基于改进PSO算法的FESS的PI参数优化

提出了一种改进粒子群优化(IPSO)算法用于FESS的PI控制器的参数优化设计.IPSO算法通过混沌初始化、迭代中加入混沌扰动和自适应调整惯性权重系数来克服传统PSO算法效率低、易陷入局部极值和算法早熟等缺陷.基于IPSO算法,以ITAE指标最小为目标函数对FESS的PI控制器参数进行优化,并以FESS接入四机系统为例,通过非线性仿真验证了优化结果的有效性,并通过与其他优化方法比较,得出IPSO具有更好的优化性能的结论.     

飞轮储能系统多PI控制器参数优化

对飞轮储能系统(FESS)的有功和无功PI控制器参数优化进行了研究,提出了应用加入模拟退火思想的改进粒子群优化(AIPSO)算法优化FESS有功和无功多PI控制器参数.该算法在混沌初始化、迭代中加入混沌扰动和自适应调整惯性权重系数的改进粒子群优化算法基础上,引入模拟退火思想,既能限制位置更新,又能跳出局部最优解,具有更...     

基于改进PSO的原动机仿真系统PI参数优化

原动机仿真系统中的速度电流综合调节器实质为PI调节器,其比例系数kp和时间常数τL依靠传统方法难以确定.针对此问题,提出一种改进的粒子群优化算法,以ITAE指标作为改进PSO优化算法的适应度函数.通过具体实例,运用MATLAB仿真试验,比较分析传统方法、免疫遗传算法和改进粒子群算法的控制效果.试验结果表明:改进的PSO优化算法简单实用,并可显著提高原动机仿真系统的动态特性.     

基于改进PSO算法的HVDC PI控制器优化设计

为了对直流输电系统的PI控制器进行优化设计,提出了一种自适应粒子群优化(APSO)算法以克服传统粒子群优化(PSO)算法易于陷入局部极值、使算法早熟的缺陷。在APSO算法中粒子群寻优计算时,每个粒子的惯性权重系数根据该粒子当前的适应值而自适应地变化,使得适应值好的粒子趋向于做当前最优解附近的精细搜索,适应值差的粒子则以较大步长对可行域进行全局粗略探测以便有机会发现新的更好的解,从而使得整个群体保持了多样性和良好的收敛特性。基于APSO算法,给出了一套系统化的直流输电PI控制器优化设计方法。通过对CIGRE HVDC Benchmark Model的仿真计算,以及与"稳定边界法"设计结果的比较、分析,证明了所提出的设计方法的可行性和有效性。     

基于自适应粒子群算法的直流输电PI控制器参数优化

针对传统粒子群算法(particle swarm optimization,PSO)的不足,提出了一种自适应粒子群优化(adaptive particle swarm optimization,APSO)算法,并应用于直流控制器比例–积分控制器(proportional integral,PI)的参数寻优。文中首先介绍了HVDC控制器的系统模型,然后推导出了贵广直流输电工程中的控制器传递函数,并利用APSO算法进行PI参数寻优。寻优过程采取时间乘绝对误差积分(integral of time multipled by the absolute value of error,ITAE)准则计算目标函数值,取对应ITAE目标函数最小的样本为最优PI参数,得到的PI参数可认为是全局最优解。结果表明了APSO算法在PI控制器参数优化中的全局寻优能力和有效性。     

基于改进粒子群算法的LC型逆变器PI参数优化

对于三相 LC型逆变系统,现有的双闭环 PI控制中参数选取不理想,系统缺乏一定的稳定裕度,适应性不强.针对三相 LC型逆变器双闭环控制 PI参数整定问题,提出了一种基于改进粒子群 (PSO)算法的优化方法,最后通过 MATLAB/Simulink仿真试验,验证了所提方法的有效性和可行性。     

基于改进MMAS算法的双有源桥变换器PI参数优化

为了实现双有源桥DAB(dual active bridge)变换器中PI控制器的参数优化,提出了一种改进最大最小蚂蚁系统MMAS(max-min ant system)的PI参数优化方法.该方法以DAB变换器的时间与误差绝对值乘积积分性能指标为目标函数,通过优化节点能见度和信息素更新机制,在提高全局搜索能力的同时保证...     

