共查询到17条相似文献,搜索用时 62 毫秒
1.
在双层规划的理论基础上,针对电网无功优化中的负荷不确定性问题,建立了以网损最小为上层优化目标、以满足电压约束条件为下层优化目标的电力系统无功优化模型.并将遗传算法和蚁群算法结合起来用于求解,采用遗传算法生成信息素的初始分布,利用蚁群算法求精确解.以IEEE30节点系统作为试验系统,验证了无功优化模型及算法的正确性和有效性. 相似文献
2.
蚁群优化算法及其在电力系统中的应用 总被引:4,自引:3,他引:4
蚁群优化算法是意大利学者M Dorigo受蚂蚁觅食行为的启发 ,提出的一种新型组合优化算法 ,具有正反馈、分布式计算等特点 ,已在许多问题中得到成功的应用。本文对蚁群优化算法的研究现状作一综述 ,并指出在电力系统中可能的应用方向 相似文献
3.
在双层规划的理论基础上,针对电网无功优化中的负荷不确定性问题,建立了以网损最小为上层优化目标、以满足电压约束条件为下层优化目标的电力系统无功优化模型。并将遗传算法和蚁群算法结合起来用于求解,采用遗传算法生成信息素的初始分布,利用蚁群算法求精确解。以IEEE30节点系统作为试验系统,验证了无功优化模型及算法的正确性和有效性。 相似文献
4.
蚁群算法在电机故障诊断中的应用 总被引:3,自引:0,他引:3
蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,有正反馈、分布式计算、启发性收敛等特点.本文介绍了蚁群算法的基本原理和算法模型,建立了以电机为对象的神经网络故障诊断系统,应用蚁群算法训练了神经网络并进行了故障诊断,与BP算法的诊断结果进行了比较.网络训练的对比结果表明,基于蚁群算法的神经网络故障诊断系统,对多故障征兆有较好的故障识别率,且算法收敛快,诊断精度高,具有较高的搜索效率. 相似文献
5.
6.
7.
8.
9.
蚁群算法在组合优化中的应用 总被引:4,自引:0,他引:4
本文介绍了崭新的求解复杂优化问题的启发式算法-蚁群算法以及它的基本原理.该算法是通过模拟蚁群搜索食物的过程,达到求解此类问题的目的.它具有智能搜索、全局优化、稳健性强、分布式计算、易与其他方法结合等优点.文章还介绍了该算法在静态组合优化,如旅行商、二次分配、车间任务调度、车辆路线、图着色、有序排列,以及动态组合优化中的应用.文章最后展望了蚁群算法所具有的广阔应用前景. 相似文献
10.
无功优化是一个混合整数优化问题,为了提高算法性能,提出使用遗传算法中的锦标赛选择机制。在已有的蚁群算法基础上,通过引入基于编码的蚁群算法,对不同类型的控制量使用不同的编码长度,能同时处理连续和离散空间的变量,再引入遗传算法中的锦标赛选择机制,锦标赛选择对适应值的非线性变换具有不变性,能更稳定地控制选择压力,即使陷入局部最优也具有很高的逃离概率。通过限制信息素上限也能有效防止信息素累积过多。使用IEEE-14、IEEE-30和IEEE-57系统对算法进行测试,验证了以上改进的有效性。 相似文献
11.
12.
组播是将信息从源节点同时发送到网络中多个目的节点的通信方式,这是网络规模日益增大,信息流量增大的必然结果.组播路由是用一点到多点的方式传送信息,组播路由问题已被证明是NP-Complete问题.文中结合遗传算法GA和蚁群算法ACA的优点,提出了一种并行的遗传蚁群算法GACA,并把该算法应用到求解组播路由问题中.GACA算法利用遗传算法的快速性、随机性、全局收敛性产生求解问题的初始信息素分布,通过选择,交叉,变异等遗传操作产生一组新的个体,然后再利用蚂蚁算法群体并行性、正反馈性、求解效率高的特点,实现组播路由优化选择.仿真实验结果表明,该算法不但实现了组播路由的全局优化,而且在时间效率上优于现有的组播路由算法. 相似文献
13.
