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。     

水轮机智能调速系统数学模型仿真及参数辨识

为建立与电网稳定计算有关的水轮机调速系统数学模型及模型参数测量辨识,提出一种基于自适应人工鱼群-神经网络技术并适用于水轮机调速系统控制的新技术,建立智能调速系统数学模型,使之符合实际调节及微机优化控制。分析了该模型组成部分的传递函数,提出采用自适应人工鱼群算法来弥补人工鱼群和神经网络算法的不足,阐述了自适应人工鱼群算法-神经网络优化器的算法。给出了自适应人工鱼群优化算法参数辨识算法设计和实现步骤。利用Matlab和自适应人工鱼群算法进行模型参数辨识,对一次调频和二次调节试验过程进行仿真并与实测对比。结果表明,仿真值与实测值相当接近,所研制的自适应人工鱼群-神经网络优化器,达到了优化PID调节器控制输出量的目标;所建立的调速系统数学模型真实地反映调速系统在机组并网工况下的调节特性,说明该方法原理正确,可用于优化控制。     

弹性自适应人工鱼群-BP神经网络模型及在短期电价预测中的应用

为了提高短期电价预测精度,分析了人工鱼群算法及其缺点,提出了一种弹性自适应人工鱼群算法(RAAFSA).应用RAAFSA算法训练BP神经网络,实现了BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对贵州电网进行短期电价预测.仿真表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法和人工鱼群-BP神经网络算法,该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,各日预测电价的平均百分比误差可控制在2%以内,平均绝对误差最大值为1.762$/MWh.该混合算法可有效用于电力市场短期电价预测.     

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。     

扩展记忆优化人工鱼群算法在光伏系统 MPPT的仿真研究

针对不均匀光照下,光伏发电系统中的光伏阵列输出功率曲线呈现多峰特性,传统光伏阵列最大功率点跟踪 (MPPT)监控算法易陷入局部最优解误区,提出一种扩展记忆优化人工鱼群算法 (EPＧFSA).该算法在标准鱼群算法上引入速度参数和记忆行为,既保证鱼群算法的全局搜索能力,又增加了记忆算法的快速收敛性,快速得出全局最优解.仿真分析证明,扩展记忆优化人工鱼群算法较持续扰动法和标准人工鱼群算法具有更快的收敛速度和更强的全局搜索性能。     

基于人工鱼群算法的配电网网架优化规划

人工鱼群算法是一种新型的群智能随机全局优化技术.然而该算法很难得到精确的最优解,而且算法在收敛性、计算复杂度等方面还有很大的缺陷.针对人工鱼群算法的这些不足,引入了改进的模拟退火算法和精英选择的思想对人工鱼群算法进行改进.以网络年综合费用最小为优化目标建立了配电网网架规划的数学模型,并利用改进后的人工鱼群算法求得该模型优化解,通过对具体实例的仿真实验,比较了人工鱼群算法改进前后对配电网网架规划进行优化的结果,同时验证了该方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。     

大型船舶电力系统优化控制模型仿真研究

大型船舶电力系统在实际运行的过程中存在强烈的非线性和时变性,使得大型电力系统的PID控制效果较差.提出一种基于鱼群支持向量机算法的大型船舶电力系统控制方法.结合传统的控制方法建立大型船舶电力系统控制模型,利用支持向量机对大型船舶电力系统的相关参数进行分类,为了避免支持向量机相关参数不能确定的缺陷,利用人工鱼群算法进行优化搜索,获得最优控制参数.实验结果表明,利用改进算法进行大型船舶电力系统控制,能够取得理想的控制效果.     

基于人工鱼群算法神经网络的电力系统短期负荷预测

人工鱼群算法是一种新型的寻优策略,文中将人工鱼群算法用于RBF神经网络的训练过程,建立了相应的优化模型.依据人工鱼群算法的神经网络,提出一种短期负荷预测的新方法,实践表明:该方法具有预测精度高、误差小的优点,是值得广泛推广的好方法.     

基于混合人工鱼群算法的输电网扩展规划

应用于输电网扩展规划的人工鱼群算法(artificial fish school algorithm,AFSA)依靠随机移动无条件接受劣解以摆脱局部极值,具有盲目性大的特点,且该算法一般在优化初期收敛较快而后期收敛速度减慢。针对AFSA的上述缺点,文章结合模拟退火算法,提出一种混合人工鱼群算法(HAFSA)。HAFSA利用模拟退火算法的概率性突跳搜索机制,使局部极值跳跃能力具有可控性,降低了算法的盲目性,提高了算法效率;引入基于分段自适应调整视野策略的反馈机制,兼顾了全局搜索与局部挖掘能力;加入拟遗传算法的变异算子加快了优化后期的收敛速度。通过IEEE6节点和巴西南部46节点算例证明了HAFSA的正确性和有效性。     

基于SAAFSA优化加权模糊聚类算法的变压器故障诊断

针对加权模糊聚类算法(WFCM)应用于变压器DGA分析时存在收敛速度慢、对初始值敏感的问题,提出了一种改进人工鱼群优化加权模糊聚类算法(SAAFSA-WFCM)的变压器故障诊断方法.该方法利用模拟退火算法(SA)来改进人工鱼群算法(AFSA)以求取最佳初始聚类中心,在发挥AFSA优异的全局寻优能力的同时,利用SA的概率性突跳搜索机制对AFSA实施局部优化,提高了AFSA的搜索精度.WFCM算法以得到的最佳初始聚类中心为初值进行迭代运算,最终求得更接近实际位置的聚类中心,克服了WFCM易受初值影响的缺陷,加快了收敛速度.仿真与实例分析表明,该方法可有效应用于变压器的故障诊断,并有着较高的诊断正确率和诊断效率.     

