基于多目标Pareto粒子算法的感应滤波装置优化设计

针对12脉波整流系统实施感应滤波的特点及要求,进行了配套滤波装置的方案选型,使所确立的滤波方案能有效兼顾电能质量控制和场地空间限制等因素,在此基础上建立了滤波装置参数设计的多目标优化数学模型,并应用基于向量评价的改进粒子群优化算法对滤波参数进行了全面优化设计。算例分析和仿真、实验结果表明,优化后的滤波参数能够较好地满足滤波、无功补偿和成本控制等多目标设计要求,验证了所选滤波方案及优化模型的正确性和有效性。     

基于自适应聚焦粒子群优化算法的电力系统多目标无功优化

自适应聚焦粒子群算法(adaptive focusing particle swarm optimization,AFPSO)是根据粒子群算法的全局搜索与局部搜索平衡特性,并予以改进得到的一种具有较好全局搜索能力和寻优速度的自适应群体智能优化算法。作者将此算法用于电力系统无功优化。该方法以最优控制原理为基础,引入了静态电压稳定性指标,建立了综合考虑系统有功网损最小、静态电压稳定裕度最大的多目标无功优化模型。IEEE 30节点系统仿真结果表明,AFPSO算法在实现系统经济运行的同时也增强了电网的电压稳定性,证明了AFPSO算法的有效性和优越性。     

基于粒子群优化算法的混合有源滤波器中无源滤波器的多目标优化设计

混合有源滤波器是非常有应用前景的滤波装置,但其综合性能受无源滤波器参数优化程度的影响很大。该文基于课题项目中谐波源的特点,针对已有优化设计方法的各种缺点,提出了基于改进粒子群优化算法的混合滤波装置中无源滤波器的多目标优化设计方法。通过将无源滤波器的无功补偿容量、初期投资及补偿后滤波效果作为优化目标,利用简便、有效的粒子群优化算法对其参数进行了优化设计,大大减少了人工的计算量,而且明显提高了算法的寻优速度。最后仿真及现场模拟实验表明,此优化设计无源滤波器的成本比经验设计方法有所降低,滤波效果有明显的提高。     

基于多目标粒子群算法的无源电力滤波器优化设计

综合考虑滤波装置的总费用、谐波电压畸变率和谐波电流残留率等设计目标,提出一种基于改进多目标粒子群算法的无源滤波器优化设计新方法.改进了传统的粒子群算法,引入快速排序法构造非支配集、精英集归档技术和拥挤度算子概念,提高了算法的寻优速度和精度.最后通过对具体工程算例的计算,表明了该方法的优越性和有效性.     

基于多目标粒子群算法的无源电力滤波器优化设计

综合考虑滤波装置的总费用、谐波电压畸变率和谐波电流残留率等设计目标,提出一种基于改进多目标粒子群算法的无源滤波器优化设计新方法.改进了传统的粒子群算法,引入快速排序法构造非支配集、精英集归档技术和拥挤度算子概念,提高了算法的寻优速度和精度.最后通过对具体工程算例的计算,表明了该方法的优越性和有效性.     

基于改进粒子群算法的混合储能系统容量优化

为了调高风光互补发电储能系统的经济性,减少其运行费用,研究风光互补发电储能系统的容量优化配置模型,探讨粒子群算法的改进及混合储能容量优化方法。首先通过对全生命周期费用静态模型的介绍,利用蓄电池和超级电容器作为风光互补系统混合储能装置,以其全生命周期费用最小为目标,以系统的缺电率等运行指标为约束条件,建立了一种混合储能系统容量优化配置模型,其次,通过优化不对称加速因子进而改进了粒子群算法,最后利用算例在Matlab中进行了仿真与求解,结果表明,该方法不仅优化了蓄电池的工作状态,降低了储能系统的全生命周期费用,而且加快了收敛速度。     

基于小生境多目标粒子群优化算法的配电网混合储能配置研究

随着风光接入比例不断增加,配电网中弃风、弃光和弃负荷的现象时有发生,储能系统对维持能量平衡和提高配网供电质量起到关键作用,并可有效平抑功率波动、降低弃风弃光率以及提高电能质量.本文综合考虑分布式电源、储能装置及配网安全运行约束条件,建立以储能成本、网损率以及电压稳定性作为优化指标的配网储能优化配置模型,并以IEEE33节点配网为算例,运用小生境多目标粒子群优化算法对该模型进行求解,验证了模型及算法的有效性.     

基于改进粒子群优化算法的综合能源系统多目标优化

综合能源系统具有提高能源利用率、消纳不稳定新能源等显著优势,随着分布式能源的发展,综合能源系统已成为解决能源问题的重要举措.基于此,以经济性、环保性和高效性为目标,建立考虑储能的区域综合能源系统多目标优化模型;采用隶属度函数对优化指标进行归一化处理,并利用层次分析法确定各个目标的权重系数;通过改变惯性权重系数和增加粒子...     

