多策略改进海鸥算法及其在光伏MPPT中的应用

针对在局部阴影情况下传统光伏系统最大功率跟踪方法跟踪精度较低且易陷入局部最优的问题,提出一种基于多策略改进海鸥算法的最大功率点跟踪控制方法。首先,通过改进原始海鸥算法的收敛因子,平衡算法的全局及局部寻优能力;其次,引入自学习环节和反向学习策略,增大海鸥的覆盖空间和加强海鸥种群的多样性,使算法能够有效地摆脱局部极值,精确地跟踪到全局最大功率点。通过仿真结果证明,所提出的控制方法在精度和稳定性方面有一定的优势,且光伏系统的输出效率也得到了有效的提高。     

改进差分进化算法优化多值属性系统诊断策略

测试序列优化问题是故障诊断过程中的关键性问题;针对多值属性系统的测试序列优化问题,采用自适应差分进化算法,结合多值属性系统的特点,分析变异算子在算法中的作用,并设计了个体的编码策略以及两种不同的诊断方式,提出一种将高斯,柯西变异算子与多差分策略进行融合的差分进化算法;通过实验对比分析,结果表明该算法不仅可以很好的应用于多值属性系统,而且在处理二值属性系统的测试序列优化问题时,与已有算法相比,该算法得到的测试点数目更少,期望测试代价更低,可用于多值属性系统求解诊断策略问题。     

基于精英差分变异的改进蜜獾算法

针对标准蜜獾算法(HBA)易陷入局部最优、搜索精度低、收敛速度较慢等问题,提出基于精英差分变异的蜜獾算法(EDVHBA)。将标准HBA中的两种寻优策略所搜寻到的精英解,进行组合差分变异以产生新的精英解,利用3个精英解协同指导种群下一轮迭代,可以增加算法解的多样性,防止算法陷入过早收敛;同时改进非线性密度因子和引入新的位置更新策略,提升算法的收敛速度和寻优精度。为验证算法的改进效果和性能,对8个经典测试函数进行仿真实验,实验结果表明：与其他群智能算法和改进的HBA相比,EDVHBA在单峰函数中都能搜寻到最优值0,在多峰函数中迭代50次左右就可以收敛到理想最优值,验证了EDVHBA具有更好的寻优性能。     

基于改进鸡群算法的无功优化综合分析

针对鸡群算法在处理高维问题时易陷入局部最优、致使算法稳定性降低,对其进行改进并应用到配网的无功优化中.引入反向学习对种群初始化进行改进,加强算法的收敛速度;引入柯西变异来加强母鸡跳出局部最优的能力;同时,使用学习因子,使小鸡也会向公鸡学习,避免陷入早熟.建立以有功网损最小为优化目标,采用改进的鸡群算法进行求解.上述改进...     

基于改进鲸鱼算法的混合储能系统容量优化配置

针对微电网中使用可再生能源的高随机性和间歇性等特征,提出了一种混合储能系统容量优化配置方法。该方法以混合储能系统成本最低、平抑可再生能源功率波动效果最优与电网联络线利用率最高为目标,通过建立混合储能容量优化配置模型并采用改进鲸鱼优化算法对所建立的模型进行求解得到最优混合储能系统容量优化配置。最终对比传统鲸鱼优化算法和传统粒子群算法来验证改进鲸鱼算法可以更合理地配置混合储能系统的容量,使可再生能源功率波动的平抑效果提高,同时也使微网联络线利用率变高,保证微电网可靠、经济地运行,进而实现资源的合理利用。     

基于混合麻雀算法改进反向传播神经网络的短期光伏功率预测

精准地预测短期光伏发电功率,是提高光伏电站运行效率、保障光伏并网后安全稳定运行的关键。因此,提出了一种基于精英反向学习策略并结合Metropolis准则的混合麻雀搜索算法(hybrid sparrow search algorithm, HSSA)改进反向传播神经网络(back propagation neural network, BPNN)的预测模型。首先采用皮尔逊相关系数公式选择与光伏输出相关性最好的气象特征集作为模型的输入,避免冗余的气象因子影响光伏输出。再利用欧式距离公式计算时序相似度来选取训练集,以提高训练集的可靠性。最后,使用HSSA-BPNN的权阈值建立预测模型,并利用新疆某光伏电站的实际数据进行实验分析。分析结果表明,与BPNN、粒子群算法(particle swarm algorithm, PSA)-BPNN、麻雀搜索算法(sparrow search algorithm, SSA)-BPNN相比,混合麻雀搜索算法(hybrid sparrow search algorithm, HSSA)-BPNN模型具有良好的适应性、较好的预测性能。     

基于改进粒子群算法的海洋IPT系统参数优化

首先建立了海洋环境下感应电能传输(IPT)系统能量模型和优化模型,在满足系统传输功率的基础上,以传输效率最优为优化指标,提出一种基于改进粒子群优化(IPSO)算法的IPT系统参数优化方法.该算法在标准粒子群优化(PSO)算法基础上,通过引入约束因子和惯性权重线性增大,实现算法的快速收敛,提高了搜索效率.仿真和实验表明,...     

