基于ISFLA-SVM的变压器故障诊断

为提高变压器故障诊断的准确性,提出了一种改进混合蛙跳算法优化支持向量机模型参数的变压器故障诊断方法。该方法首先采用均匀随机化与反近似对立相结合的方法对混合蛙跳算法的种群初始化进行改进,提高初始解的质量;其次引入差分变异算子,并将余弦适应性骨架差分进化算法内嵌入混合蛙跳算法的局部搜索算法中,同时利用Levy变异算子代替随机更新操作,提高了局部搜索算法的精度,加快了收敛速度;最后利用改进后的混合蛙跳算法对支持向量机模型参数进行优化,建立故障诊断模型。经典测试函数的仿真结果和实例验证结果表明,文中提出的改进混合蛙跳算法的性能有大幅度提高,优化后的支持向量机故障诊断模型相比于SFLA、AS-SFLA、ODSFLA算法优化结果具有更高的诊断准确率,更快的迭代速度,可对变压器故障进行有效诊断。     

梯级水电站短期发电优化调度的免疫蛙跳算法应用研究

针对传统优化方法在求解高维、复杂的梯级水电站短期发电优化调度时易出现"维数灾"或陷入局部最优解的缺陷,提出了免疫蛙跳算法(ISFLA)。ISFLA将克隆选择算法嵌入到混洗蛙跳算法框架中,对混合之后的蛙群构造子群体执行免疫克隆选择操作,同时使用改进的最差解更新方式以提高其局部搜索能力,进而将其应用于某梯级水电站短期发电优化调度中。通过将ISFLA与标准混洗蛙跳算法、粒子群算法以及逐步优化方法对比,优化结果表明ISFLA在求解梯级水电站短期发电优化问题时具有有效性和优越性。     

改进的混合蛙跳算法性能分析及其在电力系统经济调度中的应用

针对基本混合蛙跳算法收敛速度慢,优化精度低的问题,提出了改进的混合蛙跳算法:通过引入自适应因子,保持了算法开发与探索的平衡,维持了种群的多样性,提高了个体向局部最优或全局最优个体学习的能力,加快了算法的收敛速度。通过对4个测试函数和电力系统中经济调度问题进行优化实验,并与基本混合蛙跳算法和相关文献中的改进算法进行比较,实验结果表明所提出的改进算法取得了更加理想的运算结果,具有更好的优化性能。     

混合SA策略的改进SFLA算法求解配网多目标无功规划优化

针对配网无功优化问题目标维度高、非线性强及约束复杂等特点,提出一种混合SA策略的改进蛙跳算法ISFLASAS.该算法首先利用蛙跳算法(SFLA)的全局寻优能力进行最优解的探测,并对标准SFLA进行改进,在种群初始化时融入互反策略提高初始解的均匀分布能力,加速最优解的探寻;其次利用SA策略的局部逃逸能力,在SFLA计算后期辅助SA策略以一定概率跳出局部最优,提高全局探测能力;最后采用IEEE 33节点系统对所提模型算法进行仿真分析,验证了所提控制策略的有效性.     

基于阈值选择策略的改进混合蛙跳算法在电网规划中的应用

利用混合蛙跳算法(SFLA)具有高效计算性能和优良全局搜索能力的优势,针对其侧重于解决连续性问题以及易陷入局部最优解的不足,通过对混合蛙跳算法的解向量进行离散化处理并采用阈值选择策略,提出了适用于电网规划的一种基于阈值选择策略的改进混合蛙跳算法(ISFLA)。算例应用结果表明,与粒子群算法(PSO)相比,所提算法能够在较小的计算规模和较短的计算时间内得到全局最优解。通过进一步分析不同阈值对算法收敛速度的影响可以看出,应针对不同的电网规模及扩展规划范围选择合理的阈值,以此提高ISFLA的收敛速度和电网规划的有效性。     

基于阈值选择策略的改进混合蛙跳算法在电网规划中的应用

利用混合蛙跳算法(SFLA)具有高效计算性能和优良全局搜索能力的优势,针对其侧重于解决连续性问题以及易陷入局部最优解的不足,通过对混合蛙跳算法的解向量进行离散化处理并采用阈值选择策略,提出了适用于电网规划的一种基于阈值选择策略的改进混合蛙跳算法(ISFLA).算例应用结果表明,与粒子群算法(PSO)相比,所提算法能够在较小的计算规模和较短的计算时间内得到全局最优解.通过进一步分析不同阈值对算法收敛速度的影响可以看出,应针对不同的电网规模及扩展规划范围选择合理的阈值,以此提高ISFLA的收敛速度和电网规划的有效性.     

