,本文方法不仅加快了算法求解的收敛速度,同时提高了冶金配电网状态估计的准确度,为冶金行业节省电力能源做出了新的探索,有广阔的应用前景。     

用于水轮机-引水管道参数辨识的改进型人工鱼群算法

提出了一种融合蚁群算法的改进型人工鱼群算法,对水轮机-引水管道系统进行参数辨识。该算法在每次迭代中先应用鱼群算法对搜索空间进行全局搜索,然后以当代全局最优解为基础利用蚁群算法对其领域进行局部搜索。根据现场实测数据,所提算法通过最小化目标函数辨识出了水轮机-引水管道模型参数。基于实测数据的建模结果表明,与传统辨识方法相比,所提算法具有更好的全局优化能力和鲁棒性能。     

基于改进型SVR的电网短期负荷预测

常规的支持向量回归预测模型（SVR）预测算法采用人工经验的方法对RBF核函数参数、不敏感系数和惩罚系数等参数进行选取,其性能会因随机选取的参数而变得随机和不确定。人工鱼群算法的初始参数会对整个算法的优化性能产生较大影响,将粒子群优化算法和混沌机制引入常规人工鱼群算法,对其进行改进,可以提高种群多样性和全局寻优能力,避免优化算法陷入局部最优解。通过实验方法对改进型人工鱼群优化SVR预测模型的性能进行分析。结果表明,所研究的短期负荷预测精度较高,具有较好的工程应用价值。     

基于改进人工鱼群优化支持向量机的短期风电功率预测

针对人工鱼群算法中固定的视野和步长导致算法寻优速度变慢、易陷入局部最优等问题,引入了一个变系数因子来自适应调节人工鱼在聚群、追尾和觅食行为中的视野和步长;此外,为了降低算法后期运算复杂度以获得更多有效的人工鱼,加入一种人工鱼群最大迭代次数淘汰机制。将改进后的人工鱼群算法用来优化支持向量机中的核函数参数和惩罚参数,并应用到风电场短期风电功率预测中。通过实验仿真对比得出改进的人工鱼群优化支持向量机在短期风电功率预测中有较好的效果。     

改进的人工鱼群算法在水质参数识别中的应用

水质参数是建立河流水质数学模型、预报河流水质状态变化的基本数据.因此,准确估计模型参数具有重要意义.通过构造目标函数使模拟结果与已知值之间误差达到最小,从而将此参数估计问题转化为一个参数优化问题进行求解.结合水质模型参数优化的特点,将具有收敛速度快、全局优化能力强的新型智能算法-改进的人工鱼群算法应用于该优化问题求解.通过进行多组参数组合实验,结果表明:当参数变化范围较小时,改进的人工鱼群算法在求解上述问题上具有较好的适用性和有效性,可以获得较为精确的结果;但随着参数变化范围的不断扩大,该算法的搜索效率和精度有所下降.关于算法参数的设置,如何解决算法受参数变化范围的影响问题都是需要进一步研究的问题.     

基于IAFSA-SVM的岸电箱断路器故障诊断

断路器的故障诊断对岸电系统的稳定运行有重要意义。针对人工鱼群算法和其他智能算法在优化支持向量机参数时,存在易陷入局部最优、泛化能力差等问题,通过自适应调整步长和引入全局随机行为,提出基于改进人工鱼群算法优化支持向量机参数的故障诊断模型。将断路器合闸线圈电流信号中的时间和电流信号作为特征量,采用改进人工鱼群算法对支持向量机的参数寻优,以提升支持向量机的故障分类性能。仿真结果显示,该算法在样本数量小的情况下仍具有良好的分类性能,能够准确对断路器进行故障分类。     

基于人工鱼群算法的智能交流接触器虚拟样机优化设计

人工鱼群算法是一种新型的随机搜索优化算法,为求解组合的复杂优化问题提供了一种新的方法.基于网格划分策略和禁忌搜索算法的改进型人工鱼群算法使优化过程能够更好地取得全局最优精确解.本文将改进型人工鱼群算法引入到智能交流接触器吸合与释放全动态过程控制参数和机构结构参数的优化设计中,不仅取得了综合优化的效果,而且保证了机构的快...     

