基于改进粒子群算法的H∞次优控制在PEMFC混合发电系统中的应用

为了改善粒子群算法(PSO)的全局搜索能力,通过提高平衡点多样性提出一种改进粒子群算法(MPSO).结合H∞次优控制方法,将加权函数的选取转化成优化问题,并将该方法应用于质子交换膜燃料电池(PEMFC)混合发电系统的过氧比(OER)控制.动态仿真结果证明,在大负载电流变化、参数摄动、环境干扰和量测噪声影响下该方法能够维持系统OER在最优值附近,保证了系统的稳定运行.同时与其他控制方法比较,证明该方法具有较好的抗扰性和鲁棒稳定性.     

基于H∞鲁棒控制的质子交换膜燃料电池空气供应系统设计

自适应聚焦粒子群算法是根据粒子群优化(particle swarm optimization,PSO)算法的全局搜索与局部搜索平衡特性,改进得到的一种具有较好全局搜索能力和寻优速度的自适应群体智能优化算法。为实现对质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)空气供应系统的控制,建立空气供应系统机理模型,并采用多目标自适应聚焦粒子群(adaptive focusing particle swarm optimization,AFPSO)算法提出H∞鲁棒控制方法。仿真结果证明该H￥鲁棒控制方法能够实现对PEMFC空气供应系统的控制,在模拟电动车行驶过程时可使系统稳定运行,并与其它控制方法比较,证明该H￥鲁棒控制方法具有明显的优越性和有效性,对PEMFC实时控制系统的研究有重要的指导作用。     

基于粒子群算法的DG计算机监控系统的研发

分布式电源(DG)是一个复杂的系统。提出了一种基于粒子群算法的DG电源计算机监控系统。该系统从分析粒子群算法学习模式的构造及关键要素出发,将群智能寻解与实际分布式电源监控相结合,从而构建出基于改进的PSO算法的分布式电网故障定位算法及调度方法。仿真证明该算法简单、实用,在一定程度上能够实现故障点的迅速查找,有利于提高分布式电源的可靠性和安全性     

基于最优值临近搜索的灾变粒子群算法在无功优化中的应用

粒子群算法在电力系统无功优化中容易出现局部收敛和早熟的现象,对传统粒子群算法进行了改进。改进算法对当前全局最优粒子进行临近搜索（NSGOP-PSO）,加快了粒子群的搜索速度和搜索精度。并加入了仿生进化算法中的灾变算法（NSGOP-CPSO）,按一定规律对群体全部粒子或部分粒子施行灾变,用于解决粒子群算法中的不收敛和早熟现象的问题。对该算法的作用原理进行了细致的分析和说明,并以IEEE-30节点系统的仿真图形及统计数据说明了该改进粒子群算法是有效的。     

改进粒子群算法求解水火电系统短期负荷分配问题

粒子群优化（PSO）算法是一种基于群体智能的启发式搜索方法，应用领域很广。文中将PSO算法用于求解水火电系统短期负荷的经济分配，属于高维、强约束工程问题。分析了算法参数设置对解的影响，发现算法的局部开发能力和粒子的多样性是影响解的优劣的关键因素;提出多子群辅助的PSO算法，兼顾了对解空间的全局搜索和局部开发。实际算例证明，改进的算法是有效的。     

基于反向云自适应粒子群算法的多目标无功优化

针对粒子群算法在高维复杂问题寻优时易陷入局部寻优的现象,提出了反向云自适应粒子群算法(OCAPSO),通过反向学习加快算法的收敛速度,使用云模型来平衡粒子的全部搜索和局部搜索能力,使用自适应突变机制增强种群的多样性。用高维广义Schwarz函数对OCAPSO的有效性进行验证,进一步以IEEE30节点系统进行单目标和多目标无功优化测试并将测试结果与粒子群优化（PSO）,进化算法（EA）等测试结果进行比较,证实了该算法的优越性。分析表明,OCAPSO算法用于解决多目标无功优化问题有效可行。     

基于改进型PSO算法的过热汽温PID参数优化

通过采用改进的粒子群优化（PSO）算法对锅炉过热汽温中的PID参数进行优化,分析了传统过热汽温控制方案的不足,提高了整个系统的鲁棒性。其应用使过热汽温得到了良好的控制,且提高了经济运行效益,同时也说明了改进的粒子群算法寻优简单,能够使控制系统获得较好的动态特性和很强的鲁棒性,易于并行化。仿真结果表明,该算法是一种效率很高的寻优方法,是PID参数优化的理想方法。     