一种文化鱼群算法及其在电机参数辨识中的应用

针对基本鱼群算法盲目搜索的问题,提出一种新的基于知识的带变异算子的人工鱼群算法。利用文化算法的框架,将鱼群算法嵌入到种群空间当中,构造适用于文化鱼群算法的新的影响函数。同时应用信念空间中的规范知识和情境知识通过影响函数指导人工鱼群算法中的进化步长和方向。通过高维多峰函数检验新算法的性能,最后将新算法应用于一台内置有执行器的鼠笼电机系统的参数辨识问题,得到了参数化的执行器-转子模型。仿真结果表明新算法与基本鱼群算法相比性能显著提高,并且能够有效地解决工程优化问题。     

基于改进蝴蝶算法的冷热电联供微网日前优化调度研究

冷热电联供型微网对实现能源可再生发展和构建低碳社会有着重要意义,针对内部设备种类众多和复杂的能量耦合关系带来的系统经济性变差的问题,本文提出了一种基于经济性最优的调度策略.首先建立了包含可再生能源、储能设备、微型燃气轮机和吸收式制冷机的冷热电联供微网模型,充分考虑了分时电价对系统运行的影响,以系统运行成本为目标函数,构...     

基于精英反向学习和Lévy飞行的鲸鱼优化算法

针对鲸鱼优化算法在优化复杂工程时易陷入局部最优、收敛精度低等问题,提出一种基于精英反向学习和L6vy飞行的鲸鱼优化算法(ELWOA),该算法首先通过精英反向学习优化初始化种群,提高种群的多样性;然后增加自适应权重因子,有利于平衡算法的全局和局部搜索能力;最后将L6vy飞行策略应用到鲸鱼优化算法,在最优位置附近进行小范围...     

基于改进粒子群算法的配电网多目标优化控制

随着光伏机组大量接入配电网,需要在增加间歇性可再生能源使用的同时,保持电力系统的电压稳定。储能技术的快速发展允许部署储能系统来支持电压调节。为了在光伏储能优化出力系统中达到网络损耗和调压措施成双优化的目的,提出了一种改进的Pareto档案粒子群多目标优化算法。在非支配排序环节计算拥挤距离时,加入小生境技术,避免陷入局部最优同时,增加Pareto解集分布的多样性。基于IEEE 30配电网系统测试了所提出的PV-ESS（photovoltaic-energy-storage-system）优化方法。结果证明,该算法对抑制光波动、提高电压稳定性以及降低网损有着良好的表现,进而维护系统运行的稳定性,降低电力行业经济成本。     

混合蛙跳算法的改进及其在无功优化中的应用

为了提高电网电压质量,最大限度地发挥出电力设备的经济效益,减少电力线路上的有功功率损耗,应用人工智能算法-混合蛙跳算法(shuffled frog leaping algorithm,SFLA)对电力系统的发电机端电压、变压器的抽头位置和无功补偿器的补偿容量等控制变量进行控制,从而达到减少电力系统有功功率损耗的目的。SFLA是一种新兴的群智能搜索算法,该算法具有定义简单、参数设置少、寻优能力强、收敛速度快等优点。应用该算法对控制变量进行迭代计算和编写电力系统潮流计算程序,计算出系统最小网损及其对应的控制变量值。针对算法的一些不足进行改进,最后将改进前后的算法应用在IEEE-30与IEEE-57节点系统中,并与其他人工智能算法优化结果相比较,数据显示,混合蛙跳算法收敛性较好,而且速度快。说明了其在电力系统无功优化上的优越性以及改进算法的正确性与优良性。     

带变异算子的PSO算法在配电网状态估计中的应用

根据配电网中的一些设备如分布式发电机的非线性特性和配电网的量测配置特点,并结合粒子群优化(PSO)算法的特点,提出了采用带变异算子的PSO算法进行配电网状态估计。该算法解决了配电网状态估计中的非线性特性,算法中引入变异算子,增强了全局搜索能力,克服了基本PSO算法容易陷入局部最优点的缺点,而且收敛速度和精度都很理想。算例证实了算法的有效性,通过和基本粒子群算法比较显示其优越性。     

基于改进粒子群优化算法的负荷分配方法研究

针对多目标粒子群优化算法求解负荷优化分配问题时所出现的最优解分布不均,局部最优等问题,引入了精英交叉算子并基于拥挤度对非劣解集进行排序,给出了精确计及网损时的机组出力等式不等式约束处理方法。最后在有无网损两种情况下针对3机组系统进行负荷优化分配。仿真结果表明改进后的粒子群优化算法寻优能力得到提升,同样利用模糊隶属度函数筛选Pareto解集得到的结果明显优于常规粒子群优化算法,有效降低了发电成本及污染物排放,且求解结果严格满足约束条件。     

