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。     

改进粒子群算法在无功优化中的应用

建立了无功优化的数学模型,针对粒子群算法易陷入局部最优解、收敛精度差的缺点,将改进粒子群优化算法应用到电力系统无功优化中。对粒子群的速度公式进行了改进,并在算法中引入反正切惯性权重和阈值来增强搜索全局最优解的能力。通过对IEEE30节点的算例仿真,证明改进后的粒子群算法在电力系统无功优化问题上具有一定的可行性。与PSO的结果对比表明该算法在一定程度上提高了计算的精度。     

基于改进粒子群算法的三维路径规划研究

针对基本粒子群算法(PSO)收敛速度快、易早熟，容易陷入局部误区的问题，提出了粒子群-人工蜂群混合算法(PSO-ABC)，并将提出的算法应用于无人机三维环境下的路径规划。该算法在改进粒子群算法的基础上，融合了人工蜂群算法来对无人机三维路径进行全局规划。首先引入非线型惯性权重和收缩因子，改进粒子的速度公式，然后利用人工蜂群算法的搜索算子对最优解再一次寻优，解决了粒子群算法因局部搜索能力较差陷入局部误区的问题。本文在三维环境下设置了两组实验，对比粒子群-人工蜂群混合算法与粒子群算法、人工蜂群算法的路径寻优性能。实验结果显示，本文提出的算法路径寻优能力有所提高，相比于粒子群算法，提高了6.1%，相比于人工蜂群算法提高了6.9%。     

基于强引导粒子群与混沌优化的电力系统无功优化

为解决粒子群优化后期搜索速度较缓慢,易陷入局部最优的问题,提出一种基于强引导粒子群与混沌寻优相结合的电力系统无功优化算法,该算法在采用强引导型粒子群的基础上引入混沌优化以进一步提高全局寻优能力,即在粒子群算法的基础上引入强引导思想,在搜索初期,对粒子位置的更新加以引导,减少算法随机性以提高搜索效率。为进一步解决寻优后期粒子可能陷入早熟收敛的问题,利用混沌优化具有"奇异吸引子"的特性,在解空间进一步搜索,两者的结合可以更有效地搜索到全局最优解。通过对某高压配电网的具体计算,最优降损率可以达到14.04%,节点最低电压从0.895 0 p.u.提高到0.995 6 p.u.,结果表明该算法应用在电力系统无功优化领域的可行性和有效性。     

TS-PSO算法在电力系统无功优化中的应用

为了解决粒子群算法(PSO)局部搜索能力较弱和存在早熟收敛的问题,提出了将禁忌搜索(TS)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。改进后的算法综合了粒子群算法快速性、随机性和全局收敛的优点,还具有禁忌搜索局部寻优的能力。通过对IEEE-30节点测试系统、铜陵电网实际进行仿真计算,并与其它算法进行比较,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。     

基于改进简化粒子群算法的多目标输电网规划

针对标准粒子群(SPSO)算法在计算过程中容易陷入局部最优的缺点,对SPSO算法做了以下改进:首先,简化粒子群算法,去掉不影响其进化过程的速度矢量,提高收敛精度;其次,将粒子群算法中的惯性权值由线性递减策略改进为非线性递减策略,有效地控制了粒子群优化算法的全局搜索和局部搜索.在输电网扩展规划中的应用结果表明,上述2个操作可以提高PSO算法的收敛精度,使算法最终寻找到全局最优解,从而证明了改进简化粒子群算法的有效性.     