基于蜜蜂进化型粒子群算法的电力系统无功优化

为了提高电能质量,降低网损,采用蜜蜂进化机制与粒子群算法相结合的蜜蜂进化型粒子群算法（Bee Evolution Modifying Particle Swarm Optimization, BEMPSO）,对电力系统的无功优化问题进行求解。改进后的算法能够克服传统粒子群算法的收敛精度低,易陷入局部最优解的缺点。应用改进算法对IEEE6、30节点标准电网进行无功优化计算,并与其它优化算法相比较,结果证明BEMPSO算法具有较好的全局寻优能力,验证了该算法的正确性和有效性。     

基于改进粒子群算法的电力系统无功优化研究

阐述了一种改进粒子群的无功优化方法.粒子群优化(PSO)算法是进化计算领域中的一个新的分支,其源于对鸟群和鱼群群体运动行为的研究.针对粒子群优化容易陷入局部极值点的问题,文章提出混沌粒子群算法,该算法可以较好地避免PSO算法过快收敛于局部最优解,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.     

基于粒子群优化自适应反推光伏并网逆变器控制研究

常规反推控制存在控制子系统转换复杂和控制噪声的问题,而且在系统存在外部扰动和参数摄动的情形下,需要详细的控制系统信息和增加额外的补偿控制。针对这个问题,提出一种基于粒子群优化自适应反推控制的光伏并网逆变器控制方法。首先基于瞬时功率和空间矢量理论,建立包含电网和并网逆变器参数摄动和外部扰动的动态数学模型。然后,设计粒子群优化算法直接逼近反推控制的控制量,省掉子系统转换和非线性补偿环节,简化了控制系统结构。最后,根据李雅普诺夫(Liyapunov)稳定性分析,求解自适应律,并在线调整粒子群优化算法进化参数。实验结果证明该方法的有效性和鲁棒性。     

禁忌搜索–粒子群算法在无功优化中的应用

禁忌搜索粒子群算法是针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,将禁忌搜索思想融入到粒子群算法中的混合算法,并将该算法应用到电力系统无功优化中。该方法在粒子群算法寻优过程的后期加入了禁忌表,扩大搜索空间,避免陷入局部最优。通过对IEEE 30节点测试系统和鸡西电网进行仿真计算,并与其他算法进行比较,结果表明该算法能取得更好的全局最优解,既加快了收敛速度,又提高了收敛精度。     

基于鲸鱼群算法的交直流混联系统无功电压控制方法研究

高效安全地实现交直流混联系统降损与电压控制受到广泛关注,以网络损耗或电压偏移量为单一目标的传统的无功优化模型不能精确反映电网的安全性和经济性。该文针对交直流混联系统,建立了兼顾网络损耗和电压偏差的多目标无功电压控制优化模型,提出一种基于传统的鲸鱼算法（whale optimization algorithm,WOA）与粒子群（particle swarm optimization,PSO）相结合的鲸鱼群（WOA-PSO）模型求解算法。通过引入基于鲸鱼算法的包围策略,加速粒子群的迭代搜索过程,从而提高算法的全局优化能力;通过算例验证,并与基本粒子群算法、鲸鱼算法对比分析,说明所提方法具有良好的收敛性和寻优能力。     

风-光互补发电系统的电压优化控制

无功优化是一个带有约束的多极值非线性组合优化问题,用传统的方法很难进行处理.且效果不佳.为此建立考虑电压稳定的以有功损耗最小为目标的电压控制数学模型.提出一种基于均匀设计和惰性变异的改进粒子群算法,并将该粒子群算法用于风-光互补发电系统的电压控制中.仿真试验显示:所建的电压控制数学模型既能保证电压质量,又能优化发电装置的无功出力,减少有功损耗;同时也显示了改进的粒子群算法比标准的粒子群算法有更好的优化效果.     