配电网中基于人工鱼群算法的分布式发电规划

应用人工鱼群算法对配电网扩展规划中分布式发电的选址和定容进行了优化,优化求解采用了两层人工鱼群算法的嵌套。外层对分布式发电的位置和容量进行优化,并将优化过程中生成的分布式发电个体加到线路扩展规划中,计及分布式发电对配电网潮流的影响进行内层线路扩展规划。针对人工鱼群算法后期收敛速度慢、所得解精确度不高的问题,对基本人工鱼群算法进行了改进。通过对网架优化和分布式发电优化综合规划结果进行经济性评估以衡量个体方案的优劣,具体算例验证了算法的可行性和有效性。     

配电网中基于人工鱼群算法的分布式发电规划

应用人工鱼群算法对配电网扩展规划中分布式发电的选址和定容进行了优化,优化求解采用了两层人工鱼群算法的嵌套.外层对分布式发电的位置和容量进行优化,并将优化过程中生成的分布式发电个体加到线路扩展规划中,计及分布式发电对配电网潮流的影响进行内层线路扩展规划.针对人工鱼群算法后期收敛速度慢、所得解精确度不高的问题,对基本人工鱼群算法进行了改进.通过对网架优化和分布式发电优化综合规划结果进行经济性评估以衡量个体方案的优劣,具体算例验证了算法的可行性和有效性.     

种群优化人工鱼群算法在输电网扩展规划的应用

将遗传算法与人工鱼群算法有机融合,提出一种种群优化人工鱼群算法,采用分别对部分人工鱼个体进行选择、交叉、变异操作的策略,调整优化人工鱼种群结构,较好地兼顾局部搜索和全局搜索。通过与粒子群算法、基本的人工鱼群算法在Garver-6节点、Garver-18节点和Garver-24节点系统仿真计算比较,证明了种群优化人工鱼群算法的正确性和有效性。     

基于变尺度混沌理论与免疫遗传算法的电力系统无功优化

提出一种基于变尺度混沌理论与免疫遗传算法的混合智能无功优化算法。该算法利用混沌变量的遍历性、随机性和规律性特点,将混沌运动自身的遍历区域变换成优化变量的取值范围,通过对整个解空间进行考察实现了可行域内的全局优化搜索。同时通过变尺度方法不断缩小优化变量的搜索范围来实现局部细化搜索,从而增强混沌局部搜索能力,加快解的收敛速度,提高解的精度。文章最后以某地区实际电网为例,分别采用免疫遗传算法和混合智能算法对其进行无功优化计算,结果表明本文提出的混合智能算法在计算速度和全局收敛性方面有很大的提高。     

A novel approach to fuzzy wavelet neural network modeling and optimization

In this paper, an efficient approach of combining Takagi–Sugeno–Kang fuzzy system with wavelet based neural network is presented. The model replaces the constant or a linear function of inputs in conclusion part of traditional TSK fuzzy model with wavelet neural network (WNN), thus each rule uses fuzzy set to separate the input space into subspaces spanned by different wavelet functions. For finding the optimal values for parameters of our proposed fuzzy wavelet neural network (proposed-FWNN), a hybrid learning algorithm integrating an improved particle swarm optimization (PSO) and gradient descent algorithm is employed. The two-layer inline-PSO process is proposed in this paper, whose adjustment scheme is more fitting the consequent pattern learning based gradient descent optimization and will locate a good region in the search space. Simulation examples are given to test the efficiency of proposed-FWNN model for identification of the dynamic plants. It is seen that our modeling and optimization approach results in a better performance.     

Integration of Distributed Generation in Power Networks Considering Constraints on Discrete Size of Distributed Generation Units

Abstract—An optimization algorithm based on a novel discrete particle swarm optimization technique is proposed in this article for optimal sizing and location of distributed generation in a power distribution network. The proposed algorithm considers distributed generation size and location as discrete variables substantially reducing the search space and, consequently, computational requirements of the optimization problem. The proposed algorithm treats the generator sizes as real discrete variables with uneven step sizes that reflect the sizes of commercially available generators, meaning that it can handle a mixed search space of integer (generator location), discrete (generator sizes), and continuous (reactive power output) variables while substantially reducing the search space and, consequently, computational burden of the optimization problem. The validity of the proposed discrete particle swarm optimization algorithm is tested on a standard 69-bus benchmark distribution network with four different test cases. Two optimization scenarios are considered for each test case: a single objective optimization study where network real power loss is minimized and a multi-objective study in which network voltages are also considered. The proposed algorithm is shown to be effective in finding the optimal or near-optimal solution to the problem at a fraction of the computational cost associated with other algorithms.     