基于改进PSO算法的UAV三维路径规划研究

提出一种根据适应度值使粒子侧重于不同寻优任务的改进粒子群优化(FPSO)算法,并将其应用于UAV三维路径规划问题。传统粒子群优化(PSO)算法对所有粒子设置统一的控制参数,寻优过程不够灵活,易陷入局部极值且收敛速度慢。改进的FPSO算法提出三种优化策略,即将PSO算法与遗传算法(GA) 结合、设置动态惯性权重、引入步长因子,以充分发挥不同适应度值粒子的搜索优势,使其动态侧重于局部搜索或全局搜索。仿真结果表明,FPSO算法搜索结果更优,迭代次数更少,平均消耗时间比PSO算法缩短22.0%、比GA算法缩短39.6%,具有显著的性能优势。     

基于免疫粒子群算法的电力系统无功优化

为提高粒子群优化(particle swarm optimization,PSO)算法的收敛性能,将免疫算法(immunity algorithms,IA)的免疫信息处理机制引入到标准粒子群算法,形成一种新的优化算法,即免疫粒子群算法。该算法将免疫算法的免疫记忆和自我调节机制引入PSO,并采用基于粒子浓度机制的多样性保持策略;同时,用免疫算法的"接种疫苗"和"免疫选择"来指导搜索过程。改进后的算法可以很好的保持优化过程中粒子群的多样性,抑制优化过程中出现的退化现象,保证算法的收敛精度和收敛速度。IEEE 30节点系统算例仿真表明,IA-PSO算法与标准PSO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。     

基于改进粒子群算法的Pareto多目标输电网规划

针对标准粒子群算法易收敛到局部最优的缺点,本文对粒子群算法做出了以下几点改进:首先,在编码策略上采用一种保证网络连通性的编码方式,有利于保持种群的分散性;其次,采用了一种改进的粒子速度更新公式,即在粒子群算法速度更新公式的基础上,加入一个平均极值项,使得各粒子能参考其它同伴的信息;另外,在算法迭代过程中加入变异操作,是使初始化失活粒子的位置和速度来保持种群多样性。在输电网扩展规划模型中引入了Pareto多目标模型,这种模型相对于单目标和加权多目标模型相比更具实际工程意义。算例结果表明,上述几个操作可以提高粒子群算法的收敛精度,使算法最终寻找到全局最优解,从而证明了改进粒子群算法的有效性.     

引入改进迭代局部搜索的灰狼算法及应用

针对标准灰狼算法(GWO)收敛速度慢,易陷入局部最优等缺点,提出一种引入改进迭代局部搜索的灰狼算法(IGWO)。首先,通过佳点集策略增强初始种群的均匀性与多样性;其次,采用双收敛因子,收敛因子基于种群位置非线性自适应更新,在种群寻优全期平衡全局勘探与局部开发能力;再次,在种群位置更新公式引入欧氏动态权重与莱维飞行策略,提升寻优精度,并帮助种群跳出局部最优值;最后,引入改进迭代局部搜索,使算法的搜索能力更加灵活,帮助算法加速收敛。通过10个基准测试函数的仿真分析及种群寻优平衡性对比,证明了IGWO具有更优的寻优精度、稳定性及收敛速度,随后将IGWO应用于工程优化问题中,相比GWO、GJO、WOA、HSSAHHO、SCHOA、NCPGWO、DSFGWO 7种算法,适应度分别优化了3.25%、27.2%、28.9%、3.15%、3.04%、0.23%、0.07%,证实了在工程应用中的可行性和有效性。     

粒子群优化算法及其在机组优化组合中应用

应用粒子群优化(PSO)算法对电力系统的机组优化组合问题进行研究,介绍了算法原理,分析了算法中各个参数的不同取值对算法搜索能力和收敛速度的影响,并以常用的测试函数进行验证,建立了相应的数学模型,并以IEEE3机6节点电力系统为实例进行研究。分析结果表明,PSO算法较之常用的遗传算法和混沌优化等算法,在算法结构、计算时间、搜索区间控制以及收敛速度等方面具有较好的特性,验证了该方法的有效性。     

基于混沌粒子群算法的多目标无功优化研究

针对传统无功优化的不足,建立了以电网有功损耗最小、节点电压偏移最小、静态电压稳定性最好和无功成本最小的多目标无功优化模型.为了将这4个目标同时进行优化,提出了基于Pareto解的混沌粒子群算法多目标无功优化方法,求出该多目标优化问题的Pareto最优解集,供决策者根据实际情况进行科学决策选择.为证明提出方法的有效性,对IEEE30节点系统进行了多目标无功优化分析,结果表明本文提出的方法能够得到良好的无功优化结果.     

