基于粒子群算法的谐振式无线输能网络优化

对于电动汽车的谐振式无线输能电路的系统结构,由于存在多个参数,并且如今还没有一套成熟的参数选取的理论来保证整个系统处于理想的工作状态.为了提高和优化系统的传输功率和传输效率,选用了粒子群优化算法进行优化.首先推导了SPSP结构的无线输能主电路及传输效率和传输功率的公式,然后用一般的方法进行取值,针对传统方法随机性强的缺点,建立了功率传输结构的优化模型,最后进行仿真优化.仿真结果表明,粒子群优化算法可以优化复杂的功率传输结构,并且使传输功率和传输效率达到所需要的理想值.     

自适应粒子群优化灰色模型的负荷预测

针对传统灰色预测模型GM(1,1)在预测增长较快的电力负荷时预测效果变差这一局限性,引入了比标准粒子群优化算法效率更高的自适应粒子群优化算法,并与GM(1,1)模型相结合,利用自适应粒子群算法求解GM(1,1)模型中的参数a和u,提出一种自适应粒子群优化灰色模型.通过对四个地区的用电量进行实例仿真,证明该模型具有较广的适用范围和较高的预测精度.     

基于改进粒子群算法的ICPT系统多约束多参数优化

针对影响感应耦合电能传输系统传输功率和效率因素众多,造成系统参数设计困难,效率优化计算复杂的问题,首先介绍ICPT系统设计模型及参数约束条件;接着,基于一种改进的求解有等式约束优化问题的粒子群优化算法,在有等式约束优化算法的基础上,引入收缩因子和变异算子,有效地提高算法的收敛速度和精度;然后,针对一个特定输出功率的ICPT系统,通过优化系统互感耦合系数、谐振频率、负载电阻等多个参数,最大限度地提高系统的效率;最后搭建仿真实验平台,对不同参数组合模式下的系统传输功率和效率进行比较分析,仿真结果验证了算法的有效性.     

基于自适应粒子群优化的SVM模型在负荷预测中的应用

为了提高电力系统短期负荷预测精度,针对传统支持向量机(SVM)模型在负荷预测中存在的参数的选取问题,提出一种新的预测模型:用改进的自适应粒子群优化算法寻求SVM模型的最优参数.经典粒子群算法是一种全局优化算法,在此基础上提出改进的粒子群算法(FAPSO)并对其进行收敛性测试,将基于改进粒子群算法FAPSO优化的SVM模型用于短期电力负荷预测,实例仿真结果表明该预测模型精度高于传统SVM预测模型,具有一定实用价值.     

基于扩展粒子群优化算法的同步发电机参数辨识

提出一种新的扩展粒子群优化(EPSO)算法并应用于同步发电机参数辨识。在粒子群优化(PSO)算法的基础上，EPSO算法采用更多粒子的位置值信息进行变异操作，并且提出根据各粒子的适应值大小确定算法控制参数的方法，保证了扩展后算法的收敛性，EPSO算法模型更具有通用性。仿真算例结果表明了在系统受到较大干扰的情况下，EPSO算法比EP算法和PSO算法具有更精确的参数综合辨识能力，并且EPSO算法比EP算法具有更高的收敛效率。     

基于扩展粒子群优化算法的同步发电机参数辨识

提出一种新的扩展粒子群优化(EPSO)算法并应用于同步发电机参数辨识。在粒子群优化(PSO)算法的基础上，EPSO算法采用更多粒子的位置值信息进行变异操作，并且提出根据各粒子的适应值大小确定算法控制参数的方法，保证了扩展后算法的收敛性，EPSO算法模型更具有通用性。仿真算例结果表明了在系统受到较大干扰的情况下，EPSO算法比EP算法和PSO算法具有更精确的参数综合辨识能力，并且EPSO算法比EP算法具有更高的收敛效率。     

计及信号与电能同步传输影响的ICPT系统谐振参数优化方法

针对信号与电能同步传输的感应耦合电能传输(ICPT)系统中信号耦合线圈对电能传输效率影响的问题,基于LCLP型ICPT系统谐振拓扑结构,利用在原、副边增设耦合线圈对信号进行加载和拾取,实现了信号与电能的同步传输;通过分析原、副边电流的关系,利用耦合变压器、信号发射耦合线圈和信号接收耦合线圈的互感反射阻抗,建立了信号耦合线圈与电能传输效率之间相关联的非线性规划模型,分析了信号耦合线圈对传输效率的影响,给出了相对应的电能传输效率目标函数和约束条件,在此基础上利用自适应粒子群优化算法对谐振补偿参数进行优化,并进行了仿真验证。仿真结果表明相较于同类型信号传输方法,优化后的系统信号传输误码率有所降低,电能传输效率有所提高;波特图表明优化后的信号传输电路并未对电能传输造成较大影响,负载处谐波畸变率有所降低。     

基于粒子群优化算法的电力系统稳定器设计

基于单机无穷大系统模型,用粒子群优化算法(PSO)对发电机电力系统稳定器(PSS)进行参数优化,来抑制低频振荡.介绍了基本的粒子群优化算法的原理,并用改进的带约束的粒子群优化算法优化PSS的参数,将PSS的整个设计过程转化为一组参数进行寻优的过程,提高了多参数寻优的效率.用Matlab仿真软件进行仿真,仿真结果表明,利用该方法设计的PSS,它的小信号稳定性有了较大的提高.     

MCR-WPT系统传输特性研究及传输效率优化

以提高磁耦合谐振式无线电能传输(MCR-WPT)系统传输效率为主要目标,同时保证系统不发生频率分裂,对系统多个参数进行优化.利用互感模型分析影响MCR-WPT系统传输效率的因素,确定优化参数.从系统输入阻抗的角度分析系统产生频率分裂现象的原因及抑制方法.利用粒子群优化(PsO)算法对影响系统传输效率的因素进行优化,在抑制系统发生频率分裂的同时使系统传输效率达到最大,得到最优解对应的参数值.通过实验证明该方法有效提高了MCR-WPT系统传输效率,对MCR-WPT系统的参数确定具有一定参考意义.     

