改进布谷鸟搜索算法在电力系统优化潮流中的应用

针对优化潮流的特点以及布谷鸟搜索算法收敛速度慢和缺乏活力等问题,从动态参数和步长方程两个方面进行改进,提出了改进的布谷鸟搜索算法来解决优化潮流问题。该算法把原来是常数的两个参数改进为动态变化的参数,随着迭代次数的增加,发现概率和步长因子两个参数按一定的规律递减,使算法在初期能增加种群的多样性,后期能更好地微调以找到最优解;同时,提出了一个具有最优解导向的搜索步长方程以提高算法的局部搜索能力和收敛速度。用改进的布谷鸟算法计算IEEE30系统的优化潮流,仿真结果表明该算法能够有效地提高收敛速度和计算精度。     

改进布谷鸟算法优化粒子滤波的多目标跟踪方法

标准粒子滤波器的重采样会造成粒子贫化,影响跟踪系统的精度。为克服这一缺陷,提出了一种改进布谷鸟搜索算法优化粒子滤波的多目标跟踪方法。将粒子作为布谷鸟宿主鸟巢,模拟布谷鸟寻找宿主鸟巢位置的行为,通过全局搜索和局部搜索两个阶段使粒子向高似然区域移动。同时,改进布谷鸟搜索算法的寻优机制,提出动态搜索步长和强化局部搜索的方法,加强了算法的全局搜索的收敛速度。此外,改进算法结合了联合概率数据关联,用于解决多机动目标跟踪问题。本文设置了一维环境和二维环境两组实验,对比优化后的粒子滤波算法与标准粒子滤波算法的目标跟踪性能。实验结果表明,本文提出的算法不仅全局收敛速度更快,而且提高了多机动目标跟踪的精度;与标准布谷鸟搜索优化粒子滤波算法相比,全局收敛迭代速度提高了28.5%;与粒子滤波联合概率数据关联和粒子群优化粒子滤波联合概率数据关联算法相比,估计精度分别提高了24.7%和11.81%。     

基于改进布谷鸟算法的电力系统优化调度

本文绍了布谷鸟算法的原理,对传统布谷鸟算法进行了改进,建立多目标优化调度的数学模型,基于改进算法对模型进行一定程度的优化,通过分析证明,改进过后的算法的计算精度更高,同时能有效提高全局收敛性以及保证Pareto非劣解的多样性。     

基于改进布谷鸟算法的分布式电源优化配置

针对布谷鸟搜索算法在处理多目标优化问题上的不足,基于混沌映射、非支配排序等多目标优化策略,提出一种改进的多目标布谷鸟搜索(improved muti-objective cuckoo search,IMOCS)算法,对分布式电源多目标优化配置问题进行求解。为增加初始种群的多样性,利用logistic混沌映射产生初始解;自适应改变搜索步长,以提高算法的寻优能力和收敛速度。仿真结果表明:IMOCS算法寻优能力强,收敛速度快,能够有效求解分布式电源的多目标优化配置问题。     

一种基于拉丁超立方抽样和聚类分析的改进MOPSO算法

针对基本的MOPSO算法的可能导致局部最优和难以输出代表性非支配解的问题,在MOPSO算法的基础上,运用拉丁超立方抽样和聚类分析对算法进行改进。应用拉丁超立方抽样指导MOPSO算法种群初始化,使初始化种群可以均匀遍布整个空间,避免了基本的MOPSO算法可能会导致的局部最优等问题。为了加强非支配解集的分布性和多样性,同时考虑在众多非支配解中自动挑拣代表性非支配解,增加聚类分析环节,对输出解集进行聚类处理,以挑选代表性非支配解。与基本的MOPSO算法相比较,改进的MOPSO算法求解的Pareto解集在寻优效果及代表性解筛选方面具有一定优势。     

基于改进布谷鸟搜索算法的机组组合优化模型

为了获得更加理想的机组组合方案,提出一种改进布谷鸟算法的机组组合优化模型。首先建立机组组合的数学优化模型;然后采用布谷鸟算法对该数学模型进行求解,得到最优机组组合方案,同时为了解决标准布谷鸟搜索算法存在的不足,引入选择性淘汰策略和决策域策略,加快搜索速度和寻优能力;最后采用3机组和10机组组合问题对其性能进行仿真测试。仿真实验结果表明,改进布谷鸟算法具有更快的求解速度和求解准确度,获得了更优的机组组合方案。     