电力系统电压和网损优化计算

采用非线性规划中的梯度法，进行电力系统的电压、网损优化计算。其中补偿节点 的处理，开始均作为ＰＶ节点，计算结束前转化为实际的补偿量。步长由电压的最大误 差 比梯度的最大分量来决定，使得计算速度大大加快。对于一天24 ｈ的优化，在保证电压 合 格率的前提下，减少了可调设备动作的次数，使得总体经济效益较优。所编程序通过银川供 电局较长时间的实际使用，证明原理正确，经济效益显著。     

基于改进粒子群算法的电力系统无功优化

电力系统无功优化问题是一个多变量、多约束的混合非线性规划问题。提出了一种改进粒子群算法用以解决这一复杂优化问题。在改进的算法中,首先结合混沌优化思想对粒子群进行初始化,减轻了粒子初始位置的选择对算法优化性能的影响;在进化过程中引入了自探索行为,使得粒子的搜索过程更加符合实际;引入了变异机制及3种判断陷入局部最优的标准,当发现粒子群陷入局部最优时,通过变异,帮助粒子跳出局部陷阱,增加发现最优解的机会。给出了问题的求解方法,并对IEEE 6、14节点系统进行了仿真计算,实验数值对比表明了算法的可行性和有效性。     

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。     

Particle Swarm Optimization with velocity control

This paper presents a new Particle Swarm Optimization (PSO) technique with velocity control. In the proposed method, we lead the particles from intensification to diversification by adding a random number to the velocity of the particle depending on the distance from global best position (gbest), and thereby the particles can search widely in the search space. Copyright © 2009 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

电磁装置优化设计的改进禁忌算法

通过引入细化搜索过程、提出连续变量空间离散的新技术和邻域产生的新规则、存储已搜索过的状态空间等措施 ,本文给出了一种改进禁忌算法。为验证算法的可靠性 ,给出了典型数学函数和实际工程问题的数值计算结果。     

基于短期预测信息和长期值函数近似的大规模电动汽车实时随机优化调度算法

针对大规模电动汽车(Electric Vehicle, EV)和可再生能源接入背景下主动配电网的实时随机调度问题,提出了一种结合短期预测信息和长期值函数近似的双层实时调度模型。为应对大量EV接入后的维数灾问题,首先提出双层调度框架,上层建立EV集群模型,下层根据EV特性提出功率分配算法对每辆EV制定充电计划,实现上层集群指令的完全消纳并满足各EV充电的需求。同时,为应对EV行为、实时电价及可再生能源出力不确定性的问题,实时优化时采用预测算法预测短期内未来接入的EV行为、可再生能源最大出力与实时电价,并通过值函数近似评估短期决策后系统的值函数,从而实现EV集群充电计划、可再生能源调度计划与购电计划的实时分阶段决策。仿真算例表明,所提模型可以实现大规模EV接入下主动配电网的实时随机调度,同时具备良好的鲁棒性。     

基于免疫算法的火电厂机组优化组合

在电厂各发电机组间实行机组负荷优化分配,提高运行效率,能改善机组的经济性,降低成本。然而,由于机组优化组合问题本质上属于大规模非线性混合整数规划问题,到目前为止还没有得到一种绝对严格的优化求解方法。免疫算法模拟生物的免疫系统原理,是一种全局概率搜索算法。文章将该算法改进用于解决机组优化组合问题,并用实际算例验证其可行性。     

300 MW循环流化床锅炉运行优化

结合2台300 MW循环流化床(CFB)锅炉的实际运行状况,介绍了一系列的运行优化和逻辑优化方法:将埋刮板给煤线中间给料机由运行转为备用,减小下水冷壁的磨损;低负荷时停运辅机,降低厂用电率;掺烧一定比例的非设计煤种;优化燃油系统运行方式;空气预热器入口烟温较高时投入锅炉吹灰,保证单台空气预热器安全运行;调节燃煤粒径,控制床压等.采用这些优化措施达到了300 MW CFB锅炉更加安全、稳定、经济运行的目的.