基于改进PSO算法的电力系统无功优化

提出了一种多策略融合自适应粒子群优化(MSI-APSO)算法求解电力系统无功优化问题的新方法。该方法采用分阶段调整加速因子,结合适应值自适应调整惯性权重,然后基于群体信息改善部分性能差的粒子,迭代后性能改善的粒子,采取速度保持策略,从而提高了PSO全局寻优性能。针对IEEE30节点系统进行无功优化计算,并与带惯性权重的粒子群(PSO-w)算法、带压缩因子的粒子群(PSO-c)f算法、全面学习粒子群(CLPSO)算法进行了比较,表明MSI-APSO具有更好的全局寻优能力和收敛性能。     

基于自适应量子粒子群算法的塔机NFNN控制器参数优化

针对塔机正规化模糊神经网络控制中参数众多且难于分析的问题,提出了对正规化模糊神经网络优化的自适应量子粒子群算法。该方法采用量子旋转门对粒子进行更新变异,惯性权重根据当前适应度自动调整,在全局寻优过程中,当粒子远离目标时,学习因子变大,当粒子靠近目标时,学习因子变小,有效地提高了全局最优搜索能力及收敛速度。采用该方法对塔机NFNN控制器参数进行优化,结果表明,自适应量子粒子群算法对塔机NFNN参数优化效果优于传统量子粒子群算法,且加快了控制器的响应速度。     

融合改进粒子群算法的模糊控制策略在汽包锅炉的应用

针对机炉协调控制中锅炉具有非线性、大延迟、大惯性等特点,设计了一种融合改进粒子群(PSO)算法的模糊优化控制器.引入惯性权重递减策略和模拟退火算法(SA),改善粒子群易陷入局部最优等缺点,对模糊控制器输入输出的量化因子寻优.将该控制策略应用到某电厂300 M W汽包炉协调控制过程,控制燃料量输出,消除外界负荷需求变化造...     

基于改进粒子群算法的主汽温控制系统PID参数优化

介绍了一种基于改进的粒子群优化(PSO)算法的PID控制器参数优化方法。通过将PSO基本算法中的惯性权重进行线性递减,很好地协调了PSO的全局与局部寻优能力。将改进的粒子群PID控制器参数优化方法应用于多扰动、大惯性的电厂主汽温控制系统,仿真结果表明,该方法在保证控制系统稳定性的基础上极大地提高控制系统的精度和快速性。     

飞轮储能系统多PI控制器参数优化

对飞轮储能系统(FESS)的有功和无功PI控制器参数优化进行了研究,提出了应用加入模拟退火思想的改进粒子群优化(AIPSO)算法优化FESS有功和无功多PI控制器参数.该算法在混沌初始化、迭代中加入混沌扰动和自适应调整惯性权重系数的改进粒子群优化算法基础上,引入模拟退火思想,既能限制位置更新,又能跳出局部最优解,具有更...     

基于改进粒子群算法的电力系统无功优化研究

粒子群( PSO)优化算法具有并行处理的优点,但易于陷入早熟收敛,针对这一问题,本文提出了一种改进粒子群无功优化算法,该算法使用了自适应动态惯性权重,充分利用了遗传算法中交叉变异和种群移动均匀的特性,从而有效克服了PSO算法易于陷入局部最优和早熟收敛的缺陷,具有良好的寻优速度和计算精度,实例计算取得了良好的结果,从而验...     

改进PSO算法用于电力系统无功优化的研究

由于电力系统无功优化为一有多变量、多约束、非线性的组合优化问题,针对传统粒子群算法收敛精度不高、易陷入局部最优的缺点,提出了一种改进的算法:分别赋予传统算法中的粒子以不同的初始惯性权重,权重较大的粒子拓展搜索空间,惯性权重较小的粒子完成局部强化寻优的工作。用改进的PSO算法无功优化计算IEEE-14节点系统的结果表明:新算法不仅避免了惯性因子权重调整的困难,而且较好地协调了算法的局部与全局搜索能力,可较好地解决电力系统的无功优化问题。     

一种改进粒子群优化算法在多目标无功优化中的应用

针对粒子群优化算法容易陷入局部最优等问题,提出了一种新的模糊自适应-模拟退火粒子群优化算法。该算法首先是基于模糊推理的思想,将规范化的当前最好性能评价和粒子群算法的惯性权重、学习因子作为模糊控制器的输入,以算法参数变化量的百分数作为模糊控制器的输出,并根据参数设置经验建立了相应的模糊控制规则,使其能够自适应地调节粒子群优化算法的参数;对调节后粒子新位置的优劣,则通过采用模拟退火算法调节粒子的适应度来加以评价。最后,采用改进后的粒子群优化算法对多目标无功优化模型进行了求解。IEEE30节点和IEEE118节点的标准电力系统算例验证了本文所提出的模糊自适应-模拟退火粒子群优化算法的有效性和可行性。     

基于混合粒子群智能遗传算法的配电网络重构优化研究

将二进制粒子群优化算法的惯性因子进行了动态化自适应改进,设计了区别于标准遗传操作的高频交叉算子和随机自回馈变异算子,基于此提出了一种新算法——混合粒子群智能遗传算法(PGA)应用与配网的重构。在新型编码方案下,PGA应用两个遗传算子使种群保持多样性,避免陷入局部最优,同时结合PSO的快速群体智能寻优指导染色体的进化方向,能够使种群信息共享的同时提高算法的收敛速度,算例结果验证了新算法的可行性。     

基于多策略自适应粒子群算法的电网无功优化

针对无功优化中确定无功补偿点和无功补偿容量的问题,本文提出了一种基于奇异值分解理论和多策略自适应粒子群优化算法(MS-APSO)的无功优化法。首先基于潮流计算中的雅可比矩阵奇异值分解以确定电压稳定性较弱的节点作为无功补偿节点;然后以线路有功损耗、负荷节点电压偏差最小以及节点稳定度最大为目标优化无功补偿量。为解决迭代后期算法收敛速度降低、粒子群多样性下降等问题,提出了多策略自适应改进算法以寻求全局最优解,综合考虑了粒子群多样性、惯性权重、越限重置和变异的影响,有效提高了算法前期的收敛速度和后期的寻优能力。最后,改进算法的有效性在IEEE 118算例中得到了验证。结果表明,改进后算法降损率与传统方法相比可以提高38.6%。