无功优化是一个混合整数优化问题,为了提高算法性能,提出使用遗传算法中的锦标赛选择机制.在已有的蚁群算法基础上,通过引入基于编码的蚁群算法,对不同类型的控制量使用不同的编码长度,能同时处理连续和离散空间的变量,再引入遗传算法中的锦标赛选择机制,锦标赛选择对适应值的非线性变换具有不变性,能更稳定地控制选择压力,即使陷入局部最优也具有很高的逃离概率.通过限制信息素上限也能有效防止信息素累积过多.使用IEEE-14、IEEE-30和IEEE-57系统对算法进行测试,验证了以上改进的有效性. 相似文献
14.
A. A. Abou El-Ela A. M. Kinawy R. A. El-Sehiemy M. T. Mouwafi 《Electrical Engineering (Archiv fur Elektrotechnik)》2011,93(2):103-116
This paper proposed a procedure to solve the optimal reactive power dispatch (ORPD) problem using ant colony optimization
(ACO) algorithm. The objective of the ORPD problem is to minimize the transmission power losses under control and dependent
variable constraints. Proposed sensitivity parameters of reactive power at generation and switchable sources are derived based
on a modified model of fast decoupled power flow. The proposed ACO-based algorithm is applied to the IEEE standard 14-bus,
30-bus systems, and a real power system at West Delta Network as a part of the Unified Egyptian Network. The obtained simulation
results are compared with those of conventional linear programming, genetic algorithm, and particle swarm optimization technique.
Simulation results show the capability of the proposed ACO-based algorithm for solving the ORPD problem, especially with increasing
the system size. 相似文献
15.
针对传统蚁群算法在AGV路径规划中存在拐点数目较多,运行能耗较高等问题,提出一种改进的自适应蚁群算法。首先采用自适应参数调整方法,在迭代过程中不断调整信息素浓度和启发式信息的相对重要性,以增强蚂蚁搜索的目的性;其次引入多目标路径性能评价指标,在路径长度的单一指标基础上引入路径风险指标和拐点数目,以实现AGV路径规划的全局综合优化;然后提出一种奖惩机制更新信息素增量,针对不同程度评价指标的路径提供不同的信息素更新规则,避免算法陷入早熟;最后引入准均匀三次B样条平滑策略,进一步优化最优解。在20×20和30×30不同复杂程度的环境下进行仿真实验,本文改进算法相比传统蚁群算法在转弯次数上减少了113%~382%,在收敛速度上提升了798%~879%,验证了本文改进算法的有效性、可行性和优越性。 相似文献
16.
Zhu Qingbao Wang Lingling 《Frontiers of Electrical and Electronic Engineering in China》2007,2(3):268-272
The ant colony optimization algorithm has been widely studied and many important results have been obtained. Though this algorithm
has been applied to many fields, the analysis about its convergence is much less, which will influence the improvement of
this algorithm. Therefore, the convergence of this algorithm applied to the traveling salesman problem (TSP) was analyzed
in detail. The conclusion that this algorithm will definitely converge to the optimal solution under the condition of 0<q
0<1 was proved true. In addition, the influence on its convergence caused by the properties of the closed path, heuristic functions,
the pheromone and q
0 was analyzed. Based on the above-mentioned, some conclusions about how to improve the speed of its convergence are obtained.
Translated from Control and Decision, 2006, 21(7): 763–766 [译自: 控制与决策] 相似文献
17.
电力系统中的机组组合作为一个非确定型多项式困难问题,一直难以获得其理论最优解.针对算法的精度和速度这一矛盾,提出了一种结合启发式算法和蚁群算法的混合优化算法.用优先级排序法获得次优解,并在附近形成一个搜索邻域;采用蚁群算法在此邻域内寻优,减小了蚁群算法的空间复杂度.同时,在蚁群算法中引入了人工鱼群算法的拥挤度概念.拥挤度阈值在迭代过程中是自适应变化的,从而增强了算法的遍历寻优能力,也保持了较快的收敛速度.经济负荷分配采用简化梯度法.对一个10机系统算例仿真计算,验证了所提算法对解决机组组合问题具有很强的搜索能力和快速收剑性. 相似文献