基于人工鱼群算法的电力系统无功优化

尝试将人工鱼群算法(AFSA)用于电力系统无功优化,建立了相应的优化模型,对IEEE6、IEEE14节点系统及某地区实际电力系统进行了无功优化计算,并与遗传算法(GA)、改进Tabu搜索算法(MTSA)进行了比较,结果表明AFSA鲁棒性强,全局收敛性好,用于电力系统无功优化计算是有效、可行的。     

基于改进人工鱼群算法的互感器Jiles-Atherton模型参数辨识

为开展仿真平台下的电磁式互感器特性研究,需要对试验互感器建立精确可靠的磁滞模型。Jiles-Atherton(J-A)模型广泛应用在铁磁材料的磁滞建模与仿真实验中,其5个关键参数的准确度直接影响模型的拟合程度。本文提出一种结合模拟退火算法的改进人工鱼群算法对J-A模型进行参数辨识。改进算法初期使用人工鱼群算法将搜索域快速锁定在全局最优解的附近范围,当J-A模型拟合达到一定精度后,转而改用模拟退火算法继续进行局部的精确搜索。通过Matlab建模证实,改进算法同时解决了鱼群算法后期寻优效率较低以及退火算法难以大范围搜索的问题,能有效提高J-A模型参数辨识的时效性与精确度。     

适用于输电网网架规划的人工鱼群算法

以人工鱼群寻优思想为基础，提出了适用于输电网网架规划的人工鱼群算法。针对输电网规划的特点，定义了该算法的参数，给出了选取上述参数的原则和求取“距离”、“邻域”和“中心”的运算规则，制定了以觅食行为算子、聚群行为算子和追尾行为算子为基础的寻优策略。将N安全意义的启发式倒推策略运用到该算法中，加快了其收敛速度。2个算例的求解结果验证了该算法的正确性和有效性，表明该算法具有良好全局寻优能力和较快的收敛速度。     

IAFSA-RBF神经网络在短期负荷预测中的应用

为了提高人工鱼群算法AFSA(artificial fish swarm algorithm)的全局搜索能力及加快其收敛速度,提出一种将其与免疫算法IA(immune algorithm)进行结合的新方法,形成了免疫人工鱼群算法IAFSA(immune artificial fish swarm algorithm),...     

基于局优分支优化的粒子群收敛保证算法及其在电网规划中的应用

总结了粒子群（PSO）算法的一些改进方法;分析并指出了PSO算法收敛困难的关键原因;提出了局优分支优化技术.该技术由5要素组成：①局部最优区域的确定;②局部最优区域的闭锁;③局部最优区域的深度搜索;④全局搜索的粒子补充;⑤迭代终止判据.还结合电网规划的特点提出了采用启发式逐步倒推模型对局部最优子群进行深度搜索的技术.在电网规划中的应用表明,该2项技术克服了PSO算法的收敛困难,提高了PSO算法的搜索效率,保证了PSO算法的全局搜索性能和局部搜索性能.同时,也为其它算法提供了新的优化思路.     

基于改进人工鱼群算法的含大规模风电电网无功优化

针对大规模风电的波动性和随机性对电网无功电压优化初值影响较大,使无功优化求解不能充分考虑电压越限节点,而过早收敛,最终不能得到全局最优解的问题,提出基于改进人工鱼群算法对含大规模风电的复杂电网进行无功电压优化.在算法流程初期将类似遗传算法的变异机制引入其中,用以优化调整人工鱼群,在算法流程后期应用自适应可见域及步长的方法解决人工鱼群算法计算后期容易出现的陷入局部最优解以及收敛速度慢的问题.最后以接入大规模风电的甘肃电网为例,应用常规输电网动态无功优化模型,对文中的改进人工鱼群算法进行实例验证,从而证明算法的可行性和有效性.     

基于AFSA的新型电力弹簧多目标电能质量优化控制

电力弹簧（electric spring, ES）作为需求侧响应的一种新技术已经成为电力行业研究的热点。为充分发掘ES潜力,文章提出基于人工鱼群算法（artificial fish swarm algorithm, AFSA）的新型ES多目标电能质量优化控制策略,实现关键负载（critical load, CL）的电压、系统频率和非关键负载（non-critical load, NCL）功率因数的优化。首先提出一种新型背靠背型电力弹簧（back-to-back electric spring, B2B-ES）拓扑结构,实现负载侧供电侧功率双向流动稳定NCL电压范围。其次提出加权平均视觉范围和自适应拥挤度因子的改进AFSA,设计多目标优化函数提取负载侧NCL的电压值和系统频率等本地信息优化ES的控制信号,通过在线调整电力弹簧的补偿功率改善系统电能质量。经仿真验证,文章所提优化控制策略能够克服现有ES控制方法目标单一、实时性差的缺点,实现多目标电能质量实时优化。     

人工鱼群算法在配电网网架规划中的应用

为解决配电网规划的多约束复杂优化组合问题,在中压配电网网架规划中以基本的人工鱼群寻优框架为基础,根据配电网的辐射性约束特点,设计和应用了一种适合配网规划的新现代启发式算法—人工鱼群算法。该法以年费用最小为目标函数建立配网规划的数学模型,以可能建设的所有线路为优化变量,采用二进制编码和"根节点融合法"对人工鱼种群初始化,给出以保证"基本辐射性"的觅食、聚群和追尾行为算子为基础的寻优策略,保证了寻优过程中多数的解方案可进行配网潮流计算。对一个10节点的中压配电网规划算例计算的结果表明:该算法能快速获得规划问题的最优解,且具有很强的全局搜索能力,用于配电网规划是可行的、有效的。