一种用于AGC机组调配的混沌多Agent双重粒子群算法

AGC机组调配问题是一个含连续和离散变量的混合非线性优化问题,提出了一种基于混沌多Agent的双重粒子群算法。该算法以混沌和粒子群优化算法以及多Agent技术为基础,利用混沌映射提高初始种群的质量,引入临界算子增强Agent的多样性。在算法迭代中,每一个Agent通过与其随机配置的邻居竞争、合作,并且吸收了粒子群优化算法的进化机制,可以更稳定、快速地收敛到全局最优解。通过算例仿真结果表明,所提出的算法具有质量高的解、稳定性好的收敛特征和快的寻优速度。     

改进的混沌优化方法在电站机组负荷分配中的应用

利用搜索过程中的先验知识，提出了一种改进的变尺度混沌优化算法，对电厂机组负荷分配这一类高维、非线性问题进行寻优。该算法利用混沌运动的遍历性和随机性进行全局搜索，结合下降法思想在当前最优解的局部空间搜索，提高算法的收敛速度。通过罚函数，将非线性约束问题转化为非约束问题求解，在寻优操作过程中检验解的有效性。并采用目标函数中负荷取值区间判别方法，降低优化问题的规模，减少了计算次数。与传统遗传算法相比，改进的混沌优化算法获得了更好的效果。     

基于改进混沌粒子群算法的火电厂经济负荷分配

提出了一种改进混沌粒子群算法,将抛物线与混沌序列相融合产生惯性权重,并引入遗传算法中的交叉思想,增加种群中粒子的多样性.建立了考虑汽轮机阀点效应的火电厂经济负荷分配模型,并采用等概率负荷调整约束处理方法处理经济负荷分配中的约束条件,以40台机组经济负荷分配为例进行仿真计算.结果表明:与传统混沌粒子群算法相比,改进混沌粒子群算法优化后的煤耗成本最佳值约降低0.78%;通过与其他智能优化算法的对比,验证了所提出的改进算法具有更好的优化效果和鲁棒性.     

考虑旋转备用约束的含风电场电力系统优化调度模型

文章建立电场电力系统优化调度模型,该模型考虑了风电功率预测误差的情况下,系统旋转备用容量满足负荷及风电波动的需求。模型中涉及火电机组、风电场的发电成本以及火电机组环境污染惩罚费用,并提出基于时变加速度的随机黑洞粒子群算法对模型进行求解,时变加速度增强了算法早期全局搜索能力,并保证迭代后期收敛到全局最优,同时黑洞原理避免了算法收敛早熟,陷入局部最优解。最后对含一个风电场的10机系统算例建模仿真,从而验证模型以及算法的合理性和有效性。     

基于改进狼群算法的水电站厂内优化运行研究

针对水电站厂内运行中机组负荷分配问题的高维度、多约束的特点,提出了一种基于差分进化算法的自适应狼群算法,结合水电站厂内优化运行的优化目标和约束条件,以龙潭水电站日常运行数据为基础,采用该算法进行求解,并与遗传算法和原狼群算法计算结果进行比较。结果表明,该算法在计算耗时和收敛精度上均较遗传算法和原狼群算法有一定的改善,能满足电站实时性和精度要求,具有良好的全局搜索能力,在计算高维多机组负荷分配问题时能快速有效摆脱局部最优情况趋向全局最优解。     

基于改进PSO算法的微能源网优化配置研究

微能源网优化配置的求解算法存在易陷入局部搜索和收敛速度低两大缺陷,如何同时解决这两个缺陷是一直以来的研究难点。针对这一问题,提出了基于时变压缩因子和自适应变异的改进粒子群算法。针对经济优化配置,建立了包括多种分布式设备的微能源网架构模型和以年经济成本最低为目标,计及可靠性并含多种约束的优化配置模型。最后,结合具体算例,将改进粒子群算法运用于模型中,得到各分布式设备的配置方案和最优年经济成本,对比验证改进粒子群算法性能。实验结果表明：改进粒子群算法较好地提高了算法的收敛速度和全局收敛能力;微能源网优化配置模型实现了低经济性和高可靠性的有效结合。     

CQPSO-BP算法在风电机组齿轮箱故障诊断中的应用

为实现风电机组齿轮箱故障模式的有效识别,提出一种基于混沌量子粒子群优化BP神经网络(CQPSOBP)的故障诊断方法。在该算法中,利用混沌序列来初始化粒子的初始角位置,可提高种群的遍历性;通过引入变异操作,避免算法陷入早熟收敛,并依此来对BP神经网络的初始权值和阈值进行优化。实例表明,同粒子群优化BP神经网络(PSO-BP)与BP网络的诊断结果相比,CQPSO-BP算法具有收敛速度快、识别精度高的优点,可有效用于风电机组齿轮箱的故障诊断系统中。     

变尺度混沌蜂群算法在梯级库群优化调度中的应用

针对流域梯级水电站长期优化调度模型存在高维、非凸、非线性等特点,提出一种改进的变尺度混沌蜂群算法(VCBA),通过引入混沌方程和余弦收缩策略,使其具有更强的全局收敛能力和更快的收敛速度。以丰枯分时电价下金沙江下游梯级水电站群长期优化调度作为工程背景进行实例研究,并将计算结果与基本蜂群算法(BA)和粒子群算法(PSO)进行比较。结果表明,VCBA求解梯级水电站长期优化调度问题收敛速度快且优化结果精度较高,满足实际优化运行需求,具有很高的工程应用价值。     

求解水火电力系统短期发电计划的粒子群优化算法研究

提出求解水火电力系统短期发电计划的新方法——粒子群优化算法。实例研究表明，该方法优化能力高于遗传算法和进化规划。同时对全局搜索粒子群优化算法和局部搜索粒子群优化算法在求解水火电力系统短期发电计划时的动态收敛特性和计算效率等进行了对比研究，结果显示．局部搜索粒子群优化算法更适合求解水火电力系统短期发电计划的复杂问题。     

基于改进粒子群优化算法的边坡稳定性分析

针对标准粒子群算法存在收敛精度低、易陷入局部最优的缺点,提出了基于混沌与变异的改进粒子群优化算法(CVPSO),将其应用于边坡滑裂面搜索,研制了边坡稳定分析程序CVPSO-LEM2D。采用改进粒子群算法对澳大利亚计算机应用协会(ACADS)边坡算例进行计算分析,结果表明改进粒子群算法的全局最优搜索能力与收敛精度得到了较大提高,计算结果与ACADS推荐的裁判答案基本一致,验证了算法的有效性。最后,将CVPSO-LEM2D应用于两河口泄水建筑物进口边坡稳定性分析,验证了方法的可行性,为类似工程提供了参考和借鉴。