基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化。     

风-光-水联合发电系统优化调度研究

为使风-光-水联合发电系统达到经济效益最大化优化调度且平抑功率波动的目的,以功率波动最小为目标的函数引入到经济效益最大化模型中,针对粒子群算法在进化过程中易早熟、后期收敛速度慢且精度较低的特点,提出一种动态调整学习因子的免疫粒子群算法。该算法对学习因子进行非对称线性动态调整,增强前期的全局搜索能力以及后期的局部搜索能力,快速得到全局最优解。该算法在该多目标联合优化调度系统的求解中搜索精度显著提高,表明模型和算法的有效性。     

基于改进蚁狮优化算法的太阳电池模型参数辨识

提出一种改进蚁狮优化算法,引入混沌序列进行初始值的分配,增强种群的均匀性和遍历性;在个体更新部分引入粒子群算法的思想,分别以当前的最优个体与全局最优个体为目标进行计算,同时提高算法的局部和全局搜索能力;参考当前最优个体位移进行动态空间收缩,可有效减小个体的搜索范围,缩短寻优时间。与粒子群算法、蝙蝠和原蚁狮算法进行仿真对比并应用到太阳电池模型参数辨识中,验证其有效性。     

基于动态调整学习因子的免疫粒子群算法及其应用

为了使风光水联合发电系统达到经济效益最大化优化调度的目的,针对粒子群算法在进化过程中易早熟、后期收敛速度慢并且精度较低的特点,提出一种动态调整学习因子的免疫粒子群算法.该算法对学习因子进行非对称线性动态调整,增强前期的全局搜索能力,以及后期的局部搜索能力,快速得到全局最优解.该算法在文中联合系统的求解中得到很好的应用,显著提高了搜索精度,表明了模型和算法的有效性.     

关于改进粒子群算法在输电网规划中的应用研究

针对标准粒子群算法在迭代过程中容易陷入局部最优而过早收敛的缺陷,对算法的粒子速度更新公式做了如下改进:首先将更新公式中惯性权值的线性递减策略改为非线性动态递减策略,更好的平衡粒子群算法全局搜索和局部搜索的性能;其次在更新公式中引入了所有粒子个体极值的平均值,使得粒子能够利用更多的参考信息来调整自己的搜索速度.在输电网扩展规划中的应用结果表明,上述两个改进可以有效改善粒子群算法的收敛特性,最终使算法找到全局最优解,从而证明了该改进粒子群算法具有一定的可行性和有效性.     

基于改进粒子群优化算法的边坡稳定性分析

针对标准粒子群算法存在收敛精度低、易陷入局部最优的缺点,提出了基于混沌与变异的改进粒子群优化算法(CVPSO),将其应用于边坡滑裂面搜索,研制了边坡稳定分析程序CVPSO-LEM2D。采用改进粒子群算法对澳大利亚计算机应用协会(ACADS)边坡算例进行计算分析,结果表明改进粒子群算法的全局最优搜索能力与收敛精度得到了较大提高,计算结果与ACADS推荐的裁判答案基本一致,验证了算法的有效性。最后,将CVPSO-LEM2D应用于两河口泄水建筑物进口边坡稳定性分析,验证了方法的可行性,为类似工程提供了参考和借鉴。     

基于PSO-RBF神经网络的微电网等效建模

提出一种改进粒子群优化的RBF神经网络微电网动态等效模型及建模方法,利用RBF人工神经网络的非线性映射特性解决微电网系统并网接入的等效建模问题。基于微电网公共接入点(PCC)的电压、电流、功率等量测数据构建RBF神经网络等效模型,将接入点电压和电流分别作为神经网络的输入和输出,使神经网络的输入输出更具独立性。将混沌优化的全局遍历性引入粒子群优化算法中,构建基于全局最优解的变邻域混沌搜索提高粒子群算法的全局搜索能力,利用改进粒子群算法优化RBF神经网络模型参数提高模型计算精度。最后通过微电网并网仿真实验验证本文提出等效模型的准确性和建模方法的合理性。     

