基于差分粒子群优化算法的多机PSS参数优化

提出了一种新的进化计算方法--差分进化粒子群优化算法(DEPSO)进行多机电力系统稳定嚣(PSS)的参数优化.该方法以系统正常运行方式下的最小机电振荡模式阻尼比为目标函数,将PSS的参数优化问题等效为非线性、非解析、非突性的连续实域空问的函数优化问题.基于传统的差分进化策略,引入种群中的最优个体信息和方向信息,提出了一种全新的差分进化策略.仿真结果表明,该算法搜索空间广,收敛速度快,优化效果好.     

基于改进混合差分进化算法的水轮机调速系统空载PID参数优化

为优化水轮发电机组调速系统空载PID相关参数,提出一种改进混合差分进化算法(IHDE),即先根据某电站混流式水轮发电机组建立相应空载工况数学模型,其次引入IHDE对空载工况数学模型PID参数进行优化,由于DE算法易出现早熟收敛问题,对该算法缩放因子的取值进行优化;同时,为了增强差分进化算法(DE)的全局搜索性能,在DE的选择阶段加入模拟退火算法的个体更新机制进行选择操作;然后,提出一种改进的综合ITAE指标用于评价空载扰动的仿真结果,使得目标函数的评价方式更加准确且符合相关标准要求;最后,通过试验仿真与不同算法进行对比,验证了IHDE优化水轮发电机组调速系统PID参数的有效性。     

基于SA-PSO混合优化算法的燃气轮机气路故障诊断方法研究

为了对燃气轮机进行有效的气路状态监测和故障诊断,提出一种基于模拟退火与粒子群混合优化的燃气轮机气路故障诊断新方法。采用快速模拟退火算法设计粒子生成器,用生成的初始粒子群进行全局的粗糙搜索,再利用粒子群算法对特定区域进行重点搜索,最终获得精确解。该方法结合了遗传算法的全局搜索能力和粒子群优化算法的高效率,比原始的粒子群优化算法迭代次数更少,可减少50%的诊断时间。此方法对单部件的诊断精度可达到0.1%,多部件的诊断精度可达到1%。     

水文模型参数优选的改进粒子群算法参数分析

借鉴竞争演化和多种群混合进化的思想,对粒子群算法(PSO)进行改进,提出了序列主-从种群混合进化的粒子群算法(SMSE-PSO).鉴于优选水文模型参数算法的有效性与算法控制参数有关,为评价SMSE-PSO算法不同控制参数对优化性能的影响,结合水文模型参数优选的特点提出采用正交试验设计的方法分析.结果显示,正交法较好地识别了关键影响因素并提出可能的最优方案,SMSE-PSO算法能较好地应用于复杂多参数水文模型的参数识别研究中.     

基于差分进化粒子群优化算法的多机励磁参数协调优化

多机励磁参数协调优化是抑制电网低频振荡最直接经济的措施,对提高电网的运行稳定性有重要的意义。针对传统粒子群优化算法后期粒子多样性降低导致算法早熟收敛且容易导致局部最优的缺点,采用新的差分进化粒子群算法（DEPSO）进行多机励磁参数协调优化,通过实际系统的仿真结果证明该算法对励磁参数协调优化的有效性。     

基于改进粒子群优化算法风力发电功率预测研究

准确的风电功率预测为电网运行调度提供可靠的依据。文章定性分析了数据相关性对功率预测的影响,提出一种基于模拟退火算法和粒子群优化算法相融合的风力发电功率预测模型。在构建基于粒子群优化算法预测模型基础上,针对粒子群优化算法存在的早熟问题,采用模拟退火算法对粒子群算法进行优化。实际算例表明该方法具有较高的预测精度和计算速度,具有较强的实际意义。     

风光互补发电系统混合储能单元的容量优化设计

由于粒子群优化算法在优化计算中存在早熟收敛,易陷入局部最优且搜索精度不高等缺点,在现有粒子群优化算法的基础上融合模拟退火算法对其进行改进,得到改进后的模拟退火粒子群优化算法,并将其应用到风光互补发电系统混合储能单元容量的优化配置中。优化结果表明,在满足负荷用电的前提下,该算法可有效降低储能单元的投资成本和运行费用,从而证明了算法的正确性。     

