微粒群优化负荷频率控制

针对两区域电力系统运用微粒群优化算法进行负荷频率控制,将模糊控制和微粒群优化算法相结合,利用微粒群算法优化模糊控制规则和PI控制器参数,以实现对控制规则的自调整,并在负荷频率控制中引入模糊决策控制,以减弱由时延引起的系统振荡。对两区域的负荷频率控制系统用MATLAB软件进行仿真,并将其与传统的积分控制和模糊自调整PI控制进行比较,仿真结果表明该方法的有效性,对复杂的非线性电力系统能取得良好的控制效果。     

基于HUCPSO算法的电力系统稳定器参数优化方法

电力系统稳定器(PSS)对于抑制电力系统低频振荡简单有效,因而得到了普遍应用。一般采用工程整定方法设计PSS参数,这种方法难以达到优化控制效果。利用辨识参数获得参数初值,采用基于分层多子群的均匀分布混沌粒子群算法(HUCPSO)优化PSS参数,利用2机5节点系统非线性仿真模型对所得参数进行仿真。结果表明,相比于传统方法及其他智能优化算法,采用该方法优化设计的PSS具有更好的性能,所得到的控制参数使系统动态调节性能得到提高。     

基于粒子群算法的VSC-HVDC控制参数优化

随着大功率电力电子技术的发展,电压源型直流输电得以实现,为了简化这种新型的直流输电方式控制器设计和提高系统鲁棒性,采用了结合PI控制器的双闭环控制。以两端均为有源网络的电压源型直流输电系统为研究对象,以Matlab/Simulink为研究平台,利用粒子群优化算法,对VSC控制器参数进行了优化。建立直流输电的暂态数学模型,据此分析其控制器结构,选定需要优化的控制参数。将粒子群算法程序与直流输电仿真模型结合进行仿真计算,通过多次迭代得出优化的控制器参数,并与原始参数进行系统性能对比,验证该方法的可行性。     

基于微粒群优化的球磨机单神经元自适应解耦控制系统

针对具有惯性和迟延特性、多输入多输出强耦合的中储式球磨机制粉系统,设计了单神经元解耦控制器,针对神经元控制器参数确定较为困难的问题,采用了微粒群算法对控制器参数进行寻优。仿真结果表明,通过微粒群优化后的控制系统能够使得球磨机在不同阶跃扰动下都获得较为满意的控制效果。     

基于PSO的FSBB转换器双闭环控制优化研究

电动汽车中四开关Buck-Boost(FSBB)转换器闭环控制的比例积分(PI)参数是影响系统动态响应和控制效果的关键参数。基于粒子群优化算法(PSO)提出平均电流双闭环PI参数优化方法,提高电动汽车中FSBB转换器的响应速度,减少响应超调。首先,在分析FSBB转换器拓扑结构的基础上对主电路参数进行了设计;其次,在对平均电流双闭环PI控制参数求解的基础上,采用PSO对PI控制参数进行优化;最后,搭建实验平台并与Simulink仿真结果进行了对比。结果表明,系统响应速度平均提高了85.9%,响应超调平均减少了48.5%,为提高电动汽车FSBB转换器性能提供了理论基础。     

改进粒子群算法优化PID的冶金电气控制

冶金系统的电气机组受到外界环境干扰大,输出电压具有时变性和非线性,传统控制方法难以获得高准确度的控制效果,为此提出一种改进粒子群算法优化PID的冶金控制策略。首先分析当前冶金系统的电气机组PID控制参数存在的不足;然后采用粒子群算法对电气机组PID控制参数进行求解,并针对标准粒子群算法的不足进行相应改进;最后采用仿真对比实验测试改进粒子群算法优化PID的优越性。实验结果表明,改进粒子群算法优化PID冶金电气控制系统控制准确度高,抗干扰能力强,具有较快的响应速度。     

双闭环控制的三相Zeta光伏逆变器

为获得比较理想的正弦输出电压,优化逆变器的性能,基于三相Zeta光伏逆变器,采用了双闭环控制策略。此处详细分析了所提逆变器的拓扑结构和工作原理,利用状态空间平均法建立了系统数学模型,并详细阐述了电压电流双闭环控制方法,该方法具有计算量小、运算速度快、控制精度高、可靠性强的显著优点。利用Matlab/Simulink工具对控制系统进行了仿真,并对该系统进行了样机实验,仿真和实验结果验证了该逆变器的优点和双闭环控制策略的有效性。     

BBMC逆变级分段延迟反馈控制参数稳定域

针对Buck-Boost矩阵变换器(BBMC)逆变级在脉冲输入电压作用下存在的分叉与混沌现象,提出采用分段延迟反馈控制法,研究确定了其控制参数的稳定域。建立了该逆变级的离散迭代数学模型,针对该逆变级在分段延迟反馈控制法下的控制特性进行了分析,研究确定了实现系统稳定运行时控制参数k_1、k_2间的函数关系并确定了其稳定域范围,最后对上述理论分析的正确性进行了仿真验证。结果表明:分段延迟反馈控制能有效抑制BBMC逆变级在脉冲输入电压作用下所产生的混沌现象,对于确保BBMC逆变级的稳定运行具有重要意义。     