基于改进PSO算法的电力系统无功优化

粒子群优化PSO(Particle Swarm Optimization)算法是一种简便易行、收敛快速的演化计算方法,但该算法也存在收敛精度不高,易陷入局部极值的缺点。针对这些缺点,对原算法加以改进,引入了自适应的惯性系数和变异算子,提出了一种新的改进粒子群优化MPSO(Modified Particle Swarm Optimization)算法,并将其应用于电力系统无功优化,建立了相应的优化模型。对IEEE-14节点系统及某地区70节点实际电力系统进行了仿真计算,并与PSO算法作了比较,结果表明MPSO优化算法能有效地应用于电力系统无功优化．其全局收敛性能及收敛精度均较PSO算法有了一定程度的提高。     

基于改进粒子群优化算法的绕线式无刷双馈电机参数测定

粒子群优化算法(PSO)是一种新的全局优化进化算法.该算法结构简单,鲁棒性强,在非线性优化中有着广泛的应用前景.在测定等效电路参数时采用了一种改进的粒子群优化算法.粒子通过同时追随自己找到的最优解、随机的其它粒子同维度的最优解和整个群的最优解完成速度更新,通过判别区域边界来完成位置优化更新.分析结果证明了该算法的有效性和快速性.算法适合于求解同类问题,计算结果能满足实际工程的要求.     

基于改进PSO算法的PID参数优化研究

针对PID控制器的参数整定问题,提出一种改进微粒群优化算法（improved particle swarm optimization,IPSO）。算法是在基本PSO算法的惯性权重部分加入一个调节因子项,通过调节因子的调节,改善了算法的收敛性。仿真结果表明,IPSO算法可以更好地优化PID控制器的参数,使控制系统具有更好的控制性能。     

基于改进PSO算法的电力系统无功优化

提出了一种多策略融合自适应粒子群优化(MSI-APSO)算法求解电力系统无功优化问题的新方法。该方法采用分阶段调整加速因子,结合适应值自适应调整惯性权重,然后基于群体信息改善部分性能差的粒子,迭代后性能改善的粒子,采取速度保持策略,从而提高了PSO全局寻优性能。针对IEEE30节点系统进行无功优化计算,并与带惯性权重的粒子群(PSO-w)算法、带压缩因子的粒子群(PSO-c)f算法、全面学习粒子群(CLPSO)算法进行了比较,表明MSI-APSO具有更好的全局寻优能力和收敛性能。     

基于改进PSO算法的电力系统无功优化研究

将粒子群优化算法(PSO)应用到电力系统无功优化问题的研究中,给出了具体的实施流程.为提高PSO的搜索能力,对PSO进行了改进,在算法中加入了第3种极值指导粒子搜索方向,并引入了"飞回"策略.对IEEE-30节点系统的仿真计算结果表明了算法的有效性.     

基于改进PSO算法的电力系统无功优化研究

将粒子群优化算法(PSO)应用到电力系统无功优化问题的研究中,给出了具体的实施流程。为提高PSO的搜索能力,对PSO进行了改进,在算法中加入了第 3种极值指导粒子搜索方向,并引入了“飞回”策略。对IEEE-30节点系统的仿真计算结果表明了算法的有效性。     

改进PSO算法解决电力系统机组优化组合问题

机组组合优化问题是一个大规模、离散、非线性的混合整数规划问题,所以求解比较困难,不容易找到理论上的最优解。在基本粒子群算法的基础上,使用一种空间收缩策略,加快了算法的收敛速度。同时为了避免算法出现“早熟”现象,让粒子不仅根据自身和同伴中的最好个体进行调整自己的飞行速度,并且向其他个体学习。通过该算法进行仿真计算,证明了该算法的有效性。     