基于病毒进化粒子群算法的梯级电站厂间负荷优化分配

病毒进化粒子群算法（VPSO）是将病毒进化机制引入粒子群算法（PSO）中,利用所生成的主群体和病毒群体指导种群进化。寻优过程中,主群体在上下代粒子群之间纵向传递信息,指导粒子群的全局搜索;病毒群体通过转录与反转录在同代个体之间横向传递进化信息,指导粒子群的局部搜索。算例结果表明,较PSO算法和免疫粒子群算法（IPSO）,VPSO算法提高求解精度的同时也加快了计算速度,能有效解决复杂的梯级电站厂间负荷分配问题。     

电力系统机组组合问题的闭环粒子群算法

针对标准粒子群优化（PSO）算法易陷入局部最优解的缺点,提出了闭环PSO（CLPSO）算法。算法引入经典控制理论中的反馈机制和闭环控制概念,将每个粒子视为被控对象,根据每一步得到的适应值通过PID控制器动态调整惯性权重,以满足搜索过程中粒子时时变化的需求。该策略极大地保证了粒子多样性,提高了算法的全局搜索能力。将CLPSO算法应用到机组组合问题中,同时结合新的策略以降低问题维数和保证寻优过程中粒子的可行性。仿真结果验证了所提出的算法在解决机组组合问题上的有效性。     

基于双重混合粒子群算法的配电网重构

为进一步优化配电网运行结构,将混合蛙跳思想引入粒子群算法,结合配电网结构简化、支路分组,提出一种基于双重混合粒子群算法的配电网重构策略。为提高粒子搜索效率、防止算法早熟,首先,等效简化配电网结构图,对支路分组,缩短编码维数;其次,将各粒子依据一定规则分组,采用基于混合蛙跳思想的二进制粒子群算法进行支路组搜索,且对粒子历史最优值进行多次分组,组内搜索采用二进制粒子群搜索算法。运用该方法分别对IEEE33节点配电系统和136节点配电系统进行仿真,并与遗传算法和粒子群遗传混合算法进行对比分析,结果表明该方法收敛速度快,可得到最优网络重构结果,有效降低网损。     

粒子群算法优化扩展卡尔曼滤波器电机转速估计

转速估计的精度直接影响无速度传感器矢量控制的效果,针对感应电机扩展卡尔曼滤波器(EKF)转速估计中难以取得系统噪声矩阵和测量噪声矩阵最优值的问题,提出了一种基于改进粒子群算法优化的EKF转速估计方法.该方法利用改进的粒子群算法对EKF中的系统噪声矩阵和测量噪声矩阵进行优化处理,将优化后的EKF应用于感应电机转速估计.仿真试验表明,与试探法、标准粒子群算法及遗传算法比较,该方法能有效提高转速估计的精度,从而提高无速度传感器矢量控制系统的性能.     

基于共享免疫粒子群算法的电力系统无功优化

针对电力系统无功优化中的粒子群算法计算效率较低,而且易陷入局部最优解等问题,将共享免疫粒子群算法应用到无功优化中,该算法在进行初始化时,运用正交的思想,使得粒子分布均匀;并用记忆粒子和克隆选择来更新粒子,这样可以很好地保持优化过程中粒子群的多样性。经过算例计算证明,共享免疫粒子群算法与其他算法相比,能够及时跳出局部最优得到全局最优解,且收敛速度快、精度高。     

一种基于PSO-PID算法的分布式机器人实时控制

分析了粒子群优化(PSO)算法的原理、算法参数及其对算法性能的影响。以PSO算法为基础,提出了一种新的粒子群优化不完全微分PID算法。根据多关节机器人系统的特点,介绍了一种新的分布式机器人实时控制系统。系统采用双速率控制策略和分布式控制方式,机器人运动控制运用粒子群优化算法定时寻优PID参数,使其随着系统参数的变化而实时更新,实现最优不完全微分PID控制。实验结果表明,该系统设计科学、性能优越,新算法寻优能力强、控制效果好。     

一种适应于地区电网无功电压优化控制的新方法

提出了一种用于地区电网电压无功优化控制的新方法。根据目标函数中网损与节点电压和注入无功的相关性,动态自适应调整罚因子,以克服一般方法罚因子选取不灵活的问题;针对基本粒子群算法易陷入局部最优的现象,引入了一种改进的随机交叉粒子群算法,利用群体最优位置的信息改善粒子自身信息,增加种群多样性,加快算法收敛速度;为改善非理想运行情况下的电压质量以及实现省地自动电压控制（AVC）系统的协调控制,运用逐级优化和二次优化策略。将所提算法和控制策略用于地区电网AVC系统,运行结果表明该方法是可行有效的,能够显著减小网损并改善电压质量。