基于广义回归网络-改进差分进化算法的污闪电压预测研究

将基于实验数据和数学公式计算值用广义回归网络-改进差分进化算法为绝缘子污闪电压建立一种新的预测模型,以绝缘子的盘径、高度,爬电距离、形状因素四个结构参数及等值附盐密度为输入参数来预测污闪电压值.广义回归网络不需设定模型的形式,但其平滑因子参数需优化估值.为了克服传统差分进化算法优化参数时的弱点,改进差分算法引入Powell寻优法以提高算法搜优速度,同时引入混沌优化法以提高种群多样性,降低算法陷入局部最优的概率.仿真结果表明与GRNN-DE及多元线性回归相比,GRNN-MDE具有更为优良的预报能力,稳定性也更好,将它应用于绝缘子污闪电压的预测,效果更好.     

基于DGA的差分进化支持向量机电力变压器故障诊断

针对支持向量机中参数选择严重影响分类效果的特点,提出采用差分进化算法对核函数g和惩罚因子c进行优化,得到最优的支持向量机模型,用于变压器的故障诊断。在简单介绍支持向量机的基础上,分析了采用差分进化算法对支持向量机优化的可行性。通过将收集的数据样本进行预处理,再利用差分进化的变异、交叉和选择对高斯径向基核函数进行优化,搜索出最优(c,g),并对得到的参数进行验证,获得最优的支持向量机模型。仿真实验表明,与SVM、GRID-SVM、GA-SVM、PSO-SVM相比,该方法误判率最低、全局寻优能力及鲁棒性较好。     

基于改进差分进化算法优化极限学习机的短期负荷预测

负荷预测的精度直接关系到电网的供需平衡,影响着电网运营成本。针对传统预测方法精度不高的缺点,提出了一种改进的差分进化算法优化极限学习机的预测模型。由于极限学习机的输入权值和隐含层偏置对预测精度有很大影响,因而利用改进差分进化算法对极限学习机参数进行优化,提高了极限学习机的泛化能力和预测精度。研究结果表明:改进差分进化算法优化极限学习机对短期负荷预测精度有较高提升。     

基于广义回归网络-改进差分进化算法的污闪电压预测研究

将基于实验数据和数学公式计算值用广义回归网络－改进差分进化算法为绝缘子污闪电压建立一种新的预测模型,以绝缘子的盘径、高度,爬电距离、形状因素四个结构参数及等值附盐密度为输入参数来预测污闪电压值。广义回归网络不需设定模型的形式,但其平滑因子参数需优化估值。为了克服传统差分进化算法优化参数时的弱点,改进差分算法引入Powell寻优法以提高算法搜优速度,同时引入混沌优化法以提高种群多样性,降低算法陷入局部最优的概率。仿真结果表明与GRNN-DE及多元线性回归相比,GRNN-MDE具有更为优良的预报能力,稳定性也     

考虑系统频率恢复性能的低频减载参数优化模型

在研究传统的低频减载参数优化控制代价最小模型的基础上,提出一种兼顾考虑系统频率恢复性能和切负荷量最小的低频减载参数优化模型,同时考虑了各种预设场景的风险概率因素。基于模型特点,采用差分进化算法来求解问题。针对优化问题的稳态约束和超调约束,提出用分段惩罚函数法来提高差分进化算法的执行效率。实际的电力系统算例仿真表明,提出的模型比控制代价最小模型的综合表现更佳,初步论证了模型和算法的可行性和有效性。     

一种改进的差分进化算法与电解电容器参数辨识

针对差分进化算法在参数辨识时容易陷入局部最优、辨识精度需要优化等问题,改进的算法在原有选择、变异、交叉操作的基础上,引入随机游走策略,加强了算法的局部搜索能力,提高了种群的多样性.以等效串联电阻(ESR)和等效阻抗(Z)的实测值与预测值为基础构造目标函数,采用改进算法优化目标函数,对两个复杂程度不同的电解电容器模型进行参数辨识,得到参数辨识结果以及ESR和阻抗Z预测值.通过仿真表明,改进的算法是有效的,并且在经典模型下改进的算法预测精度始终维持在5％优于传统算法的14％.     

基于自适应差分进化和BP神经网络的光伏功率预测

针对光伏功率的波动性和间歇性,通过分析光伏发电的影响因素,建立了基于自适应差分进化和BP神经网络的光伏功率预测模型.该模型利用自适应差分进化算法优化BP神经网络的权重阈值,克服了BP算法收敛速度慢、容易陷入局部极值的缺点.利用光伏电站的历史数据和气象观测站的气象数据,对预测模型进行训练和光伏功率预测.结果表明,基于自适应差分进化和BP神经网络的模型预测精度高于BP神经网络模型,验证了所提模型和算法的有效性和可行性.     

