基于人工鱼群算法的最优潮流计算

提出了基于人工鱼群优化算法(AFSA)的最优潮流(OPF)计算方法;算法结合动态调整罚函数的方式,将最优潮流问题转化为一个无约束求极值问题,有效提高了算法的全局收敛能力和计算精度.应用此算法对标准IEEE30节点的电力系统进行最优潮流计算,并与粒子群算法和遗传算法进行了比较,仿真结果表明,该算法能够更好地获得全局最优解,具有实用意义.     

基于聚类的差分进化算法的两阶段最优潮流方法

差分进化算法是一种广泛应用于求解非线性优化问题的全局最优解的元启发式方法,但存在容易找到次优解或近似局部最优解的问题.为此,提出了一种求解高质量局部最优解甚至全局最优解的基于聚类的差分进化算法的两阶段方法,并将该方法应用于电力系统最优潮流问题.所提方法由基于聚类的差分进化算法和局部优化算法组成.第Ⅰ阶段是基于聚类的差分进化算法利用强大的全局搜索能力快速确定包含局部最优解的区域;第Ⅱ阶段是局部优化算法利用局部寻优能力为非线性优化问题高效寻找高质量的局部最优解甚至全局最优解.在一组基准函数上测试了该两阶段优化方法的求解性能,并通过对IEEE 118节点电力系统最优潮流的计算,验证了所提两阶段优化方法的有效性和实用性.     

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。     

基于自适应改进行为人工鱼群算法的电磁系统优化设计

采用自适应改进行为人工鱼群算法,对电磁系统进行静态优化设计来减少材料的使用和降低生产成本。该算法利用人工鱼群算法的收敛快速性和较好的求取全局极值的能力,求解最优解的领域,然后利用该算法特有的自适应能力和优秀的人工鱼行为,获得最优解,大大提高求解速度和精度。建立了交流接触器电磁系统的静态优化设计的数学模型,求解静态约束条件,编制静态优化计算程序。最后,以CJ20-25型号交流接触器为例进行了优化设计。优化结果表明:在保证产品质量的前提下,优化后的产品有效地节省了材料,达到了降低产品成本的目的。     

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。     

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.     

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。     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化     

多目标聚类鱼群算法配电网无功规划

为确定并联电容器在10 kV配电网中的容量和位置,同时考虑补偿后的经济效益,将无功补偿容量最少、电能损耗最小分别作为目标函数,建立多目标无功优化模型。提出了基于多种群聚类鱼群算法的无功规划方法,该论文利用不同鱼群对不同目标分别进行优化,获得多个全局最优解,通过不同鱼群之间的食物浓度信息交换,提高鱼群逃离局部最优解的能力;该发明采用k均值聚类发对系统中节点的灵敏度进行分析聚类,确定并联电容器的安装位置,另外,将各节点的灵敏度作为鱼群的食物浓度信息,加快了算法的寻优速度。通过IEEE69系统仿真计算验证了该模型及算法的有效性和可行性。结果表明该模型及算法能够有效降低系统功率损耗,提高电压质量、减少补偿容量。     

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。     

融合鱼群和微分进化的蚁群算法的无功优化

对于求解电力系统无功优化问题,提出了一种融合鱼群和微分进化的蚁群优化算法（FDEACO）。受人工鱼群觅食、聚群和追尾行为的启发,在基本蚁群算法的基础上,应用人工鱼群算法的追尾行为对蚁群在可行域上搜索到的解进行改进,加快了向最优解收敛的速度。在信息素更新机制里,通过引入微分进化算法的发散项,增加一个随机扰动,减小了算法陷入局部最优的可能性。在IEEE30测试系统上对新提出的算法进行校验,并与其它算法比较,证明FDEACO算法收敛速度快、全局寻优能力强。     

基于反向变异麻雀搜索算法的微电网优化调度

针对麻雀搜索算法寻优过程中可能陷入局部最优,导致收敛速度下降的不足,提出一种反向变异麻雀搜索算法（TSSA）,利用反向学习策略对优势个体的选择和自适应t分布变异的扰动特性,改进算法的搜索能力。以综合运行成本最低为目标建立了微电网优化调度模型,利用反向变异麻雀搜索算法进行优化求解与分析。对比仿真实验结果表明此改进算法可行有效,且具有更好的全局搜索能力,在收敛速度、寻优精度和稳定性上优于多种算法,能为微电网调度提供合理建议,使微电网获得更佳的综合效益。     

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.     

改进蚁群算法求解移动机器人路径规划

在全局静态环境下,提出一种改进蚁群算法,解决传统蚁群算法用于路径规划出现的收敛速性差、局部最优和求解质量差等不足。该算法引入障碍物排斥权重和新的启发因子到路径选择概率中,提高避障能力,增加路径选择的多样性;然后,设置局部信息素的阈值和限定范围更新局部信息素,采用交叉操作获取新路径,引入最优解和最差解,改变全局信息素的更新方式,提高全局搜索能力和解的质量,避免算法陷入局部最优。仿真结果表明,该算法能有效获得最优路径,在长度上比蚁群算法及其他算法分别减少了18%、5.7%和11%,算法迭代次数及运行时间都有所降低,提高了收敛速度和搜索能力。     

基于量子人工鱼群混合算法的输电网规划

人工鱼群算法是一种基于动物自治体模型的优化算法,量子算法是一种随机搜索算法,全局随机搜索能力强。利用鱼群算法强大的局部搜索功能与量子算法混合,构造出随机性和方向性比较平衡的量子人工鱼群混合算法。针对输电网络网架的优化规划这样一个复杂的组合优化问题,建立相应的数学模型,采用量子人工鱼群混合算法求解。24节点系统的计算结果表明,该算法用于电力系统输电网规划问题是可行的,有效的。     

基于改进蚁群算法的输电网络扩展规划

针对基本蚁群算法在求解过程中经常出现搜索陷入局部最优解和收敛到全局最优解的时间较长这2个问题,对蚁群算法的转移概率和信息量全局更新进行了改进,提高了蚁群算法搜索全局最优解的能力与收敛到最优解的速度.将改进后的算法应用于单阶段输电网络扩展规划问题,建立了单阶段输电网络扩展规划的数学模型,设计了相应的算法.实例计算结果表明该方法的可行性和有效性.     

基于改进离散花授粉算法的继电保护定值优化方法的研究

提出一种基于改进花授粉算法的继电保护定值优化方法,利用约束区间编码,以整定时间最短和灵敏度最优为目标,以满足继电保护选择性、灵敏性、速动性、可靠性要求为约束,寻找得到使电力系统稳定运行的最优整定结果。通过与传统的继电保护整定方法和基于遗传算法的整定值寻优方法进行比较,结果表明改进花授粉算法收敛速度快,寻优效率高,适用于继电保护全局优化整定。     

基于改进蜂群算法的工业机器人路径规划研究

针对工业机器人在复杂环境中运动的避障及路径优化问题,提出基于改进人工蜂群算法的工业机器人避障路径规划策略。首先针对传统人工蜂群算法搜索能力不足且容易陷入局部最优的问题,将禁忌搜索思想引入到人工蜂群算法最优解搜索过程中,形成了基于禁忌搜索的改进型人工蜂群算法,然后将其应用到工业机器人的路径规划问题中,并进行了仿真实验。结果表明,改进后的方法能够得到最优的路径,且寻优速度快、过程稳定。该方法可用于解决工业机器人路径规划问题。