基于改进惯性权重PSO算法的水库防洪联合调度研究

针对望谟县洪灾频发的现状,基于改进惯性权重的PSO算法,以动用新屯、纳坝水库的防洪库容最小为目标,建立了水库防洪联合调度模型。在保证水库工程安全和控制断面低于保证流量的前提下,通过防洪联合调度,两库(纳坝、新屯)库堤结合方案使望谟县城市防洪标准由现状20年一遇提高到50年一遇,50年一遇洪水削峰率约为33.7%。其中,纳坝水库50年一遇洪水的安全下泄量为23.5 m³/s,新屯水库50年一遇洪水的安全下泄量为16.5 m³/s。实例应用可为水库群防洪联合调度研究提供参考。     

基于改进PSO算法的水轮机PID调速器的参数设计

为了提高水轮机PID调速器的控制质量,引入PSO算法优化PID控制器的部分参数,针对传统粒子群算法的不足,引入自适应惯性权重调整因子对粒子速率更新策略进行改进,同时结合微分进化算子提高种群多样性,扩大PSO算法搜索解空间的能力,仿真实例表明,改进后的PSO算法收敛速度快,稳定性好,复杂程度低,具有良好的全局搜索能力。经过该算法优化过的PID调速器对负荷扰动具有较强的鲁棒性。     

基于混合PSO算法的梯级水库优化调度研究

提出基于混合粒子群优化（PSO）算法求解流域梯级单目标优化调度问题方法的一般结构,并对三峡梯级的发电和洪水优化调度问题进行了研究。该算法利用离散微分动态规划法（DDDP）算法对粒子群优化算法的gBest粒子进行二次寻优,加快了算法的收敛速度和精度。     

基于PSO与DE混合算法的水资源优化配置

基于公平性原则构建水资源优化配置模型,针对模型的特点,将模型的可行解进行粒子化处理。利用基于粒子群(PSO)和差分进化(DE)的混合算法(PSODE)对模型进行求解。该算法通过双种群间的信息共享机制,大大降低了求解陷入局部最优的风险。此外,还采用了一种粒子变异机制进一步提高PSODE算法的性能,并通过漳河流域四大灌区水资源配置实例表明PSODE算法比PSO和DE算法收敛速度更快、准确度更高。     

基于改进PSO算法和SVM的大坝监控模型研究

针对传统大坝安全变形预警监控模型对缺失数据敏感、精度易受其它因素影响的特点,提出了一种利用粒子群算法与支持向量机相结合的建模方法。即通过粒子群算法对支持向量机模型的参数进行寻优,同时改进了惯性权重因子与学习因子,并引入参数收敛程度,有效地解决了粒子群算法存在的早熟收敛问题,提高了全局收敛能力。阐述了模型建立的算法步骤,并利用某水电站观测数据进行了验证。结果表明,相对于传统优化算法,改进的PSO-SVM模型在大坝安全变形监控上具有很大的优越性,而且也扩展了粒子群算法的应用范围。      

现代电力系统病态潮流算法的研究

从病态潮流的研究意义、成因和特点出发,论述了电力系统病态潮流的各种算法。针对现代电力系统潮流不易收敛的特点,介绍了大规模电力系统的潮流算法并对各种算法进行了比较分析。对病态潮流算法的研究方向进行了展望。     

锦州市水资源优化配置研究

以锦州市为例,利用全局寻优能力强且收敛速度快的鲸鱼算法求解水资源优化配置模型,得到不同规划年的优化配置方案.研究表明:锦州市的水资源量能够充分满足2025年和2030年的生态需水、生活需水,生产用水部门的缺水率不超过10％,缺水量较少,配置方案科学合理能够满足未来用水需求;对于水资源优化配置问题的求解鲸鱼优化算法表现出...     

基于粒子群优化算法的灌溉渠道配水优化模型研究

本文对定流量、变历时运行的渠道轮灌优化配化模型进行了改进,应用粒子群优化算法(Particle Swarm Optimization,PSO)进行了配水渠道流量最优化的0-1整数规划模型求解。PSO算法采用二维数组编码方法,构造了相应的适应度函数,编制相应的计算机求解程序。计算结果表明,本文采用PSO算法的优化配水模型所得出的轮灌组引水持续时间均匀性略优于现有其他方法。     

基于蝴蝶优化算法的电力系统故障诊断应用研究

针对电力系统故障诊断的不确定性,以及保护开关和断路器动作信息中常出现的误动、拒动等问题,笔者提出一种基于蝴蝶优化算法的电力系统故障诊断方法,重点分析了该方法在解析大数据模型中对目标问题快速求解的特点,给出了数据引入时的预处理过程,充分利用蝴蝶优化算法在寻迹方面的推理能力,根据报警信息搜索电网数据库,提出故障假设及诊断结果。采用IEEE-39节点进行验证,并与人工神经网络方法进行比较。结果表明,该方法目标更加明确,且收敛速度更快,适用于网络规模大的电力系统故障诊断。     