计及分布式电源无功出力的ISFLA算法配电网无功优化

针对含分布式电源的配电网无功优化的特点,将分布式电源的无功调节能力和传统无功调压手段相结合,研究了考虑分布式电源无功调节能力的配电网无功优化模型和算法。针对分布式电源出力的随机性,采用场景概率的决策方法计算分布式电源的出力情况和对应无功功率极限,以网损最小和节点电压越限惩罚作为目标函数。提出了基于免疫蛙跳算法(ISFLA)的无功优化算法,该算法通过在混合蛙跳算法(SFLA)的算法框架中引入克隆选择算法(CSA),在蛙群混合后选择较优解进行克隆、变异和选择,克服了SFLA局部搜索能力弱的特点。利用改进IEEE33节点系统作为算例仿真分析,结果验证了模型及算法的有效性。     

一种基于灰预测理论的混合蛙跳算法

为提高混合蛙跳算法在优化问题求解中的性能,提出一种基于灰预测理论的改进混合蛙跳算法。该算法首先将基本算法的进化模式进行调整,强化了进化过程中全局信息的交换;之后引入移动步长变异算子,根据进化过程的不同阶段和利用灰预测理论获得进化过程中最优解进步速度,并借鉴模糊控制思想对该变异算子进行控制,进而实现移动步长的自适应调整。采用6个标准测试函数,与基本算法和已有改进算法进行性能对比分析,证明了改进后的混合蛙跳算法在收敛精度、收敛速度和收敛成功率方面的优越性及灰预测理论在算法改进领域中的可行性。最后,将改进算法应用于10 k V油浸式配电变压器优化设计工作中,验证了该改进算法的实用性。     

改进蛙跳算法在输电网规划中的应用

传统蛙跳算法（SFLA）具有高效计算性能和全局搜索能力,但容易出现早熟。针对早熟问题,通过对局部搜索步长和搜索策略进行改进,并将高斯变异算子引入算法当中,形成改进蛙跳算法（ISFLA）,并将其应用于输电网规划模型的求解中。通过对IEEE6节点和IEEE18节点系统的计算,证明了与传统蛙跳算法相比,改进后的算法寻优精度和收敛速度均得到了有效提高,具有较好的适应性。     

基于纵向变异头脑风暴算法的短期水火发电调度

在处理具有复杂约束条件的短期水火电优化调度问题时,针对其动态、有时滞、非线性的难点,采用纵向变异头脑风暴算法。头脑风暴算法(Brainstorm optimization,BSO)具有易于实现、精度高、收敛速度快等优点,在此基础上引入纵向交叉变异以及随机分组策略,加强了算法的收敛性,同时避免过早陷入局部最优,以使水火电的出力分配更为合理。实际算例的计算结果表明,该算法能够较好地实现模型的求解,且比原始BSO有更高精度,为短期水火电优化调度提供了一种有效的手段。     

基于混沌类电磁机制的梯级水电站短期优化调度

水电站短期优化调度在数学模型上具有大规模强非线性特点,特别是梯级水电站间由于存在复杂的水力联系,使得短期优化调度模型更加复杂。为对其进行有效求解,将类电磁机制用于该问题的优化求解中,为克服算法易于陷入局部最优的不足,利用混沌优化算法的优势,提出两种算法融合的梯级水电站短期优化调度模型的快速有效求解方法。通过算例仿真分析表明混合算法在求解梯级水电站短期优化调度问题时的有效性。     

考虑光照概率性的含光伏发电系统的配电网无功优化

针对含光伏(photovoltaic,PV)发电系统配电网无功优化的特点,将PV发电系统无功调节能力和传统无功调压手段相结合,研究考虑PV发电系统无功出力的配电网无功优化模型和算法。针对PV发电系统出力受太阳辐照度影响的特点,建立基于太阳辐照度β分布的PV发电系统出力概率模型,分场景计算其出力情况和对应无功功率极限,以网损最小和节点电压越限惩罚作为目标函数;同时提出基于免疫蛙跳算法的无功优化算法,该算法通过在混合蛙跳算法(shuffled frog-leaping algorithm,SFLA)的框架引入克隆选择算法(clonal selection algorithm,CSA),在蛙群混合后选择较优解进行克隆、变异和选择,克服了SFLA局部搜索能力弱的特点;最后利用改进IEEE-33节点系统作为算例仿真分析,验证了模型及算法的正确性和有效性。     

基于混合粒子群算法并计及概率的梯级水电站短期优化调度

针对梯级水电站短期优化调度的不确定性问题,研究了不确定性因素的概率分布规律,并根据实际系统的运行要求,给出了概率分布密度函数的假设检验方法。探索发电用水量与各种随机因素的互动关系及影响机理,构建了一种新的计及概率的梯级水电站短期优化调度策略。把灾变理论、混沌优化思想和基本粒子群算法结合起来,形成一种混合粒子群算法。该算法扩大了种群的搜索空间,增加了种群的多样性,改善了基本粒子群算法摆脱局部极值点的能力,并能从理论上证明其依概率收敛至全局最优解。将混合粒子群算法嵌入蒙特卡罗随机模拟中对本文提出的模型进行求解,求解方法简单有效。仿真结果表明,该策略能较好地处理不确定性条件下梯级水电站的短期优化调度问题。     