基于改进细菌群体趋药性算法的电力系统无功优化

建立了无惩罚因子策略的数学模型,并应用改进细菌群体优化(bacterial colony chemotaxis,BCC)算法进行无功优化。该模型利用可行细菌的占比指导细菌向可行空间搜索或最小网损空间搜索,快速搜索到可行的最优值。在基本BCC算法中引入速度、感知范围的动态调整以及高斯变异机制以提高寻优精度;同时引入映射因子以改善BCC算法解决离散域问题的性能。算例结果表明,改进BCC算法具有较好寻优性能,结合无惩罚因子策略的数学模型能快速得出合理的无功优化策略。     

基于病毒进化改进NSGA-II算法的扩展黑启动多目标优化

为了保证黑启动小系统的安全恢复和合理兼顾多目标优化方法的快速搜索与局部搜索,提出基于病毒进化改进NSGA-II算法的综合功率支持和恢复安全裕度的扩展黑启动方案多目标优化方法。以初期阶段内发电量加权和最大化、电压稳定裕度最大化和维持节点电压在满意水平为目标建立多目标优化模型。在快速非支配排序遗传算法(NSGA-II)的染色体中引入生物病毒机制和病毒感染操作,利用病毒的横向感染对解空间进行局部搜索,避免强化全局寻优时的前沿退化。然后结合基于病毒进化改进NSGA-II算法与最短路径法对扩展黑启动方案求解出Pareto最优解集。以新英格兰10机39节点系统和河北南网实际系统为算例验证所提方法的有效性,该方法为决策者提供了更全局性的选择空间,从而保证扩展黑启动小系统安全可靠地恢复更多出力。     

基于混沌模拟退火粒子群优化算法的电动汽车充电站选址与定容

针对城市电动汽车充电站的选址与定容问题,建立了考虑充电站运营商、电动汽车用户以及电网企业综合利益的充电站选址定容规划模型。采用Voronoi图思想和需求点栅格化理论,结合Floyd最短路径算法划分充电站的服务范围。提出采用一种混沌模拟退火粒子群优化算法对问题进行求解,通过引入混沌理论使粒子更高效地遍历搜寻空间,并结合模拟退火算法的概率突跳特性使算法在迭代后期仍具有较高的全局寻优能力。通过算例分析表明,采用所提算法对城市电动汽车充电站选址定容进行优化规划的可行性和有效性。     

基于量子差分进化算法的电力系统无功优化

以系统有功网损最小为目标,建立了一种电力系统无功优化数学模型,并提出了一种基于量子差分进化算法的电力系统无功优化方法。该算法采用量子计算中的并行、坍缩等特性,增强了对解空间的遍历能力;同时在传统选择策略的基础上加入了量子计算的概率表达特性,有效地避免了算法的早熟现象。对IEEE-30节点测试系统进行仿真分析,并将优化结果与传统差分进化算法和粒子群优化算法进行对比分析,结果表明量子差分进化算法在解决系统无功优化问题上更科学、更有效。     

基于单环寻优策略的有源配网重构方法

配网DG接入导致智能优化算法在重构求解时易陷入局部收敛且寻优率较低.考虑配网拓扑特性与算法的关系,将两者深度结合,提出基于单环寻优策略的有源配网重构方法.首先引入莱维飞行对量子粒子群算法进行改进,建立了莱维系数量子粒子群算法.其次提出自适应环压有序环矩阵作为算法的解空间.最后根据配网拓扑与算法全局最优解之间的对应关系提...     

新型轴向分相磁悬浮飞轮电机及其优化设计

为改善磁悬浮飞轮电机的悬浮和转矩性能,提出一种新型轴向分相磁悬浮飞轮电机及其优化设计方法,在阐述电机基本结构及工作原理的基础上,结合动态双响应面与萤火虫算法对定子齿形参数作进一步优化。首先通过Box-Behnken设计选取代表性的齿形参数组合以建立样本数据空间,并结合多项式响应面法及支持向量机(SVM)建立电机性能响应模型。然后以电机转矩和悬浮出力为优化目标,采用萤火虫算法获取最优齿形参数。有限元仿真结果表明,优化后电机的平均转矩和悬浮力分别提高了37.5％和110.13％,验证了所提结构及齿形优化方法的有效性。     

基于混合算法的电力杆塔巡检实时航迹规划

传统的电力杆塔拍摄视点顺序固定,多旋翼无人机巡检距离并非最优;同时,随着维度增加,航迹规划算法空间复杂度呈指数增长,不能满足实时规划航迹的需求。针对以上问题,提出一种基于蚁群和A*混合算法（ACO-A*）的电力杆塔巡检三维航迹规划方法。该方法分为全局规划和局部规划,全局规划利用改进蚁群算法找到覆盖所有视点的较优路径,并通过算法判断路径是否经过障碍物,再运用A*算法局部规划。仿真结果表明：ACO-A*算法规划的航迹长度比《架空输电线路无人机巡检影像拍摄指导手册》规定的巡检航迹降低了16.85%;ACO-A*算法路径规划时间比A*算法降低了99.68%。因此本方法既节约了巡检能耗,又提高了航迹规划的效率。