基于精英策略布谷鸟算法的主动配电网经济优化调度

为提高主动配电网（Active Distribution Network,ADN）运行过程中的经济性,对ADN运行总成本的组成部分分别进行分析,并以ADN运行总成本最小作为目标函数,综合考虑各类约束条件,建立基于精英策略布谷鸟算法（Elite Strategy Cuckoo Search,ESCS）的ADN经济优化调度模型。采用鸟卵被发现概率动态设置和精英策略对布谷鸟算法（Cuckoo Search,CS）改进,提升算法的优化性能。利用IEEE 33节点配电系统进行仿真分析,结果表明,ESCS算法经过迭代找到的最优解在收敛次数和计算精度方面均优于其他算法,提高ADN优化调度的经济性,验证模型的正确性和实用性。     

基于自适应改进行为人工鱼群算法的电磁系统优化设计

采用自适应改进行为人工鱼群算法,对电磁系统进行静态优化设计来减少材料的使用和降低生产成本。该算法利用人工鱼群算法的收敛快速性和较好的求取全局极值的能力,求解最优解的领域,然后利用该算法特有的自适应能力和优秀的人工鱼行为,获得最优解,大大提高求解速度和精度。建立了交流接触器电磁系统的静态优化设计的数学模型,求解静态约束条件,编制静态优化计算程序。最后,以CJ20-25型号交流接触器为例进行了优化设计。优化结果表明:在保证产品质量的前提下,优化后的产品有效地节省了材料,达到了降低产品成本的目的。     

基于改进PSO算法的含风电场电力系统网架扩展规划研究

基于改进后的PSO算法,研究了如何利用网架扩展规划,来缓解风电并网发电后部分线路出现输电阻塞的现象.在PSO算法中,惯性权重和学习因子分别是控制PSO算法全局搜索和局部搜索的关键性可调整参数.为避免陷入局部解,同时加快收敛速度,提出了同时动态优化调整惯性权重和学习因子的改进PSO算法.基于IEEE39节点的仿真算例表明：在保证获得最优解的前提下,该算法的收敛速度显著加快.     

改进多目标布谷鸟算法的梯级水电站优化调度

为有效求解梯级水电站多目标联合优化问题,充分发挥水电的发电效益和容量效益,提出一种新型的改进多目标布谷鸟算法(IMOCS)。针对传统布谷鸟算法存在收敛速度慢的问题,将动态发现概率和步长融入到算法中,并结合非支配排序遗传算法(NSGA-II)的非支配排序思想以及拥挤距离维护外部档案集策略,提出IMOCS;通过测试函数验证了所提算法的有效性。将IMOCS应用到乌江梯级水电站多目标优化调度中,得到了分布均匀的非劣调度方案集。最后通过模糊决策模型,主客观确定目标权重法,从非劣解集中选择一个折中方案,得到各水电站发电用水过程。结果表明,调度方案合理、可靠,且均能满足各项约束条件。梯级水电站优化调度采用IMOCS具有较大的实用意义。     

基于改进CS算法优化Elman-IOC神经网络的短期负荷预测

为提高负荷预测精度,提出一种基于混沌定向布谷鸟算法优化Elman-IOC神经网络的短期负荷预测模型,首先对Elman神经网络拓扑结构进行改进设计,通过增添输入-输出层连接单元,加强网络并行运算能力,提高预测精度,然后在布谷鸟算法中,利用最优位置信息指导随机游动过程,同时引入混沌扰动算子,增强全局搜索能力,最后将算法应用于Elman-IOC神经网络参数优化,建立了短期负荷预测模型。实验结果表明,较之其他模型,本文模型具有更高的预测精度。     

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CAMOCS算法的多目标无功优化

针对传统算法在求解多目标函数上存在局限性问题,在标准多目标布谷鸟搜索(Multi-objective Cuckoo Search,MOCS)算法的基础上,采用Kent混沌映射生成多样性初始解,并自适应改变算法的搜索步长,结合多目标Pareto最优解概念,提出一种混沌自适应多目标布谷鸟搜索(Chaotic Adaptive Multi-objective Cuckoo Search,CAMOCS)算法,并利用该算法对所建立的多目标无功优化模型进行求解,最后在IEEE 14节点系统算例仿真验证了所提方法的有效性和可行性。     

油田配电网最优设备选型模型与算法

对油田配电网机采井变配电设备进行优化选型已成为油田节能降耗的重要问题。详细分析设备电气性能、成本效益的基础上,建立了以变配电设备节能与经济性为目标的最优选型的数学模型并确定了优化算法;针对该离散非线性多目标优化模型,采用非支配排序遗传算法NSGA-Ⅱ(non-dominated sorting genetic algorithm)进行优化选型,并结合变配电设备选型特点进行适当改进,从而提高了算法的计算速度和精度。最后,通过实例分析验证了该模型与算法的有效性与实用性,得到分布较好的Pareto最优解集,对决策者在相互关联的多个目标之间进行优选提供指导价值。     