过热蒸汽温度量子粒子群优化无模型自适应控制

火力发电厂锅炉过热蒸汽温度不仅具有大滞后特性,且其模型还会随锅炉负荷的变化而变化,故依赖数学模型设计的PID控制一直未取得较好的控制品质。对此,本文提出一种基于量子粒子群的改进无模型自适应控制(QPSO-IMFAC)算法,摆脱了对模型的依赖,利用量子粒子群(QPSO)算法对IMFAC算法控制参数寻优,解决了传统无模型自适应控制(MFAC)算法控制参数难以确定的问题。仿真结果表明:采用QPSO-IMFAC算法控制锅炉过热蒸汽温度时,系统具有强扰动抑制性和高鲁棒性,QPSO-IMFAC算法对锅炉过热蒸汽温度控制是有效的;对阶跃响应和定值扰动的控制效果均优于QPSO-PID算法。因此,可以将IMFAC算法实现于DCS控制中,且使用QPSO-IMFAC算法优化出的控制参数可作为锅炉过热蒸汽温度调节的基准值。     

基于随机微粒群算法的电力系统无功优化

介绍保证以概率1全局收敛的随机微粒群算法,针对随机微粒群算法难以在有限进化代数搜索到全局最优解的问题,介绍一种改进的随机微粒群算法,这种算法对随机微粒群算法停止进化的微粒采用模拟退火方法生成,使得搜索更为有效.提出将两种算法分别应用于电力系统无功优化,通过对IEEE14节点系统的仿真计算,并与遗传算法、标准微粒群算法相比较,结果表明这两种算法取得了更好的优化效果,改进的随机微粒群算法更具有实用意义.     

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。     

基于混沌粒子群算法的多目标无功优化研究

针对传统无功优化的不足,建立了以电网有功损耗最小、节点电压偏移最小、静态电压稳定性最好和无功成本最小的多目标无功优化模型.为了将这4个目标同时进行优化,提出了基于Pareto解的混沌粒子群算法多目标无功优化方法,求出该多目标优化问题的Pareto最优解集,供决策者根据实际情况进行科学决策选择.为证明提出方法的有效性,对IEEE30节点系统进行了多目标无功优化分析,结果表明本文提出的方法能够得到良好的无功优化结果.     

一种改进粒子群算法在横向磁通永磁电机优化中的应用

通过对鸟、鱼等动物群体捕食行为的深入分析,进行了粒子群优化算法的改进研究:在优化过程中,动态调整学习因子和惯性参量,得到了全新的粒子速度与位置更新模式,从而有效防止了粒子的"早熟"问题,并改善了算法的全局寻优能力。使用提出的改进粒子群算法对典型数学函数进行校验,结果表明:改进算法的全局寻优能力比原算法有明显提高。将其引入电磁场逆问题求解过程,对一台聚磁式横向磁通永磁同步电机进行基于磁钢用量和电机整体体积最小的尺寸优化设计,取得了令人较为满意的效果。     

混合粒子群算法在PSS参数优化中的应用

通过采用一种新的混合粒子群算法对多机系统的电力系统稳定器(PSS)进行参数优化,以达到更好的低频振荡抑制效果.引入交叉操作的混合粒子群优化算法是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的改进粒子群算法(PSO).用Matlab软件进行仿真,结果表明,该方法设计的PSS稳定性有较大提高.     

基于粒子群算法的电磁装置优化设计

简要介绍了粒子群的算法及其特点,详细分析了粒子群算法和罚函数法相结合应用于电磁装置优化设计的若干问题。以某型号电磁继电器优化设计为例进行例示。设计结果证明了该算法的有效性。     

基于改进多目标粒子群算法的微电网并网优化调度

微电网能够协调分布式电源,从而充分发挥分布式发电技术在经济、能源和环境中的优势。针对微电网并网时的优化调度问题,建立了考虑发电成本、污染物排放的微电网系统的环保优化模型,并利用改进的多目标粒子群算法,在这两个目标之间进行协调权衡和折中处理,使所有目标函数尽量达到最优。选取微电网案例的日负荷数据进行了优化调度计算,仿真结果表明了所提模型和算法的有效性。     

基于改进PSO算法的PID参数优化研究

针对PID控制器的参数整定问题,提出一种改进微粒群优化算法（improved particle swarm optimization,IPSO）。算法是在基本PSO算法的惯性权重部分加入一个调节因子项,通过调节因子的调节,改善了算法的收敛性。仿真结果表明,IPSO算法可以更好地优化PID控制器的参数,使控制系统具有更好的控制性能。     

基于禁忌搜索粒子群优化算法的无功优化

针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,提出将粒子群优化算法结合禁忌搜索的混合算法,并应用它来求解电力系统无功优化问题。该混合算法是以粒子群优化算法为主框架,以禁忌搜索算法作为个体群继续在邻域中寻优,寻优结果对粒子群算法的输出做了更新。混合算法保留了粒子群优化算法的并行处理性,同时利用了禁忌搜索算法的较强的"爬山"能力,加快了混合优化算法的收敛时间和提高了收敛解的有效性。     

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。     

基于粒子群算法的故障测试集优化

为加速测试进程和减少测试开销,数字集成电路在生成测试矢量后必须进行故障测试集的优化。文中利用粒子群优化算法生成最小完备测试集,根据故障测试集优化问题的具体特点,构造粒子的表达方式和编码规则,建立粒子群的速度一位置模型;同时为提高优化效率,引入混沌优化算法来初始化粒子群。实验结果表明,在测试生成后,该方法能在较短的时间内生成最小完备测试集,验证了它的实用性和有效性。