基于差分进化膜计算的MMC-HVDC控制参数优化

基于模块组合多电平换流器MMC的新型高压直流HVDC输电具有广阔的应用前景。针对传统控制器优化方法的不足,提出了一种基于差分进化膜计算的MMC-HVDC控制参数优化方法。基于MMC-HVDC的控制原理,在PSCAD下搭建了MMC-HVDC的仿真模型,利用差分进化膜计算优化控制系统参数。算例分析表明:该控制器能有效改善系统受到短路故障扰动后的动态特性;通过比较原参数、基于差分进化算法的优化结果和基于自适应差分进化算法的优化结果,验证了该方法的有效性。     

基于差分进化混合粒子群算法的电力系统无功优化

差分进化混合粒子群算法(DEPSO)首先利用差分进化(DE)的变异和选择算子产生新的群体,然后通过使用粒子群优化算法(pSo)进行局部搜索.该算法发挥差分进化和粒子群优化算法各自拥有的特点,并克服自身存在的问题,具有收敛速度快、搜索能力强、鲁棒性好的特点.将该算法用于电力系统无功优化,通过IEEE30节点系统的仿真计算证明了该算法的快速性和有效性.     

基于差分进化的波浪能转换装置阵列优化

针对如何有效利用波浪辐射和散射以提升波浪发电系统效率的问题,提出采用差分进化算法对波浪能转换装置阵列进行优化排布。差分进化算法全局搜索能力强并且计算时间少;同时,差分进化算法在精度和收敛速度上没法两全且可能会陷入局部解,为了使优化结果更准确,引入了自适应变异算子的概念对差分进化算法进行改进,改进后的算法收敛速度相对较快而且结果准确度高。结合改进算法,分别针对不同浮子数目的阵列进行优化与对比分析。仿真结果表明,阵列规模越大,浮子之间的互补作用越大,波浪能转换装置的效率越高,这验证了所提阵列优化方案的有效性。     

基于改进粒子群算法的开关磁阻电机本体优化

针对开关磁阻电机多变量、高非线性以及传统设计过程无法快速而准确获得最优方案的问题,提出一种基于Kriging模型和改进粒子群算法的参数优化策略。首先建立多目标优化模型,采用田口正交方法进行敏感性分析,依据灵敏度大小将优化变量分为两个子空间;其次为提高多目标粒子群算法的收敛速度和全局寻优精度,引入天牛须搜索算法中环境感应机制和遗传算法中交叉变异策略;最后建立Kriging模型,利用改进粒子群算法对两个子空间参数进行迭代寻优。实验结果表明,优化后的转矩脉动减少23%,平均转矩提高2.3%,在大幅度减少转矩脉动情况下保持了较大平均转矩。结论是改进的粒子群算法与Kriging模型相结合策略适用于开关磁阻电机优化过程,可显著提高优化效率,保证求解精度。     

基于天牛须搜索粒子群优化的改进克里金模型

为提高克里金模型的建模精度,提出了一种基于天牛须(BAS)搜索粒子群(PSO)优化的改进克里金模型算法。在引入的天牛须搜索PSO优化算法中,每个粒子的更新规则不仅依赖于PSO最佳方案及个体的当前全局最优值,还综合了BAS的搜索规则,以提高全局搜索性能及搜索效率。由于相关参数的取值直接影响克里金模型的建模精度,应用天牛须搜索PSO算法对克里金模型的相关参数进行优化,并给出了具体的优化流程。测试算例表明,基于天牛须搜索PSO的改进克里金模型,具有得更高的模型精度和计算效率,优于常规的克里金算法及普通粒子群优化的克里金算法。     

双三相永磁同步发电机多目标优化设计

为实现双三相永磁同步发电机(PMSG)的低固有电压调整率、高发电效率和低成本的特性,研究了侧重于降低固有电压调整率的多目标优化设计方案。采用解析法建立单元电机磁链模型,以永磁体磁化方向长度、永磁体所跨弧长和单元电机相绕组匝数为设计变量,分析上述参数对固有电压调整率、发电效率等评价指标的影响,并提出了基于权重系数的多目标优化函数。分别用标准遗传算法(SGA)、差分进化算法(DE)和基于以上2种算法的混合遗传算法(HGA)优化设计参数并进行对比。试验结果表明,HGA优化效果与设计目标具有良好的一致性,与初始设计参数相比,优化后的电机输出能力以及稳压能力均有所改善。     