基于自适应SFLA算法的LQR附加阻尼控制器设计

针对含有电压源型换流器高压直流(VSC-HVDC)的交直流系统愈发凸显的低频振荡问题,提出了一种基于改进自适应混合蛙跳(SFLA)算法优化的线性二次型最优方法来设计附加阻尼控制器,以此来抑制振荡。该方法采用最小二乘-旋转不变技术(TLS-ESPRIT),辨识出系统的对应振荡模态和降阶模型。针对该模型运用线性二次最优控制法并引入状态观测器,求出带观测器的控制器表达式。采用改进自适应SFLA算法对权矩阵进行优化,设计线性二次型最优控制器使其控制效果最优。在PSCAD验证。仿真结果显示,这种控制器相比于传统线性二次最优控制器具有更好的鲁棒性和控制效果,控制器也较易设计。     

基于并行混合差分进化算法的梯级水库群优化调度研究

以差分进化算法(DE)为基本框架,结合混沌算法(CA)和蛙跳算法(SLFA)各自局部搜索优势以及多核并行计算技术(PC),提出一种新的并行混合差分进化算法(PHDE),即将DE与CA、SLFA进行有机融合,分别对精英个体进行混沌局部搜索和对较差个体进行蛙跳局部更新,且差分进化运算、混沌局部搜索和蛙跳局部更新均采用PC,以有效缩短计算时间。PHDE具有三点优势:一是保留了DE简单易行、收敛迅速的特点;二是继承了CA、SLFA的遍历性,能够避免早熟收敛现象;三是通过合理的并行模式,有效降低了计算时间。典型测试函数表明了PHDE的可行性、高效性和鲁棒性。实例研究表明,PHDE具有较好的优化性能和计算效率,为高效求解水库群优化调度问题提供了一种可行途径。     

基于改进云粒子群算法的电力系统无功优化研究

针对云粒子群算法(CPSO)在电力系统无功优化中易陷入局部极值,也存在早熟收敛问题,将基于云数字特征(期望值、熵值、超熵值)编码的云粒子群算法进行了改进:依据解空间的变换将局部搜索和全局搜索相结合,用正态云算子实现粒子的进化学习和交叉变异操作。改进的算法在时间、存储量性能上有了明显的提高,将改进后的算法应用到IEEE30节点标准测试系统和电网中进行仿真运算,与其它算法进行比较。结果表明,该方法在配电网无功优化中能取得更好的全局最优解,加快了收敛速度,提高了收敛精度。     

基于粒子群和克隆选择算法的局部放电超声波定位方法

针对粒子群算法在变压器局部放电超声波定位中存在定位精度不高、易陷入局部最优等问题,文中提出一种基于粒子群和克隆选择混合的优化方法.首先,根据电声法定位原理建立优化模型;然后,由粒子的适应度对粒子进行按比例克隆复制、高频变异和消亡补充处理,有效维持种群的多样性,避免算法早熟收敛,同时,利用粒子群算法指导变异抗体通过更新速度和位置来加速最优解的寻找,提高收敛速度;最后,将所提方法与粒子群算法和遗传算法的优化结果进行比较,仿真结果表明该算法具有较高的收敛速度和计算精度,提高了定位的准确度.     

基于微粒群算法的梯级水电厂短期优化调度研究

介绍了一种易于实现、参数少且收敛快的集群智能算法—微粒群算法,并将其应用于梯级水电厂的短期优化调度。提出以确定微粒群在多维空间中的最优位置来实现多阶段优化调度决策的方法,并针对算法易陷入局部最优的缺陷,引入遗传算法中的“杂交”因子以及采用自适应的惯性权重,以改进其全局优化能力。通过实际算例验证了该算法的有效性,从而为梯级水电厂的短期优化调度问题提供了一种新的求解途径。     

基于局部随机搜索粒子群优化算法的电站短期发电优化调度

为提高粒子群优化(PSO)算法搜索精度、加快后期收敛速度,提出一种新的PSO算法,即局部随机搜索PSO算法。该算法用于求解电力系统的短期发电优化调度问题时,不仅要求满足电站实际运行中的系统负荷平衡约束,而且要考虑机组爬坡约束、出力限制区约束等非线性约束。给出了局部随机搜索PSO算法的步骤及短期发电优化调度问题求解方法。通过应用所提出的算法和其他文献提出的PSO算法、改进快速进化规划(IFEP)算法对15机系统的优化调度计算相比,证明所提出的算法最优解的发电费用最低,分别减少了3.8%和1%。     

混合蛙跳算法的改进及其在无功优化中的应用

为了提高电网电压质量,最大限度地发挥出电力设备的经济效益,减少电力线路上的有功功率损耗,应用人工智能算法-混合蛙跳算法(shuffled frog leaping algorithm,SFLA)对电力系统的发电机端电压、变压器的抽头位置和无功补偿器的补偿容量等控制变量进行控制,从而达到减少电力系统有功功率损耗的目的。SFLA是一种新兴的群智能搜索算法,该算法具有定义简单、参数设置少、寻优能力强、收敛速度快等优点。应用该算法对控制变量进行迭代计算和编写电力系统潮流计算程序,计算出系统最小网损及其对应的控制变量值。针对算法的一些不足进行改进,最后将改进前后的算法应用在IEEE-30与IEEE-57节点系统中,并与其他人工智能算法优化结果相比较,数据显示,混合蛙跳算法收敛性较好,而且速度快。说明了其在电力系统无功优化上的优越性以及改进算法的正确性与优良性。