改进的PSO在补偿电容器优化配置中的应用

在建立电容器优化配置问题的非线性整数规划模型时,考虑了电压谐波畸变率约束条件,以保证优化方案下的各节点电压总谐波畸变率控制在规定限值以内.应用了一种简单有效、收敛性很好的演化计算算法-微粒群优化算法(PSO)进行问题的求解.从编码方式、操作过程、目标函数选取、参数调节以及信息共享机制等5个方面分析了该算法的优越性,并给出了用于电容器优化配置问题中算法的具体求解步骤.     

考虑谐振基于改进PSO算法的电容器优化配置

为了达到电容器的优化配置,避免配电网中电容器与系统、负荷阻抗发生串并联谐振,在考虑谐振的情况下,数学模型上将电容无功功率与串并联谐振频率的关系作为约束条件,采用改进的粒子群优化算法(PSO),提出时变的非线性三角函数方法来控制参数对电容器进行优化配置.最后将优化配置的电容器与优化前的经济费用、网损等进行比较,结果表明优化配置后的电容器具有明显的经济性,且有效地避免了谐振的发生.     

谐波电流对无功补偿并联电容器的影响

文章介绍了供配电系统中谐波电流产生的原因和危害及对无功补偿并联电容器的影响。阐述了串联电抗器的作用和参数确定方法。     

并联补偿电容器组对高次谐波的放大和抑制作用分析

分析了变电站无功并联补偿电器组对电力系统高次谐波的放大作用，论述了利用串联电抗器接入补偿电容器组进行参数合理选择，使其达到对高次谐波分量的抑制效果。     

无功补偿的优化配置

工厂企业根据补偿要求确定了补偿容量后,还需确定补偿容量在变电所的高、低压侧如何合理分配。本文根据补偿后的年运行费用为最小的原则,推导了高、低压电容器最佳容量的计算公式,具有一定的实用意义。     

电容器组谐波问题及对策

本文就电力系统中无工补偿电容器组在实际运行中出现的谐波进行归纳,对电容器组的皮放大、谐波谐振进行理论分析,列举了有关实例,并强调了谐波放大和谐波谐振对电网供电质量的危害,提出了抑制电容器组谐波放大和谐振的方法及对策,并得出了解决好电容器组谐波问题是治理电网谐波的关键这一论点。本文还就公共电网谐波监测、监督和治理的相关问题进行了探讨。     

抑制谐波影响的并联电容器装置参数优化方法

建立以抑制谐波为目标的并联电容器装置参数优化方法和数学模型,综合考虑系统谐波响应特性和主要影响因素,包括频率偏差、电抗偏差和电容偏差对系统谐波特性的影响,以及全部或部分装置投入的运行要求。优化模型以满足并联电容器装置的连续运行条件和抑制各次谐波放大为约束,以全部和部分装置投入时各次谐波放大倍数平方和最小为目标函数。运用粒子群优化算法求解优化模型,并给出了有效的实现方法。讨论了可调电抗器的应用,对工程实例进行了分析和比较。     

浅谈无功补偿电容器的谐波放大问题

电网中存在的谐波与大量运行的并联电容器。由于相互作用会产生谐波放大甚至出现并联谐振,严重影响电能质量,危及电网的安全经济运行。分析了并联补偿电容器谐波放大的原理,说明了其对电网造成的危害,并提出抑制谐波放大的实施对策。     

基于SA-PSO的配电网电容器优化配置

应用模拟退火粒子群优化算法(simulated annealing particle swarm optimization,SA-PSO)求解配电网电容器优化配置问题,在同时考虑系统有功损耗费用和补偿电容器购买、安装和维护费用的基础上,建立了相应的数学模型.为了改善算法摆脱局部极值点的能力,提高算法的收敛速度和精度,采用基于适应度值的动态阈值来控制实施局部搜索的粒子数目.将其应用到一个IEEE 33节点配电网的电容器优化配置中,结果表明,模拟退火粒子群优化算法具有合理性和可行性.     