PSO用于优化换热网络时对全局搜索能力的研究

将PSO(粒子群算法)应用于优化换热网络时,能够快速找到一个全局搜索的最优区域,但同时也会出现局部极值问题。这些问题是由于全局搜索能力的退化和算法的早熟收敛所致。本研究针对该退化现象的机理进行了深入分析,找到了粒子群算法早熟收敛的本质,提出了一种强制跳出的改进策略,通过激活陷入局部极值的粒子,恢复种群多样性并继续搜索全局最优解。算例证明,改进后的粒子群算法的搜索策略适用于换热网络连续变量优化,应用于文献[16]10SP2算例,得到的年综合费用较文献[14]下降了205$/a;应用于文献[18]8SP1算例,得到了目前最小的费用30 793$/a。改进的PSO较标准PSO和文化基因PSO优化后的费用均有所下降。     

基于改进粒子群优化算法的边坡稳定性分析

针对标准粒子群算法存在收敛精度低、易陷入局部最优的缺点,提出了基于混沌与变异的改进粒子群优化算法（CVPSO）,将其应用于边坡滑裂面搜索,研制了边坡稳定分析程序CVPSO LEM2D。采用改进粒子群算法对澳大利亚计算机应用协会（ACADS）边坡算例进行计算分析,结果表明改进粒子群算法的全局最优搜索能力与收敛精度得到了较大提高,计算结果与ACADS推荐的裁判答案基本一致,验证了算法的有效性。最后,将CVPSO LEM2D应用于两河口泄水建筑物进口边坡稳定性分析,验证了方法的可行性,为类似工程提供了参考和借鉴。     

基于改进PSO算法的微能源网优化配置研究

微能源网优化配置的求解算法存在易陷入局部搜索和收敛速度低两大缺陷,如何同时解决这两个缺陷是一直以来的研究难点。针对这一问题,提出了基于时变压缩因子和自适应变异的改进粒子群算法。针对经济优化配置,建立了包括多种分布式设备的微能源网架构模型和以年经济成本最低为目标,计及可靠性并含多种约束的优化配置模型。最后,结合具体算例,将改进粒子群算法运用于模型中,得到各分布式设备的配置方案和最优年经济成本,对比验证改进粒子群算法性能。实验结果表明：改进粒子群算法较好地提高了算法的收敛速度和全局收敛能力;微能源网优化配置模型实现了低经济性和高可靠性的有效结合。     

基于禁忌粒子群的多能源热电联供优化方法研究

为了对混合能源热电联供系统的多目标优化进行求解,采用模糊几何加权将多目标问题转化为单目标问题,充分考虑到混合能源热电联供系统优化算法存在的计算冗余量大、时间长等问题,提出将禁忌粒子群算法应用于混合能源热电联供系统优化求解。通过构造优化过程的禁忌表,阻止搜索过程中出现循环和避免陷入局部最优,进而提高算法的收敛速度和收敛精度。最后以运行费用、环境惩罚费用为子目标函数进行仿真计算,仿真结果表明该算法不仅能够获得最优解,而且大大降低优化求解时间,提高搜索速度。     

基于自适应变异粒子群算法的光伏MPPT控制研究

针对局部遮阴(PSC)时,光伏阵列输出P-U曲线出现多峰值现象,传统最大功率点追踪(MPPT)算法易陷入局部最优解,无法追踪到全局最优解的问题,该文提出基于自适应变异粒子群算法的光伏MPPT控制方法.在粒子群算法寻优过程中同步调整学习因子与惯性权重,以提高算法收敛速度与精度,同时引入变异机制以扩大粒子搜索范围,增强算法...     

基于SA-PSO混合优化算法的燃气轮机气路故障诊断方法研究

为了对燃气轮机进行有效的气路状态监测和故障诊断,提出一种基于模拟退火与粒子群混合优化的燃气轮机气路故障诊断新方法。采用快速模拟退火算法设计粒子生成器,用生成的初始粒子群进行全局的粗糙搜索,再利用粒子群算法对特定区域进行重点搜索,最终获得精确解。该方法结合了遗传算法的全局搜索能力和粒子群优化算法的高效率,比原始的粒子群优化算法迭代次数更少,可减少50%的诊断时间。此方法对单部件的诊断精度可达到0.1%,多部件的诊断精度可达到1%。     