基于PSO的SVM年径流预报模型研究

为了使SVM具有更好的预测效果,考虑到人为选择参数的随机性,提出了应用PSO优化SVM参数的年径流预报模型,并将其应用于伊犁河雅马渡水文站的年径流预报。结果表明:与改进的最速下降共轭梯度法、进化单纯形法相比,经参数优化的SVM年径流预报模型能够较好地模拟年径流量与其影响因子之间的非线性映射关系,提高预报精度。     

基于遗传算法的电力系统无功优化

电力系统无功优化问题可归结为求解离散型控制变量和连续型控制变量共存的非线性规划的数学问题。本文将连续型控制变量按一定精度离散化,使问题转化为只含离散型控制变量,从而建立一种新的无功优化的数学模型,并利用遗传算法对该模型进行求解。以IEEE六节点系统为例,介绍了其数学模型的建立和遗传算法求解的方法,并给出了求解过程的程序框图。     

基于粒子群最优化下BP神经网络的短期电价预测(英文)

根据电力市场的相关历史数据准确地预测出未来的市场出清电价,对于市场中的各个参与者都具有十分重要的意义.在建立了一种粒子群优化(PSO)下的BP神经网络电价短期预测模型的基础上,采用PSO进化算法,反复抽取训练子集样本,通过对应的验证样本预测误差寻找近似最有代表性的训练子集,解决了模型的训练样本参数难以设置的问题.实验验证了该预测模型的有效性,结果表明处理好预测模型样本参数的选择问题,能够提高模型的稳定性及预测精度.     

基于遗传算法的变电站电压无功自动控制

针对当前用户无功负荷激烈变化时,变电站电压无功自动控制装置动作频繁的缺陷,提出一种基于遗传算法的变电站电压无功综合控制方法,并通过仿真计算,结果表明该方法是有效的。     

基于蚁群优化的支持向量机风速预测模型研究

由于风速的随机性大,预测的准确度不高,针对这种现象,基于支持向量机理论建立了风速预测模型,同时针对支持向量机参数的选取尚无有效的方法,尝试应用蚁群算法来优化参数的选取。以某风场连续5 d的实测风速为研究对象,选取前4 d的实测风速(采样间隔30 min),应用风速预测模型对第5天的48个风速值进行预测,其预测的平均绝对百分比误差仅为9.77%,预测效果比较理想。验证了应用蚁群优化算法理论与支持向量机理论进行风速预测的可行性,可为风速的长期预测、风力发电功率预测和风电场规划选址等提供理论指导。     

基于实数型遗传算法的水轮机调节系统设计优化

遗传算法（GA）是一种模仿生物进化过程的随机全局搜索方法,它借鉴了生物界的自然选择和遗传学上的迭代自适应性。提出了一种基于实数型遗传算法的水轮机调节系统的PID参数优化设计,与常规PID整定方法相比,具有简便精确的特点,避免了根据传统方法整定不出最优参数,及单纯形法容易陷入局部最小值的缺点。用实数型遗传算法整定出来的PID参数,超调量小,时间迅速,具有良好的性能指标。     

基于粒子群仿生算法的混凝土坝变形预报模型

将粒子群算法引入大坝安全监控领域,并结合多元回归统计模型,建立基于粒子群算法的混凝土坝变形预报模型。利用粒子群算法的全局寻优能力以及该算法具有正反馈信息的仿生特点,通过优化迭代计算,确定坝体变形统计模型中各回归系数。工程实际应用表明,基于该模型的预报结果与传统的最小二乘法相比,可显著提高混凝土坝变形的预报精度,所以该模型的预报应用是可行的。     

SCE-UA算法在水环境系统优化问题中的应用

把SCE-UA算法应用到水环境系统优化问题的求解中,通过对问题的预处理,求解3个典型的优化问题：①二维稳态水质模型横向扩散系数及流速推求;②排放口最优化处理;③水工建筑物优化调度。结果表明：SCE-UA算法不但能求解一元函数约束的优化问题,通过构造罚函数,还能够成功求解有多元函数约束的优化问题。认为该算法不依赖导数和优化问题的具体形式,所需参数极少,求解精度高,通用性较强,值得在环境系统优化中推广。     

基于MATLAB的电力系统的潮流计算

随着计算机语言技术不断发展和成熟，基于MATLAB潮流计算研究近年来得到了长足的发展。针对这一现状，以P-Q分解法为例，分析了BASIC、FORTRAN和MATLAB高级语言潮流计算的异同，指出它们的优缺点，并针对潮流计算模型结构的特点，提出了基于MATLAB的潮流算法。