干扰因素下无线电能传输频率控制算法研究

为了提高无线电能传输WPT(wireless power transmission)负载端接收功率以及效率,增强传输的稳定性,研究无线电能传输系统过耦合干扰因素下无线电能传输频率控制算法,解决在该种干扰因素下频率分裂引起的传输功率下降问题。采用自适应频率跟踪WPT系统,依据DSP控制DDS(direct digital synthesis)自动调节输出频率,完成无线电能传输频率的自适应跟踪控制。采用改进粒子群优化算法,以进化因子和时间变动为依据进行自适应调整粒子的惯性权重和学习因子,提高粒子寻求最优解的速度和粒子算法的搜索力,获取无线电能传输系统功率和效率的最优值,增强频率跟踪的速度和精度。结合Zigbee,向DSP中植入改进粒子群优化算法,控制无线电能传输系统射频源频率,完成无线电能传输系统功率和效率同步频率跟踪,增强过耦合运行状态下无线电能传输负载端接收功率及效率。实验表明,该控制算法可在临界耦合点前提高无线电能传输系统整体功率,且能提高无线电能传输系统效率,系统发射端频率得到平稳控制,性能得到改善。     

基于粒子群算法的电磁装置优化设计

简要介绍了粒子群的算法及其特点,详细分析了粒子群算法和罚函数法相结合应用于电磁装置优化设计的若干问题。以某型号电磁继电器优化设计为例进行例示。设计结果证明了该算法的有效性。     

运用混合优化算法求解包含离散变量的无功优化问题

利用遗传算法和传统优化方法的互补特性,采用混合优化方法求解包含离散和连续变量的无功优化问题。遗传算法的选择、交叉和变异操作仅作用于离散变量,对种群进行全局广度搜索,运用传统优化方法对种群个体中的连续变量进行优化使其移动到局部最优点上。为保证对连续变量的优化效果,选择了基于函数变换与广义逆的优化新算法。混合优化算法模型简单规范,遗传算法擅长处理离散变量和传统优化方法速度快、数值稳定性好的优势得到发扬。算法实用性和有效性通过算例及工程应用得到验证。     

基于粒子群算法的故障测试集优化

为加速测试进程和减少测试开销,数字集成电路在生成测试矢量后必须进行故障测试集的优化。文中利用粒子群优化算法生成最小完备测试集,根据故障测试集优化问题的具体特点,构造粒子的表达方式和编码规则,建立粒子群的速度一位置模型;同时为提高优化效率,引入混沌优化算法来初始化粒子群。实验结果表明,在测试生成后,该方法能在较短的时间内生成最小完备测试集,验证了它的实用性和有效性。     

基于微粒群优化算法的电力系统动态无功优化

根据系统负荷曲线变化趋势按单调性将一天的预测负荷曲线划分为若干(小于24)个时段，并将动作次数约束还原为经济成本，将它与网损费用等之和作为目标函数，并考虑了各种运行约束条件，采用微粒群优化算法进行计算，该算法收敛速度较快。与静态无功优化模型相比表明，该无功优化模型更适合给定的地区电网，优化后全天的网损略有增大，但变压器抽头调节次数以及电容器组投切次数明显减少。     

混合粒子群算法在PSS参数优化中的应用

通过采用一种新的混合粒子群算法对多机系统的电力系统稳定器(PSS)进行参数优化,以达到更好的低频振荡抑制效果.引入交叉操作的混合粒子群优化算法是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的改进粒子群算法(PSO).用Matlab软件进行仿真,结果表明,该方法设计的PSS稳定性有较大提高.     

采用改进鲸鱼算法的配电网综合优化

为了解决配电网重构与无功优化问题,将线路开关与无功补偿容量同时作为控制变量对配电网进行综合优化.建立以网络损耗、电压改善度、负荷均衡度和开关动作次数为目标的配电网综合优化模型.针对传统鲸鱼算法初始种群分布不均、缺少全局交流、容易陷入局部最优等问题,利用Sobol序列生成分布更均匀的初始鲸群,引入自适应权重调整系数,改进...     

基于动态多种群粒子群算法的无功优化

提出了一种基于动态多种群策略的改进粒子群算法。该算法将传统粒子群优化算法(particle swarm optimization,PSO)中的种群划分成多个子群,每个子群相对独立地朝同一目标进化,仅通过一种轮形结构的弱联系进行交流。在进化过程中各种群不断分裂和聚类重组,动态调整种群规模以更好地适应进化。该算法可以较好地避免PSO算法过快收敛于局部最优解,并且有较快的收敛速度。文中将该算法应用于求解电力系统无功优化问题,并与标准PSO算法的性能进行了对比,仿真计算证明该算法是有效、可行的。     

基于粒子群算法的VSC-HVDC控制参数优化

随着大功率电力电子技术的发展,电压源型直流输电得以实现,为了简化这种新型的直流输电方式控制器设计和提高系统鲁棒性,采用了结合PI控制器的双闭环控制。以两端均为有源网络的电压源型直流输电系统为研究对象,以Matlab/Simulink为研究平台,利用粒子群优化算法,对VSC控制器参数进行了优化。建立直流输电的暂态数学模型,据此分析其控制器结构,选定需要优化的控制参数。将粒子群算法程序与直流输电仿真模型结合进行仿真计算,通过多次迭代得出优化的控制器参数,并与原始参数进行系统性能对比,验证该方法的可行性。     

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。