共查询到20条相似文献,搜索用时 81 毫秒
1.
针对分布式电源在配电网中选址定容问题,以投资综合成本作为优化目标,建立了分布式电源选址定容数学模型。运用改进的粒子群算法对模型求解,IEEE33节点配电网为算例,对分布式电源的安装位置和容量进行优化,将所得到的结果与未改进前的算法进行比较,表明算法具有更好地全局收敛效率和寻优能力。 相似文献
2.
3.
4.
5.
基于自适应变异粒子群算法的分布式电源选址与容量确定 总被引:1,自引:0,他引:1
在不考虑负荷新增节点的情况下进行分布式发电的布点规划,建立了以配电网年运行费用最小为目标的经济模型。模型中针对分布式电源运行费用引入固定安装费用权重因子,更准确地刻画了分布式电源接入后配电网费用的变化。同时,为克服粒子群算法存在的早熟问题,采用自适应变异的粒子群算法(adaptive mutation particle swarm optimization algorithm,AMPSO)对配电网中的DG选址和定容进行了优化。通过对IEEE 33节点配电网测试系统进行分析,验证了上述模型的准确性和求解算法的有效性。 相似文献
6.
7.
针对分布式电源(DG)规划问题,建立配电网网损最小、电压偏差最小、静态电压稳定裕度最大的多目标DG规划模型。采用模糊集理论将多目标优化问题单一化,通过使总体满意度最大化,提升整体性能。同时采用自适应变异粒子群算法(AMPSO)对建立的模型进行求解,在一定程度上克服了基本粒子群算法容易早熟收敛的问题。在IEEE 33节点配电网系统上进行仿真计算,验证了模型和算法的有效性。 相似文献
8.
9.
针对城市电动汽车充电站的定容和选址的问题,从实际情况出发,建立将土地价格、建设成本、运行成本、交通流量、服务距离、服务能力考虑在内的数学模型,该模型以年均综合费用最小为目标,以充电能力,充电距离为约束条件。采用权重自适应调整的混沌量子粒子群算法对北方的某市某区进行规划,该算法在迭代过程中会根据粒子不同的适应值,对惯性权重做出相应的调整,从而调整对粒子的搜索能力。利用混沌算子的遍历性,使得该算法具有很好的收敛速度和精度。利用该算法对所建立的数学模型进行求解,经过进一步的筛选,确定了该地区充电站的建址坐标、容量和费用。 相似文献
10.
针对粒子群无功优化中由于随机生成代表控制变量值的粒子,使得在优化迭代过程中易陷入局部最优解,而且后期收敛速度慢等问题,将混沌优化算法融合到粒子群算法中,提出了混沌粒子群算法求解多目标无功优化问题。该算法在初始化粒子即无功优化控制变量值时,采用混沌思想,增加控制变量取值的多样性;通过粒子群无功优化算法计算各个粒子对应的适应值即无功优化目标函数值,并按照其大小择优选取控制变量值进行混沌优化以帮助无功优化控制变量跳出局部极值区域;并根据无功优化目标函数值自适应地调整其惯性权重系数以提高全局与局部搜索能力。通过算例分析表明,采用自适应混沌粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快。 相似文献
11.
通过归一化处理和权系数选取,将以网络损耗最小、节点电压平均偏差最小、静态电压稳定裕度最大和总投资成本最小为目标的多目标分布式发电(distributedgeneration,DG)规划模型转化为单一目标。采用改进粒子群4~g415(improvedparticleswarmoptimization,IPSO)算法进行DG规划的优化计算,为避免陷入局部最优,对惯性权重进行非线性的自适应调整,并在计算过程中引入速度变异算子和位置交叉算子,较好地克服了计算后期易陷入局部收敛的问题。将IPSO算法应用于69节点配电网测试系统,仿真结果验证了IPSO算法是有效和可行的。 相似文献
12.
随着对电力系统安全运行的要求越来越高,对变压器局部放电定位的研究也就愈发重要,将智能算法引入变压器局部放电定位中是很有效的途径。提出自适应粒子群算法对变压器局部放电定位,通过实验验证分析,此算法具有精度高,收敛速度快,避免收敛早熟等优点。 相似文献
13.
14.
Particle Swarm Optimization with Adaptive Mutation 总被引:3,自引:0,他引:3
Lu Zhen-su Hou Zhi-rong Du Juan 《Frontiers of Electrical and Electronic Engineering in China》2006,1(1):99-104
A new adaptive mutation particle swarm optimizer, which is based on the variance of the population’s fitness, is presented
in this paper. During the running time, the mutation probability for the current best particle is determined by two factors:
the variance of the population’s fitness and the current optimal solution. The ability of particle swarm optimization (PSO)
algorithm to break away from the local optimum is greatly improved by the mutation. The experimental results show that the
new algorithm not only has great advantage of convergence property over genetic algorithm and PSO, but can also avoid the
premature convergence problem effectively.
Translated from “Particle Swarm Optimization with Adaptive Mutation” published in Acta Electronica Sinica, 2004, 32(3): 416–420 (in Chinese) 相似文献
15.
16.
当智能配电网发生电能质量扰动时,由于网络结构、高斯噪声和监测误差等因素常存在扰动方向误判问题,而现有电能质量扰动源定位方法对此定位准确度低。由此提出一种计及监测可信度的扰动源定位粒子群算法。设计了一种监测可信度函数构建方法,来表征扰动方向判定的准确程度,创新性地建立了粒子群可信度优化模型,提出了独创的评价函数,通过粒子群迭代进行全局寻最优解。通过Matlab仿真表明,所提新算法实现了在部分监测数据有误情况下的扰动源自动精确定位,并具有定位准确、收敛性好和容错率高等优点。 相似文献
17.
电力系统经济负荷分配的混沌粒子群优化算法 总被引:2,自引:1,他引:1
提出一种新的混沌粒子群优化(CPSO)算法,将其用于求解复杂的电力系统经济负荷分配(ELD)问题。该算法保持了粒子群优化(PSO)的简单结构,先利用PSO算法的全局收敛能力进行搜索,以获得近似解(即粒子经过的最佳位置),然后利用混沌优化的混沌运动特性在近似解的邻域内进行局部搜索,从而获得精确的全局最优解。多个算例的仿真结果表明,该算法能快速有效求取电力系统ELD问题更精确的最优解。 相似文献
18.
离散粒子群优化算法在变电站选址中的应用 总被引:8,自引:0,他引:8
将离散粒子群优化算法引入变电站选址优化规划问题的求解,并构造矩阵作为离散解值集来表示变电站选址问题的解,同时构造速度矩阵作为离散速度值集表示粒子的速度值,使PSO算法合理地应用于变电站选址问题。并通过算例,验证了算法的有效性。 相似文献
19.
针对配电网中分布式电源(distributed generation,DG)的选址和定容问题,在研究标准粒子群优化算法的基础上建立有功网损和DG运行费用最小的目标函数。考虑运行中的约束条件,利用旋转门更新的量子粒子群算法(quantum particle swarm optimization,QPSO)分析DG接入位置、容量不确定的情况下将目标函数和约束条件转换为综合目标函数,并求得最优解。对IEEE14节点配电测试系统进行算例仿真,比较仿真结果与粒子群算法优化结果,验证了QPSO在分布式电源规划上的收敛性和适应性。 相似文献