共查询到19条相似文献,搜索用时 93 毫秒
1.
提出了将模拟退火算法与二进制粒子群算法相结合的用于配电网重构的优化算法。该算法既发挥了粒子群算法收敛速度快的特点,又因为引入的模拟退火算法具有的较强的跳出局部最优解能力,因此有效地避免了粒子群算法易陷入局部极值点的缺点,提高了进化后期算法的收敛速度和精度,并应用IEEE16节点系统的算例,验证了模拟退火-二进制粒子群混合算法在配电网重构中的可行性和有效性。 相似文献
2.
3.
4.
机组组合是一个大规模、非线性混合整数优化问题,求解比较困难,为了提高粒子群算法的全局和局部搜索能力,提出一种惯性权值自适应调整的粒子群算法.该算法按照适应度的大小将粒子群分成两个子群,然后根据适应度的进化速度和进化停滞系数动态调整惯性权值.通过对典型函数的测试以及10台机组24小时的优化调度,计算结果表明该方法收敛精度较高. 相似文献
5.
6.
机组组合是一个大规模、非线性混合整数优化问题,求解比较困难,为了提高粒子群算法的全局和局部搜索能力,提出一种惯性权值自适应调整的粒子群算法。该算法按照适应度的大小将粒子群分成两个子群,然后根据适应度的进化速度和进化停滞系数动态调整惯性权值。通过对典型函数的测试以及10台机组24小时的优化调度,计算结果表明该方法收敛精度较高。 相似文献
7.
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. 相似文献
8.
自适应混合粒子群算法在梯级水电站群优化调度中的应用 总被引:1,自引:0,他引:1
针对梯级水电站群长期优化调度发电量最大模型,提出了一种自适应混合粒子群进化算法(AHPSO)。该算法引入混沌思想生成初始解,并定义了粒子能量、粒子能量阈值、粒子相似度和粒子相似度阈值来描述算法的自适应变化以及群体进化程度,同时结合遗传变异思想进行粒子操作,最后提出了一种基于邻域的随机贪心策略以解决算法后期进化速度慢的缺点。以澜沧江下游梯级水电站群为计算实例的结果表明,AHPSO比基本粒子群算法有更好的收敛性和优化结果,计算时间比逐步优化算法少,且优化结果相近,是一种可供选择的计算方法。 相似文献
9.
10.
传统电力系统优化模型通常以火电机组固有技术出力作为该机组的出力约束,而实际运行中,机组调度出力范围还受净负荷值及机组上一时段出力的影响,出力约束存在较大的优化空间。为有效缩减机组出力变量的可行域范围,提出净负荷增量指标,应用该指标及机组上一时段的出力状态优化各机组可调度空间范围。进一步以可调度空间范围作为约束,建立改进电力系统优化调度模型。运用标准粒子群与模拟退火算法相结合的混合粒子群算法求解。算例结果表明,混合粒子群算法能够有效改进标准粒子群算法陷入局部最优的缺点,提高模型求解精度;此外,引入可调度空间值约束的电力系统优化调度模型与传统优化调度模型相比,在确保求解精度的同时大大减少了计算量,且不易陷入局部最优。该改进的思路与方法也可应用于其它能源系统的优化调度模型中。 相似文献
11.
基于协同进化算法的配电网故障阶段式恢复策略 总被引:3,自引:0,他引:3
传统的配电网故障恢复算法难于同时兼顾恢复过程的快速性和恢复策略的最优化。文章提出一种将启发式搜索算法与优化算法相结合的配电网故障阶段式恢复策略:第一阶段采用启发式搜索方法恢复负荷供电;第二阶段利用优化算法处理过载的负荷转移;第三阶段按启发式搜索方法处理过载负荷的切除。为实现快速的网络拓扑分析,采用家族树结构表征配电网,并对传统的粒子群优化(particle swarm optimization,PSO)算法与模拟退火(simulated annealing,SA)优化算法进行改进,提出了协同进化算法(co-evolutionary algorithm of PSO and SA,CPSOSA),CPSOSA算法在求解故障恢复数学模型时具有较高的全局寻优能力。算例分析证明了本文所提恢复策略及算法的可行性和高效性。 相似文献
12.
13.
为了提高粒子群优化(Particle Swarm Optimization,PSO)算法的计算精度和计算效率,避免"早熟",提出了育种粒子群优化算法(Breeding-based Particle Swarm Optimization,BBPSO).该算法模型将育种算法和PSO算法有机结合,构建双群体搜索机制,既利用PSO算法的快速演化能力,又利用育种算法模型中的繁殖操作增加群体多样性.将该算法模型应用于梯级水电站发电最优调度中,仿真结果表明,和标准PSO算法相比,BBPSO具有更好的全局寻优能力和较快的收敛速度,能有效应用于梯级电站发电联合优化调度中. 相似文献
14.
15.
16.
Bidding strategy of generation companies using PSO combined with SA method in the pay as bid markets
S. Soleymani 《International Journal of Electrical Power & Energy Systems》2011,33(7):1272-1278
This paper proposes a new method that uses the combination of particle swarm optimization (PSO) and simulated annealing (SA) to predict the bidding strategy of Generating Companies (Gencos) in an electricity market where they have incomplete information about their opponents and market mechanism of payment is pay as bid.In the proposed methodology, Gencos prepare their strategic bids according to Supply Function Equilibrium (SFE) model and they change their bidding strategies until Nash equilibrium points are obtained. Nash equilibrium points constitute a central solution concept in game theory and they are computed with solving a global optimization problem. In this paper a new computational intelligence technique is introduced that can be used to solve the Nash optimization problem. This new procedure, is based on the PSO algorithm, which uses SA method to avoid becoming trapped in local minima or maxima and improve the velocity’s function of particles. The performance of this procedure is compared with results of other computational intelligence techniques such as PSO, Genetic Algorithm (GA), and a mathematical method (GAMS/DICOPT). The IEEE 39-bus test system is employed to illustrate and verify the results of the proposed method. 相似文献
17.
基于改进微粒群算法的梯级水库群优化调度 总被引:4,自引:0,他引:4
为了进一步增强微粒群算法的优化性能,提出了一种改进微粒群算法,并将其用于求解梯级水库群的优化调度.该算法引进了类似遗传算法的交叉和变异算子来提高搜索效率,其中交叉是微粒在解空间中的位置以一定的概率随机进行算术交叉,变异是微粒以一定的概率随机使速度矢量的某一维分量变为0.为了加速收敛,初始微粒群生成时采用了有条件的随机自动生成方式,并利用惩罚函数法来处理边界条件和其它非等式约束.实例计算结果表明,改进微粒群算法具有比常规动态规划法和常规微粒群算法更快的计算速度,且优化调度结果比较满意. 相似文献
18.