基于改进鱼群算法与最小二乘支持向量机的短期负荷预测

在电力系统中,无论是正常运行时的调度工作还是故障修复时的孤岛划分,都需要准确的负荷数据,因此电力负荷准确的短期预测工作十分重要。本文运用最小二乘支持向量机进行预测:首先,对人工鱼群算法通过视野和步长自适应设定以及引入精英反向学习机制进行改进,使其计算更加具有优越性;其次,利用改进的人工鱼群算法对广泛应用于负荷预测的最小二乘支持向量机进行改进(主要针对其核宽度系数与正则化参数);最后,运用参数改进后的最小二乘支持向量机对IEEE 33节点系统进行短期负荷预测。实例表明了此方法的工程实用性。     

决策空间自组织多模态多目标鲸鱼优化算法研究

针对当前多模态多目标优化算法在获得Pareto解集的完整性、收敛性方面的不足,提出了一种决策空间自组织多模态多目标鲸鱼优化算法(MMO＿SOM＿WOA)。首先将鲸鱼优化算法首次用于求解多模态多目标问题,通过鲸鱼优化算法本身的随机性提高寻找Pareto解集完整性的能力。其次将自组织映射网络与鲸鱼优化算法相结合,迭代开始时为鲸鱼优化算法建立良好的邻域。最后使用精英反向学习策略初始化种群和非支配排序机制获得均匀且完整的解。通过与当前5种经典算法在多模态多目标优化问题上进行仿真对比,结果表明MMO＿SOM＿WOA算法兼顾Pareto解集的多样性和Pareto解的完整性,收敛速度和收敛精度均得到提升具有较高的性能,有效解决多模态多目标优化问题。     

基于近端策略优化算法的电化学/氢混合储能系统双层配置及运行优化

针对电化学储能和氢储能的互补特性,提出了一种包含电化学和氢储能的混合储能系统配置和运行的综合优化模型,并提出了智能算法进行求解。该模型基于双层决策优化问题,将混合储能系统配置及运行2个不同时间维度的问题分上下层进行综合求解,并考虑了两者间的相互影响,采用强化学习近端策略优化(proximal policy optimization,PPO)算法求解该双层优化模型。以甘肃省某地区的风光数据,通过对比应用多种传统算法求解结果,验证了所用算法在复杂环境下适应度最高且收敛速度最快。研究结果表明,应用该模型最大可降低24%的弃风、弃光率,有效提升系统综合效益。氢储能作为容量型储能配置不受地形因素限制,适用于多样的应用场景,从而为氢储能这一新型储能形态在全国的广泛配置提供了应用示范。     

基于近端策略优化算法的电化学/氢混合储能系统双层配置及运行优化

针对电化学储能和氢储能的互补特性,提出了一种包含电化学和氢储能的混合储能系统配置和运行的综合优化模型,并提出了智能算法进行求解。该模型基于双层决策优化问题,将混合储能系统配置及运行2个不同时间维度的问题分上下层进行综合求解,并考虑了两者间的相互影响,采用强化学习近端策略优化(proximal policy optimization,PPO)算法求解该双层优化模型。以甘肃省某地区的风光数据,通过对比应用多种传统算法求解结果,验证了所用算法在复杂环境下适应度最高且收敛速度最快。研究结果表明,应用该模型最大可降低24%的弃风、弃光率,有效提升系统综合效益。氢储能作为容量型储能配置不受地形因素限制,适用于多样的应用场景,从而为氢储能这一新型储能形态在全国的广泛配置提供了应用示范。     

基于IronPython语言的牛顿迭代算法及其工程应用

本文将牛顿迭代算法应用于仿真优化设计中,提出了一种基于IronPython寻根的闭环算法,并在Ansys Workbench平台以某容器内气流混合过程为例,验证了该算法的可行性和实施效果。该方法能够找到输出特性结果性能参数所对应的输入参数设计点,实现了CAE仿真平台上的“数学求根”,即由既定的输出性能结果参数寻找对应的输入参数设计点。该方法能够快速地实现寻优,提高了工程优化设计的效率,缩短了优化工作的周期,开创了新的设计思路,对现代科技研发具有一定的参考价值。     

基于改进粒子群算法的配电网分布式电源规划策略

针对既有配电网架结构下的分布式电源选址与定容问题,提出了一种抑制局部最优的带惯性权重的粒子群优化算法(PSO),在算法搜索过程中通过引入变异算子和偏移算子,根据适应度标准差及当前最优适应度值,确定目前部分粒子的畸变程度,摆脱了寻优过程中局部最小点的束缚,改善了多目标优化的非线性准确度。同时改进了PSO中对于速度和位置的更新方法和终止判据,提高了算法的收敛特性。通过IEEE-33节点配电网和延边配电网算例表明,改进的粒子群算法能够有效地寻找到全局最优解并且具有良好的收敛特性。