基于混沌人工鱼群算法的输电网规划方法

人工鱼群算法收敛速度快,但存在早熟收敛现象;混沌优化算法具有遍历性、随机性和对初值敏感的特点,虽然全局搜索能力强,但收敛速度慢。大规模输电网规划方法对求解速度的要求越来越高,为此结合人工鱼群算法和混沌优化算法,提出了适用于输电网规划的混沌人工鱼群算法,该算法继承了混沌优化算法特点,使人工鱼群在搜索过程中避免陷入局部极值,同时改进了人工鱼的视野和游动步长,加快了寻优效率。算例结果验证了该算法的可行性。     

基于改进人工鱼群算法的输电网规划

结合输电网规划问题的特点提出了改进人工鱼群算法。改进人工鱼群算法引入生存竞争机制,在保证收敛性能的前提下减少了对人工鱼数量的需求,同时克服了人工鱼在非全局极值点大量聚集的弊端;采用分段自适应调整视野策略和拟遗传算法的交叉变异算子,有效兼顾了全局搜索与局部挖掘能力,提高了算法的收敛速度。最后通过算例证明了改进人工鱼群算法的正确性、有效性及优越性。     

改进人工鱼群算法在输电网规划中的应用

针对离散人工鱼群算法在求解大规模输电网规划问题时易陷人局部极值的缺点,提出一种改进人工鱼群算法.该算法引入禁忌搜索算法的记忆功能,避免迂回搜索,有效提高了计算效率;并在深入研究人工鱼搜索机制的基础上,对人工鱼寻优行为进行一系列的改进,采用最好解优先策略选择前进路径以及以排序选择的方式接受劣解,进一步提高了算法效率.IEEE Garver-6系统和18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是有效的,具有良好计算效率和优秀的全局收敛性能.     

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。     

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。     

基于自适应人工鱼群算法的输电网网架规划

本文针对输电网网架规划问题采用了自适应人工鱼群算法。自适应人工鱼群算法采用反馈调节觅食视野策略,有效兼顾了全局搜索能力和局部搜索能力,增强了算法的收敛效率,同时有效避免了人工鱼在局部极值点大量聚集的缺点。最后,通过Matlab的仿真,验证了该算法的可行性,表明该算法用于电力系统输电网网架规划是有效的,具有良好的计算效率和全局收敛能力。     

改进人工鱼群算法在配电网网架规划的应用

针对配电网网架规划组合优化复杂性的问题,在网架规划中以人工鱼群算法的寻优框架为基础进行优化。针对人工鱼群算法自身上的不足,对人工鱼群的行为中觅食、集群和追尾等行为进行改进。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的优化解,并与遗传算法及粒子群算法等做对比。实验结果表明了该改进的可行性和有效性。     

基于改进量子遗传算法的输电网规划方法

量子遗传算法是基于量子计算原理的概率优化方法,改进了动态调整量子旋转门策略,并结合量子交叉和量子变异操作,使算法具有更快的收敛速度和全局寻优能力。输电网规划是复杂的大规模非线性组合优化问题,提出了一种基于改进量子遗传算法的输电网规划模型。算例表明,该方法能够快速有效地获得全局经济最优的输电网规划方案。     

量子进化算法在输电网扩展规划中的应用

量子进化算法是一种基于量子计算概念且具有量子染色体形式的进化算法,由于计算中融入了当前最优解的信息,同时采用全干扰交叉操作克服早熟现象,因此该算法具有更快的收敛速度和全局寻优能力.输电网扩展规划是复杂的大规模非线性组合优化问题.文章提出一种基于量子进化算法的电力系统输电网扩展规划模型,并对算法参数进行优化,提出了较适合本文研究问题的旋转门的旋转角取值.算例结果表明,该模型可靠有效,加入特殊算子改进后,可进一步提高计算精度和运算速度.     

改进量子遗传算法在输电网规划中的应用

输电网规划是复杂的多目标非线性组合优化问题。针对传统遗传算法（GA）在求解输电网规划模型中存在收敛速度慢,容易陷入局部最优的不足,提出一种基于改进量子遗传算法（IQGA）的输电网规划方法。该算法在量子遗传算法（QGA）的基础上提出直接将量子染色体与当前最优解相比较来确定旋转门的旋转角策略,保证种群中个体以不同的收敛速度分别进行局部搜索和全局搜索,并同时采用量子全干扰交叉策略和量子非门变异策略有效防止算法陷入局部最优。所提三种改进策略各有针对性,能有效改善量子遗传算法在输电网规划中的收敛性能。分别采用传统遗传算法、量子遗传算法和该方法对Garver-6节点系统进行规划仿真,实验结果表明,该方法全局寻优能力强并且收敛速度得到显著提高。     

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.     

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.     

基于人工鱼群神经网络的抽油机故障诊断

BP神经网络应用于抽油机的故障诊断时易陷入局部极值,同时收敛速度也无法保证。在此前提下,提出人工鱼群神经网络算法的抽油机故障诊断新方法,充分利用人工鱼群在全局范围的快速寻优特性以克服BP神经网络收敛速度较慢和易陷入局部最优解的缺点,从而提高故障诊断的准确率和速度。以抽油机的管漏、供液不足、杆断脱、泵漏失、气影响五种故障类型为例,利用MATLAB分别搭建了传统BP神经网络和人工鱼群神经网络的模型,并对两种方法的诊断结果进行了比较。仿真结果充分说明了人工鱼群神经网络在抽油机故障诊断中的可行性、准确性和优越性。     

基于电力消耗的行业总产值预测模型及算法研究

在“大数据”技术背景下,获取广东省规模以上工业企业电力消耗及总产值月度数据,基于人工神经网络结构建立行业总产值预测模型,并提出一种新的带抱团行为的粒子群优化算法完成对神经网络预测模型的参数优化,进而实现各行业基于电力消耗的总产值有效预测。仿真分析表明,新的改进型带抱团行为的粒子群优化算法具有更快的收敛速度和更高的寻优精度,能够有效地优化神经网络模型参数,实现基于电力消耗的行业总产值的有效、可靠预测。     

基于改进的人工鱼群算法的配电网无功优化

研究了基于变异算子与模拟退火算法混合的人工鱼群算法,对算法中的变异算子进行了改进,并提出了1种试探确定变异概率的方法：同时对配电网无功优化的模型进行了改进．将经济性目标和安全性目标相结合。将改进的人工鱼群算法运用到配电网无功优化中．实际系统的仿真计算结果表明,基于改进人工鱼群算法的配电网无功优化方法合理可行。     

基于改进PSO算法的含风电场电力系统网架扩展规划研究

基于改进后的PSO算法,研究了如何利用网架扩展规划,来缓解风电并网发电后部分线路出现输电阻塞的现象.在PSO算法中,惯性权重和学习因子分别是控制PSO算法全局搜索和局部搜索的关键性可调整参数.为避免陷入局部解,同时加快收敛速度,提出了同时动态优化调整惯性权重和学习因子的改进PSO算法.基于IEEE39节点的仿真算例表明：在保证获得最优解的前提下,该算法的收敛速度显著加快.