基于改进粒子群优化算法的外转子永磁同步电机的多目标优化设计

为降低外转子永磁同步电机(ERPMSM) 作为皮带输送机驱动电机时的永磁体成本并提高电机性能,提出基于响应面法(RSM)和改进多目标粒子群优化(IMOPSO)算法的优化设计方法。在建立电机基本结构的基础上,将永磁体尺寸、气隙长度、槽口宽度等作为优化参数,将永磁体成本、输出转矩、转矩脉动等作为优化目标。通过参数灵敏度分析筛选出显著参数,基于RSM结合有限元仿真建立样本空间,并拟合出优化目标和优化参数的函数关系,通过IMOPSO寻优。最后对比优化前后的方案结果,所提多目标优化算法准确可靠且具有更好的收敛性和多样性,能够在降低永磁体成本的同时优化电机的性能。     

基于改进粒子群优化算法的电力系统无功电压综合控制

在基本粒子群优化算法的基础上,提出了一种改进的粒子群优化算法用于电力系统无功电压综合控制.该算法改进了随机初始化种群的方法,采用均匀初始化,引进了粒子的自身探索机制,用多个位于可行域中的粒子个体引导粒子的更新,以保证全局搜索的有效性,同时采用混沌变异算子对陷入局部最优的粒子进行变异,提高了算法的寻优性能.通过对IEEE-30节点标准系统模型的无功电压综合控制计算和分析,证明了此改进的粒子群优化算法具有更高的全局寻优效率.     

基于改进粒子群算法的微电网多目标优化调度

微电网优化调度作为智能电网优化的重要组成部分,对降低能耗、环境污染具有重要意义.微电网的发展目标既要满足电力供应的基本需求,又要提高经济效益和环境保护.对此,提出了一种综合考虑微电网系统运行成本和环境保护成本的并网模式下微电网多目标优化调度模型.同时采用改进的粒子群算法对优化模型进行求解.仿真结果表明,该模型可以有效降...     

基于改进离散粒子群算法的多目标无功优化

针对离散粒子群算法直接应用于无功优化后存在优化迭代过程易陷入局部最优解且后期收敛速度慢等问题,结合混沌算法,提出更加有效的改进离散粒子群算法求解多目标无功优化问题。同时,对每次迭代后产生的控制变量进行混沌优化,从而避免无功优化控制变量陷入局部极值区域。通过算例分析表明,采用改进离散粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快。     

基于改进粒子群优化算法的多目标分布式发电规划

通过归一化处理和权系数选取,将以网络损耗最小、节点电压平均偏差最小、静态电压稳定裕度最大和总投资成本最小为目标的多目标分布式发电（distributedgeneration,DG）规划模型转化为单一目标。采用改进粒子群4~g415（improvedparticleswarmoptimization,IPSO）算法进行DG规划的优化计算,为避免陷入局部最优,对惯性权重进行非线性的自适应调整,并在计算过程中引入速度变异算子和位置交叉算子,较好地克服了计算后期易陷入局部收敛的问题。将IPSO算法应用于69节点配电网测试系统,仿真结果验证了IPSO算法是有效和可行的。     

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。     

遗传粒子群混合算法在配电网络重构多目标优化中的应用

针对配电网络重构多为单一性能最优重构的问题,文章提出了使配电网线损、负荷均衡、供电电压质量最佳的多目标配网优化模型。结合GA中的进化思想和粒子群算法(PSO)中的群体智能技术,采用遗传粒子群混合算法寻优,通过随机权重方法来获得目标是Pareto前沿面的可搜索方向,体现出较GA和PSO更好的寻优性能。寻优过程中,部分个体以PSO方法迭代,其它个体进行GA中的选择、交叉和变异操作,整个群体信息共享,同时采用自适应参数机制和优胜劣汰的思想进化。在此基础上制定的配网优化方案能够在保证配网呈辐射状、满足馈线热容、电压降落要求和变压器容量等的前提下,最大限度地提高配电系统安全性和经济性。算例表明该算法在求解性能和效率两方面都有比较显著的优势。     

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。     

基于改进粒子群算法的电力系统无功优化研究

阐述了一种改进粒子群的无功优化方法.粒子群优化(PSO)算法是进化计算领域中的一个新的分支,其源于对鸟群和鱼群群体运动行为的研究.针对粒子群优化容易陷入局部极值点的问题,文章提出混沌粒子群算法,该算法可以较好地避免PSO算法过快收敛于局部最优解,有较快的收敛速度.文中将该算法应用于求解电力系统无功优化问题,并与标准PSO算法的性能进行了对比,仿真计算证明该算法是有效、可行的.     

基于改进粒子群算法的附加励磁阻尼控制器设计

汽轮发电机组附加励磁阻尼控制器（SEDC）是为固定串补输电系统次同步谐振（SSR）提供有效阻尼的一种措施。文中采用的SEDC模型,在实现分离模态控制的同时,可使移相补偿和比例放大2个环节相互独立、互不影响。采用并行处理能力强、具有学习机制的粒子群优化（PSO）算法对SEDC参数进行寻优。同时,为防止算法陷入局部最优,引入变异机制以提高全局搜索能力。通过对一个有实际背景的研究算例的特征值分析和时域仿真分析,验证了文中基于改进PSO算法设计的SEDC鲁棒性强,能够为多模态SSR提供有效的阻尼。     

基于改进梯度粒子群算法的无功优化

针对梯度粒子群优化算法(GPSO)收敛速度慢、容易陷入局部最优的缺点,提出改进的GPSO算法并将其应用于无功优化.改进GPSO算法不仅结合动态惯性权值方法调整惯性权重,有效地提高了算法的收敛速度,而且采用负梯度方向变异和维变异方法共同作用,更有效保证算法跳出局部最优,提高了算法的收敛精度.以网损为最小,对标准IEEE-30节点和IEEE-57节点系统进行仿真计算,结果表明改进后的算法能够获得更好的全局最优解.