改进多目标蚁群算法在电网规划中的应用

针对电网规划需综合考虑经济性和可靠性的问题,提出一种改进的多目标蚁群算法。该算法采用改进的快速排序方法构造Pareto最优解集,缩短了慢速链,降低了算法的时间复杂度;采用聚类算法裁剪非支配解,使所得解在整个Pareto解空间具有良好的多样性和分布性;采用信息素更新变参数控制,加快算法的全局收敛速度;采用挥发系数动态自适应调节机制,提高算法全局搜索能力。通过18节点电网规划算例证明,提出的改进算法与基本多目标蚁群算法相比,所得的Pareto最优解数量更多,Pareto前沿分布更加均匀,同时收敛性和快速性也得到了提高。     

求解全局优化问题的多策略改进灰狼算法

针对原始灰狼算法在求解全局优化问题时,存在后期收敛速度慢、易陷入局部最优、优化效率低等缺点,提出一种多策略改进的灰狼优化算法(multi-strategy improved grey wolf optimization, MSI＿GWO)。从参数、搜索机制以及最优解扰动3个方面引入3种改进策略。对控制参数a,采用非线性调整策略,改进算法的勘探和开发能力;采用动态权重策略进行位置更新,提高算法的收敛性;设计小波最优解扰动策略,提高种群多样性,同时避免算法陷入局部最优。对MSI＿GWO算法的寻优性能进行验证,选取单峰多峰共9个测试函数完成仿真实验,并与其他改进灰狼优化算法以及粒子群、天鹰优化算法、蜜獾算法进行比较,结果表明,MSI＿GWO算法在收敛速度和寻优效率方面均为最优的。     

一种改进型粒子群优化算法在电力系统经济负荷分配中的应用

针对机组数不同的电力系统设计优化方案,提出将基于有效群体利用策略的粒子群算法应用到经济负荷分配问题的解决中。该改进算法通过有效改变粒子数目,并改进了速度位移方程,加快了算法的收敛速度,同时提高其收敛精度。为验证该算法的有效性,针对机组数不同的电力系统经济负荷分配进行了测试,并与其他优化算法进行了比对测试。结果证明了该算法可高效准确地找到最优解,有效避免了陷入局部最优的问题,并保证了较快的运行速度。     

基于改进布谷鸟算法轴向磁场磁通切换永磁电机优化设计

轴向磁场磁通切换永磁电动机是一种基于磁通切换原理的定子型永磁电机。它具有轴向尺寸短、转矩密度大、效率高等优点。为了减小涡流损耗与空载反电动势总谐波畸变率(Total Harmonic Distortion,THD),本文基于改进布谷鸟算法多目标优化设计AFFSPM电机。首先基于功率方程初始设计电机,接着通过改进后的布谷鸟算法对电机涡流损耗与空载反电动势THD进行优化。最后建立优化前后的电机三维有限元分析模型,对比分析优化前后电机的性能,结果证明该优化方法的有效性与正确性。本文提出的改进布谷鸟算法不仅能够快速实现全局寻优,而且可根据决策者偏好筛选最优解,求解精度和效率高。     

基于柔性直流互联的多微网集成聚合运行优化及分析

为解决多微网集成聚合控制与运行管理问题,提出一种多微网柔性直流互联方案及多目标优化调度方法。首先介绍了多微网柔性直流互联结构和电压源型变流器(VSC)模型。然后,以微网中电压波动最小和系统网损最小为优化目标,综合考虑交流系统、直流系统和VSC的运行约束,提出了基于柔性直流互联多微网的多目标优化模型。最后,采用改进非劣排序多目标遗传算法(NSGA-Ⅱ)和交直流混合潮流算法对多目标优化模型进行求解,得到帕累托(Pareto)最优解集,针对Pareto最优解集中解的数量大的问题,提出采用模糊聚类法对Pareto最优解集进行筛选,得到最终优化调度方案。对算例进行了仿真分析,结果表明所提模型和算法能够有效抑制微网电压的波动,进而提高可再生能源的渗透率,同时保证系统的经济运行。     

基于改进和声搜索算法的配电网重构

提出一种改进的和声搜索算法,并将其应用在求解配电网络重构的复杂问题中。在初始化和声库时,引入混沌序列;同时在产生新的和声时,有效利用和声库中最优解的信息,在最优解的基础上进行扰动生成额外两个新解,以加快算法的收敛速度;最后,当算法陷入到某个局部最优解时,随机产生一组和声,再引入整体分布优化算法对其进行简单寻优,使算法迅速跃出局部最优。对IEEE33节点测试系统进行了仿真分析计算,结果说明该算法是可行的,并且该改进算法的寻优效率和收敛性都较好。