基于FPGA的粒子群优化PI控制器在有源滤波器中的应用

针对有源电力滤波器 APF (Active Power Filter) 中,电流补偿PI控制器参数难以整定的问题,提出了一种基于FPGA实现的粒子群优化PI控制器设计方案.利用粒子群优化算法对非线形系统的适应性强和易于工程实现等特点,同时以FPGA为硬件核心处理器,对电流补偿PI控制器的比例、积分参数进行优化.仿真和样机实验结果表明,优化后的PI控制器在动态性能以及控制精度等方面有明显提高,基于该 PI 控制器的有源电力滤波器能迅速有效产生补偿电流,抑制电网谐波,证明了该设计的可行性.     

基于Prony和改进PSO算法的多机PSS参数优化

针对多机电力系统稳定器(PSS)的参数优化问题,提出了采用Prony算法辨识互联电力系统低频振荡的机电模式,利用基于T-S模型模糊自适应的改进微粒群优化(T-SPSO)算法协调PSS参数的控制策略.先采用基于Prony分析的留数法确定PSS的最优安装位置,然后通过对采样数据的Prony分析辨识系统振荡模式的特征值,最后利用所提T-SPSO算法协调优化多机PSS参数.T-SPSO算法根据当前种群最优适应值和惯性权重,自适应更新惯性权重取值,解决了PSO算法的早熟问题.针对IEEE 4机系统的仿真分析表明,基于T-SPSO算法优化后的多机PSS控制器,在2种典型运行方式下都具有更好的控制性能.     

改进PSO算法用于电力系统无功优化的研究

由于电力系统无功优化为一有多变量、多约束、非线性的组合优化问题,针对传统粒子群算法收敛精度不高、易陷入局部最优的缺点,提出了一种改进的算法:分别赋予传统算法中的粒子以不同的初始惯性权重,权重较大的粒子拓展搜索空间,惯性权重较小的粒子完成局部强化寻优的工作。用改进的PSO算法无功优化计算IEEE-14节点系统的结果表明:新算法不仅避免了惯性因子权重调整的困难,而且较好地协调了算法的局部与全局搜索能力,可较好地解决电力系统的无功优化问题。     

基于改进PSO算法在含风电场的电力系统无功优化控制

含风电场的电力系统无功优化是一种具有多状态、多约束条件的非线性规划问题.针对其存在易陷入局部最优解的缺点,提出了改进的PSO算法.该算法改变了初始化方法和粒子更新方法,并在算法后期引入变异因子.在放射状配电网络系统的仿真计算中,改进PSO算法与遗传算法相比较,结果表明,改进PSO算法可在较短时间内取得更好的优化效果.     

基于粒子群优化算法的PSS参数优化

粒子群算法(PSO-ω)是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的群体智能优化算法.基于单机无穷大系统模型,通过采用PSO-ω算法对电力系统稳定器(PSS)进行参数优化,以抑制低频振荡.该方法是以最优控制原理为基础,综合考虑PSS与励磁系统的性能,将PSS参数优化协调转化为带有不等式约束的优化问题,控制目标为系统输出按照最小误差跟踪给定值的能力(ITAE准则).用Matlab软件进行仿真,结果表明,利用该方法设计的PSS,它的稳定性有了较大的提高.     

基于改进PSO算法的短期发电计划研究

介绍了粒子群优化算法PSO(Panicle Swarm Optimization),并针对短期发电计划中的优化问题提出了一种改进PSO算法,将表示机组开停机状态的离散变量转换为0～1范围内的连续变量．与机组出力一起进行PSO优化搜索,然后再利用就近取整函数“mund”将其转换成整数变量。详细描述了应用改进PSO算法求解机组优化启停问题的具体步骤。将该方法应用于10机系统,实验结果表明该改进PSO算法用于短期发电计划是可行的。