考虑尾流效应的风电场输出功率优化

针对尾流效应对风电场输出功率造成的损失,文章提出了一种基于改进Jensen模型的优化方法。基于激光雷达实验数据验证了改进Jensen模型的有效性,并建立了多机组尾流叠加模型。对考虑尾流效应的风电场输出功率优化可行性进行分析,建立了风电场输出功率模型。针对标准粒子群算法过早收敛、易局部最优的缺陷进行了改进,在其迭代方程中加入二阶振荡环节,增加了粒子的多样性,提高了算法的全局搜索能力,同时保证了算法的运行速度;引入模拟退火操作,增强了算法的局部搜索能力。建立了风电场输出功率最大化优化模型,以轴向诱导因子为优化参数,利用改进粒子群算法对山西省某风电场模型进行了仿真分析。结果表明：当入流风速分别为8 m/s和12 m/s时,经改进粒子群算法优化之后,风电场输出功率分别提高了6.26%和4.59%;改进粒子群算法改善了标准粒子群算法存在的过早收敛、易局部最优的缺陷。     

考虑旋转备用约束的含风电场电力系统优化调度模型

文章建立电场电力系统优化调度模型,该模型考虑了风电功率预测误差的情况下,系统旋转备用容量满足负荷及风电波动的需求。模型中涉及火电机组、风电场的发电成本以及火电机组环境污染惩罚费用,并提出基于时变加速度的随机黑洞粒子群算法对模型进行求解,时变加速度增强了算法早期全局搜索能力,并保证迭代后期收敛到全局最优,同时黑洞原理避免了算法收敛早熟,陷入局部最优解。最后对含一个风电场的10机系统算例建模仿真,从而验证模型以及算法的合理性和有效性。     

基于粒子群混合算法的风力发电机齿轮箱故障诊断

针对传统方法在风力发电机齿轮箱故障诊断中存在精度不高的问题,引入了一种改进粒子群算法优化神经网络的方法。该算法的惯性权重可进行自适应调整,以平衡全局和局部搜索能力。同时,收缩因子可加快算法的收敛速度,以更快收敛到全局最优。仿真结果表明,该方法能较好地识别故障模式,具有一定的实用性。     

粒子群算法惯性权重策略对参数反分析优化性能的影响

以某混凝土重力坝挡水坝段为例,针对惯性权重为粒子群算法中平衡全局搜索能力和局部搜索能力的关键参数,分析了不同的惯性权重策略影响粒子群算法在材料参数反分析领域的优化性能,并比较了四种惯性权重策略。结果表明,线性微分递减惯性权重策略最优,可使材料参数反分析过程收敛速度更快、稳定性更强。     

基于改进粒子群算法的机组负荷优化分配

针对标准粒子群算法存在容易早熟收敛的问题,在分析机组负荷优化问题的基础上,提出了一种基于解约束机制、边界反弹规则、高斯分布序列和混沌序列的改进粒子群算法。算法采用解约束机制和边界反弹规则处理优化问题的约束条件,同时在粒子移动过程中引入了高斯分布序列和混沌序列,从而克服了算法过早收敛的缺陷,提高了算法的全局优化能力。实例计算结果表明,该算法具有稳定的全局优化能力,为机组负荷优化分配问题的求解提供了新的方法。     

基于改进粒子群算法的火储联合调频优化储能控制策略研究

为了解决火储联合调频协同控制效果与储能系统成本回收的问题,提出一种改进粒子群算法的储能优化控制策略,通过引入自适应权重调整全局搜索方向,并解决储能电荷状态与出力状态的耦合性问题,建立火储联合调频综合性能指标进行储能控制策略研究。案例仿真结果表明：本文所提算法比传统算法在收敛效果方面具有明显优越性,避免了局部最优解问题;当储能系统电荷状态设置在57.5%和42.5%时,提高了机组调频响应效果,延长了储能设备的使用寿命。     

求解水火电力系统短期发电计划的粒子群优化算法研究

提出求解水火电力系统短期发电计划的新方法——粒子群优化算法。实例研究表明，该方法优化能力高于遗传算法和进化规划。同时对全局搜索粒子群优化算法和局部搜索粒子群优化算法在求解水火电力系统短期发电计划时的动态收敛特性和计算效率等进行了对比研究，结果显示．局部搜索粒子群优化算法更适合求解水火电力系统短期发电计划的复杂问题。