基于差分量子粒子群算法的锅炉NOx排放模型优化

提出一种基于改进的差分量子粒子群(DEQPSO)算法,将其与超限学习机(ELM)相结合,以某1 000 MW超超临界机组锅炉燃烧系统为研究对象,建立了NO_x排放模型,采用现场样本数据测试所建模型的预测能力,并将该模型的预测结果与基本超限学习机以及引力搜索算法(GSA)、粒子群算法(PSO)和量子粒子群算法(QPSO)优化的超限学习机模型的预测结果进行了对比。结果表明:DEQPSO算法具有更好的参数优化性能,DEQPSO-ELM模型具有较强的泛化能力和良好的预测精度,为电站锅炉NO_x排放质量浓度预测提供了一种有效方法。     

自适应差分进化算法在燃气轮机转速控制中的应用

为改善燃气轮机转速控制系统的调节品质,提出一种自适应差分进化算法,通过其控制参数的自适应调整,提高差分进化算法的快速收敛和全局寻优能力。应用该算法重新设计燃气轮机转速控制回路,其比例积分微分控制器(PID)参数通过自适应差分进化算法进行优化。仿真试验表明:经过自适应差分算法优化PID参数的转速控制系统,无论在正常升速过程还是甩负荷等突变工况,转速控制的动态特性和静态特性均明显优于标准差分进化算法优化PID参数的控制系统。     

基于PSO算法的电液伺服调节环节参数辨识

鉴于汽轮机电液伺服调节环节大量存在的非线性环节,并且常规辨识方法很难对调速系统中大量存在的非线性环节参数进行辨识,从而难以得到准确的数学模型,本研究将粒子群优化算法引入参数辨识研究中,针对算法易早熟收敛的缺点,采用了基于双层进化的多粒子群优化算法,同时,通过现场实验研究对参数辨识的方法及效果进行验证.试验结果表明,利用多粒子群优化算法对建立的汽轮机电液调节系统执行环节的参数进行辨识能取得理想效果,满足工程应用的需求.     

电网静态安全条件下配电参数抗干扰控制方法研究

针对传统配电参数控制方法存在抗干扰能力差、控制精度低的问题,提出基于混沌粒子群算法和模糊PI控制器的电网静态安全条件下配电参数抗干扰控制方法。利用无线传感器（wireless sensor network,WSN） 技术对电网设备运行进行监测,并通过信息采集模块得到电流、电压和谐波等参数。依据电网监测结果,将识别出的配电参数干扰种类划分成暂态类型扰动参数、稳态类型扰动参数、复合种类扰动参数。引入模糊PI控制,利用混沌粒子群算法优化模糊PI控制参数,即对隶属度函数与模糊控制规则表进行优化,通过优化后的模糊PI控制器对检测出的各种干扰进行有效控制。实验结果表明,所提方法能够很好地控制配电参数干扰,使电网系统可以安全稳定地运行。     

基于SAPSO-RVM的大坝变形预测模型及应用

鉴于支持向量机(SVM)存在结构稀疏化不足、缺乏概率信息等缺陷,将性能更具优势的相关向量机(RVM)理论引入到大坝变形预测的应用中。选择高斯径向基函数作为RVM模型的核函数,核参数用基于模拟退火的混合粒子群算法(SAPSO)进行寻优,进而建立SAPSO-RVM回归预测模型。实例应用结果表明,RVM模型的向量数量远小于SVM模型,在保持良好泛化能力的前提下计算结构得到简化,混合粒子群算法相较于一般粒子群算法其全局寻优能力也有所提高,SAPSO-RVM模型回归预测精度较高。     

搜寻者优化算法在锅炉主汽压控制系统中的应用

针对电厂锅炉主汽压的控制问题,提出了一种基于SOA(搜寻者算法)优化PID控制器参数的控制方法。在该算法中,以主汽压系统输出的误差绝对值时间积分性能指标作为SOA算法的适应度函数,以得到一组PID控制器的优化参数,并用于锅炉主汽压的控制系统中。仿真结果表明,与粒子群算法及遗传算法相比,SOA优化算法具有较佳的寻优能力及优化效率,进而改善了主汽压控制系统的动态性能。     