基于改进微粒群算法的水火电力系统短期发电计划优化

微粒群算法(PSO)来源于对社会模型的模拟,是一种随机全局优化技术。该算法简单,容易实现,且功能强大。中对PSO进行了改进,引入了“分群”和“灾变”思想,并应用于求解水火电力系统的短期有功负荷最优分配问题。通过具体算例验证了改进PSO算法的有效性,而且其收敛速度比遗传算法(GA)快,求解精度比普通的PSO和GA的高。     

广义蚁群与粒子群结合算法在电力系统经济负荷分配中的应用

提出了一种结合广义蚁群算法和粒子群算法的优化算法,并将其用于求解复杂的非凸、非线性的电力系统经济负荷分配问题.该结合算法同时具有广义蚁群算法的大规模寻优特性和粒子群算法的较强局部搜索能力,在确保全局收敛性的基础上,能够快速搜索到高质量的优化解.多个算例的仿真结果表明了该结合算法的有效性和可行性.     

基于粒子群优化算法的Elman神经网络凝汽器真空模型

将一种动态递归网络——Elman神经网络应用到凝汽器真空预测。通过实例计算,表明该方法能够较准确地预测凝汽器真空,并具有训练速度快、结构简单、精度高的特点,是一种行之有效的预测方法。同时,对反向传播(BP)神经网络算法会出现局部极小值,提出了利用粒子群优化算法的全局寻优能力优化Elman神经网络连接权值系数的方法。仿真结果表明,利用粒子群优化算法的Elman神经网络可以建立精度更高的凝汽器真空预测模型。     

用改进的Tabu搜索方法优化补偿电容器分档投切的研究

对基本的 Tabu搜索方法进行了改进 ,将“改进遗传算法”中的优化编码技术引入 Tabu搜索方法 ,并在此基础上引入动态管理退出迭代判定条件、动态管理 Tabu表深度和动态管理邻域搜索规模等 ,用以处理补偿电容器分档投切的组合优化问题 ,并给出了算例     

用于无功电压综合控制的改进粒子群优化算法

介绍了粒子群优化算法(PSO),结合电力系统实际运行情况提出了适用于离散型变量的改进PSO算法,该算法将全局型和局部型算法有效结合起来,将问题分层解决,并引入了变异算子.在IEEEl4节点系统和130节点实际系统的仿真计算中,改进PSO算法与其他人工智能算法相比,可在较短的计算时间内取得更好的优化效果.     

基于WAMS的输电线路参数在线辨识的研究

基于同步相量技术的广城测量系统的出现,电力系统动态数据的获取已变得方便快捷,从而为电力系统的参数辨识提供了条件.研究了输电线路参数辨识的问题,将WAMS数据和人工智能算法相结合应用在输电线路参数辨识中,阐述了辨识的具体方法和过程.仿真实验验证了该方案的正确性和有效性.     

核电机组辐射物过滤器的建模与仿真

针对核电机组的辐射物过滤器进行了机理建模,并利用粒子群算法对其中重要参数如中衰期辐射物运输时间常数等进行了参数估计,得到了过滤器模型的最优参数.对过滤器模型进行仿真,通过仿真结果与实验结果的对比分析,验证了过滤器模型的准确性和精度.     

基于粒子群算法的燃水比控制器参数优化研究

提出了一种采用粒子群算法优化多模型控制器参数的直流炉燃水比解耦控制方法。在种群初始化、惯性权值和变异率引入方面对基本粒子群算法进行了改进,以提高算法的收敛精度和速度。对解耦后的系统,分别用改进粒子群算法、基本粒子群算法和工程整定法得到了控制器参数,完成了燃水比控制的仿真试验。结果表明,使用基于改进粒子群算法的控制策略的系统较传统控制策略下的系统动、静态特性更好,更能适应深度调峰的需要。     

基于粒子群优化的BP神经网络在火电厂大气环境评价中的应用

利用粒子群优化算法对传统的BP神经网络算法改进,建立了基于粒子群优化BP神经网络的评价模型,并将其应用到火电厂大气环境评价研究中。结合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索优势,有效防止了网络陷入局部极小值,同时能保证评价结果的准确性。火电厂实例验证结果表明:利用粒子群优化的BP神经网络模型进行火电厂环境评价不仅计算简便,而且评价结果具有较高的可靠性。     

基于改进粒子群算法的水轮发电机组PID调速器参数优化

文中提出一种改进的PSO优化算法,并将该算法应用于水轮发电机组PID调速器参数的优化设计,以水轮发电机组转速偏差的ITAE指标作为改进PSO优化算法的适应度函数.以我国某水电站的真实数据对经过优化后的PID控制规律进行计算机仿真.仿真结果表明利用改进PSO优化算法优化的PID控制规律能有效改善孤网运行条件下水轮机调节系统过渡过程的动态性能.