基于改进差分进化-生物地理学优化算法的最优潮流问题

生物地理学优化算法(biogeography-based optimization,BBO)是一种新提出的全局智能优化算法,但是其应用于最优潮流计算时,具有早熟和收敛不稳定的问题。将BBO与差分进化(differential evolution,DE)算法相结合,并对差分进化部分的改进策略稍做修改,形成改进DE-BBO算法。应用所提方法对IEEE 30节点系统进行了有功优化的计算,并和GA、PSO、BBO和DE 4种方法进行了分析和比较,结果表明所提方法具有良好的收敛稳定性,可以有效缩短迭代时间。     

电网故障诊断解析模型的改进二进制增益共享知识算法求解

针对现有智能优化算法在求解电网故障诊断解析模型时存在的易于陷入局部最优和种群质量低等问题,提出一种改进二进制增益共享知识算法(improved binary gaining-sharing knowledge-based algorithm, IBGSK)。首先,根据故障诊断规则,构建一种包含完备故障信息的完全解析模型。其次,将离散工作机制融入改进算法的种群更迭中,以避免发生空间脱节。然后,结合进化种群动力学思想(evolutionary populationdynamics, EPD),引入一种自适应交叉算子,以提高种群质量和增强算法的全局寻优能力。最后,通过特征选择和故障诊断仿真实验对算法性能进行评估。结果表明：IBGSK算法相较于其他优化算法,在特征选择问题上具有更高的计算效率、更强的全局寻优能力和泛化能力;在求解电网故障诊断解析模型上具有更优的诊断可靠性、时效性和收敛性。     

基于改进微分进化算法的负荷模型参数辨识

为了提高电力系统中负荷模型的精确度,提出了一种改进的微分进化算法(IDE)以辨识负荷模型参数。采用不依赖于优化问题的控制参数自适应调整机制,同时考虑搜索速度和搜索精度,使算法摆脱后期易于陷入局部极值点的束缚,克服了微分进化算法参数调整困难的不足,提高了算法的寻优能力。将改进算法应用于静态负荷模型参数辨识的工程实例并与其他算法对比的结果表明,改进DE算法的全局搜索能力强,搜索精度高。     

梯级水电站群长期优化调度多核并行混沌模拟退火差分演化算法

针对标准差分演化算法全局搜索易陷入局部最优问题,利用混沌理论和模拟退火算法的优点对差分演化算法进行改进;同时,为提高算法的求解效率,结合Fork/Join并行框架,提出了梯级水电站群长期优化调度多核并行混沌模拟退火差分演化算法(PCSADE)。该算法利用混沌理论随机性和遍历性强以及模拟退火算法局部搜索能力强的特点,采用混沌理论生成差分演化算法初始种群且对其控制参数进行动态调整,并利用模拟退火算法Metropolis准则替代差分演化算法中的选择操作,提高了差分演化算法的寻优能力;采用基于分治策略的Fork/Join并行技术将复杂计算任务分为多个子任务,实现了算法的并行计算求解。红水河流域14座水电站实例计算结果表明,PCSADE能够充分利用多核资源,显著提高优化解质量和计算效率,是求解水电站群长期优化调度问题的一种有效可行的方法。     

多端直流电网限流电抗器的优化设计方案

针对多端直流(MTDC)电网中限流电抗器的配置问题,提出了一种通用的优化设计新方案。该方案以系统配置的限流电感总和最小为优化目标,综合考虑了直流断路器、换流站闭锁和保护需求的约束条件,采用优化算法确定了限流电抗器的全局最优配置。该设计方案减小了限流电感给系统带来的不利影响,并能够保证系统在故障穿越期间能够连续、可靠地运行。由于在优化过程中采用了短路电流近似计算模型,从而大大提高了优化效率。最后,基于PSCAD/EMTDC仿真平台搭建三端模块化多电平换流器(MMC)型直流电网,仿真结果验证了所提出方法的有效性。     

电力市场中最优潮流模型及算法研究

对传统最优潮流模型做了改进,提出了基于模糊理论和多目标优化理论的最优潮流模型,综合考虑了网损量最小和有功、无功购电费用最低3个目标;将免疫克隆算法和变尺度混沌搜索方法有机地结合起来,形成了免疫克隆混沌优化算法,并应用于改进最优潮流模型的求解。用IEEE 14节点算例进行了仿真分析,结果表明改进最优潮流模型有效,采用免疫克隆混沌算法对改进最优潮流模型求解是可行和高效的。