基于IWO-PSO混合算法的三电平逆变器SHEPWM仿真研究

针对传统粒子群优化(PSO)算法在求解三电平逆变器选择谐波消除脉宽调制(SHEPWM)技术的非线性超越方程组时存在局部收敛、收敛速度慢且计算精度不高的问题,提出了一种基于入侵杂草优化和粒子群优化混合算法(IWO-PSO)的SHEPWM方程组计算方法,该混合算法结合IWO算法的广度和PSO算法的深度,通过合理选择算法参数,有效地解决了计算结果局部收敛和收敛速度慢的问题,并以三电平中点箝位型(NPC)逆变器为例,利用Matlab/Simulink进行仿真试验。结果表明,IWO-PSO算法可行、有效,实现了三电平NPC逆变器在线SHEPWM控制。     

基于PSO算法与协同进化算法的地区电网无功优化模型

电力系统无功优化属于非线性优化范畴,传统的数学规划算法处理时存在较大的局限性,针对大规模电网全局无功电压优化控制困难,提出了基于协同进化框架的合作协同进化粒子群优化算法(PSO)的电力系统无功优化方法,构建了数学模型。实际大电网计算结果表明,该算法寻优质量高、收敛性好、计算复杂度低,适合求解大规模系统无功优化问题。     

改进小生境差分进化算法在配网 无功优化中的应用

配网无功优化是一类非线性的整数规划问题,通过调整变压器的变比,改变发电机的端电压和连接补偿电容来改变电力网络中的无功,减小系统网损。差分进化算法是一种收敛速度快,收敛精度高的智能进化算法,针对无功优化模型对差分进化算法做出改进,引入小生境思想。通过实例验证了小生境粒子群算法（NPSO）和改进小生境差分进化算法（FERDE）对无功补偿装置布点优化规划的有效性。结果表明,增强算法的局部搜索能力和扩宽搜索范围,在收敛速度和精度上都有不同程度的提高     

基于位置动态参数PSO算法的水库防洪调度研究

介绍了一种易于实现、参数少且收敛快的集群智能算法——粒子群算法。针对标准PSO算法的缺陷,提出了在位置进化方程中引进动态参数的方法,改进了标准粒子群算法的收敛速度。根据建立的水库优化调度数学模型,将改进的粒子群优化算法运用到水库优化调度计算中,并通过算例验证该算法的可行性和有效性。     

基于改进AWNN的风电功率超短期多步预测

为提高风电功率超短期多步预测精度,针对梯度修正学习算法采用随机初始化网络参数训练自适应小波神经网络(AWNN)易陷入局部最优的缺点,将粒子群(PSO)算法和差分进化(DE)算法相结合,提出利用IPSO-DE算法优化AWNN的初始化网络参数,得到改进AWNN模型(IAWNN)并将其用于风电功率超短期多步预测。仿真结果表明:IPSO-DE算法优化AWNN初始化网络参数的性能优于IPSO算法、DE算法和梯度修正学习算法,所提改进模型的多步预测性能优于AWNN模型、持续法(PM)模型和BP神经网络(BPNN)模型。     

基于H_2/H_∞混合优化的锅炉汽温分数阶PI~λD~μ控制

针对分数阶控制系统参数整定方法不够成熟的问题,提出一种优化确定分数阶PIλDμ控制器参数的方法.同时考虑跟踪性能、抗干扰能力及鲁棒性的要求,基于H∞性能指标约束下的H2性能指标极小化,采用粒子群优化算法寻优,得到符合H2/H∞混合性能指标的最优PIλDμ控制器参数,并将其应用于循环流化床锅炉汽温的分数阶PIλDμ控制器参数设计.结果表明:所设计的控制器具有良好的定值跟踪能力、抗干扰性能及较强的鲁棒性.     

混合Box-Jenkins模型交替辨识及在电厂脱硝系统中的应用

混合的Box-Jenkins模型能够较好地表征含噪声干扰系统的特性,针对该模型提出了基于粒子群优化算法的过程模型与噪声模型交替估计辨识方法,避免了常规方法直接对过程模型和噪声模型共同辨识容易陷入局部最优的缺陷。仿真试验表明:交替估计算法可以达到对混合Box-Jenkins模型的精确辨识,其误差约为常规辨识的1/10。为验证方法的实用性,以某电厂机组烟气脱硝系统为对象,建立混合Box-Jenkins模型,利用粒子群算法进行交替辨识,所得过程模型与实际输出基本一致,取得了较好的参数辨识效果,该方法可应用到工业过程中这类系统的参数辨识。