基于粒子群优化的最优负荷恢复算法

建立了考虑冷负荷特性的最优负荷恢复模型，考虑了系统的频率、电压和发电机有功出力等动态约束条件，以确保在恢复尽可能多负荷的同时，使系统维持合理的运行频率和网络电压水平等。利用PSS/E软件提供的二次开发语言IPLAN，引入粒子群优化算法对所建的最优负荷恢复模型进行求解，并采用罚函数法对动态约束条件进行处理，可以快速求得在满足系统安全稳定约束条件下可恢复的最大负荷量及负荷位置。算例分析验证了该方法的有效性。     

改进的配电网故障定位、隔离与恢复算法

提出了一种改进的配电网故障定位、隔离与恢复方法。考虑到配电自动化水平的提高，采用基于SCADA信息的故障定位方法，算法简洁、实用，能够屏蔽SCADA数据的错误和畸变，得出故障隔离与恢复需要的故障位置。为了实现故障处理的闭环控制，提出了在开关拒动的情况下，对故障隔离和恢复算法的改进，并结合扬州城区配电网的实际线路给出计算结果，显示了算法的准确性和有效性。     

基于二进制和声粒子群算法的电站经济运行问题研究

机组组合是电站经济运行问题中典型的复杂非线性优化问题,其求解难度随系统规模增大呈非线性增长,如何对其进行高效求解一直是电力系统研究领域的热点和难点问题。为此,提出一种适用于电站经济运行中机组组合问题的二进制和声粒子群算法(BHSPSO):首先将粒子群算法的信息共享机制纳入到和声搜索算法的和声记忆库考虑操作中,并利用全局极值实现音调微调;然后采用启发式智能调整策略处理时段关联型约束条件,即根据机组优先顺序修复旋转备用约束,在此基础上,设计了一种“开-停-开”的修复策略处理最小开停机时间约束,有效改善了优化计算结果质量。将该方法分别应用于电站10台机组(简称10机)至电站100台机组(简称100机)系统标准算例,仿真结果表明:所提算法具有简单高效、收敛速度快、鲁棒性强等优点,为水、火电机组组合优化运行问题的高效求解提供一种新的途径。     

配电网故障恢复重构算法研究

首先给出了一个综合考虑开关操作次数最少和网损最小的故障恢复重构 的混合整数规划模型。Tabu搜索技术是一种高效的启发式搜索技术，适合于解决整数规划和 混合整数规划问题。文中将Tabu 搜索技术应用于所建立的故障恢复模型，并较详细地介绍 了其求解过程。最后运用算例验证了Tabu搜索法能有效地求解所给出的故障恢复问题。     

基于改进粒子群算法的水电站水库优化调度

文章提出了应用改进粒子群算法求解水电站优化调度问题的方法,粒子群算法模拟了鸟类群体觅食的搜索过程来寻找水电站最优调度计划。对传统粒子群算法进行了改进,克服了早熟和陷入局部最优的缺点。实例计算表明,粒子群算法可以求解具有复杂约束条件的非线性水电站优化调度问题,与经典算法相比,该算法原理简单,易于编程,占用内存少,求解精度高,收敛速度快,是一种有效的搜索算法。     

基于改进粒子群算法的水资源优化调配模型研究

为了缓解忻州-阳泉地区日益凸显的水资源供需矛盾,建立了以研究区供水、发电和生态为目标的区域水资源优化调配模型,同时提出了定权重目标比适应度函数,将复杂的多目标问题转化为易于求解的单目标问题。在求解模型过程中,使用S型递减函数计算惯性权重并结合定权重目标比适应度函数简化求解,改进了粒子群算法。通过丰、平、枯3种不同来水条件下的情景模拟验证发现：改进粒子群算法运行前期全局搜索能力得到提升、中期搜索速度加快、后期局部收敛能力得到保证,在求解过程中不易陷入局部最优解;根据模型计算得出的水资源优化调配方案能够真实有效地反映研究区域的供水要求、均衡优化年内水资源分配、平衡区域之间的水资源供需关系、协调各目标之间的满足情况,模型具有可行性。     

基于改进粒子群算法的岩土工程参数反演

把粒子群算法引入岩土工程参数反演领域,并对基本粒子群算法进行改进,改进的算法(CSV-PSO算法)在粒子飞速移动中动态地调整粒子运行的速度极限及惯性权重,压缩搜索空间,从而克服了基本粒子群算法搜索精度不高、易陷入局部最优的缺点。算例表明,与POS算法相比,CSV-PSO算法的结果精度提高约1倍,耗时缩短40％,说明CSV-PSO算法是一种新颖可行的参数反演方法。     

基于改进粒子群算法的水库优化调度研究

在分析以往水库优化调度模型优缺点的基础上,提出了基于动态调节惯性权重的粒子群优化方法的水库优化调度模型,对基本粒子群算法进行了改进。改进的算法通过时变权重的设置来实现,从而克服了PSO搜索精度不高,易陷入局部最优的缺点,并通过引入罚函数解决强约束问题。以某综合利用水库优化调度为实例进行研究,并与动态规划模型计算结果进行对比分析,实例计算表明:改进PSO算法原理简单,易于编程实现,而且占用计算机内存小,收敛速度快,搜索效率高,能以较快的速度收敛到全局最优解,是一种有效的搜索算法。     

梯级水电站优化调度的改进粒子群算法

针对粒子群算法易陷入局部最优的缺点,提出了一种双适应度方法、动态邻域算子和随机动态调整惯性权重机制有机结合的混合改进策略.算例计算表明,该改进策略能增强粒子的局部收敛能力,加快算法的收敛速度,便于处理复杂约束条件,为求解具有复杂约束条件的非线性规划问题提供了一种简单有效的方法.文中探讨了梯级水电站优化调度的相关问题,考虑了丰枯分时电价因素,建立了梯级水电站长期优化调度数学模型,并应用改进粒子群算法进行求解.实际梯级水电站计算表明,该模型使枯水期大部分时间出力均匀平稳,丰水期能兼顾防洪和蓄水的不同要求,有利于电力系统的稳定运行.改进粒子群算法计算速度快、收敛精度高,为梯级水电站长期优化调度提供了一种简单实用的求解方法.     

基于改进粒子群算法的水库优化调度研究

对粒子群优化算法易陷入局部最优的缺点作了改进,提出了一种带有扰动项的改进的粒子群优化算法,并将其应用于水电站水库优化调度中。实例计算证明,改进后的粒子群优化算法具有较好的全局搜索能力,能够有效克服陷入局部最优的缺点,是水库优化调度比较有效的方法。     

基于粒子群优化算法的盲图像复原技术研究

针对高斯模糊及失焦模糊图像,提出利用粒子群优化算法鉴别模糊图像的PSF,再将鉴别后的PSF与模糊图像进行Wiener滤波复原,得到估测复原图像,并计算其目标函数值,判断图像是否清晰,决定粒子的演化方向。根据PSO的演化机制,经过N个迭代的计算,粒子最后会收敛在最佳解上,此时得到的估测复原图像最接近原始图像。仿真实验表明,本算法比其他复原算法具有更好的复原效果。     

基于改进粒子群算法的附加励磁阻尼控制器设计

汽轮发电机组附加励磁阻尼控制器（SEDC）是为固定串补输电系统次同步谐振（SSR）提供有效阻尼的一种措施。文中采用的SEDC模型,在实现分离模态控制的同时,可使移相补偿和比例放大2个环节相互独立、互不影响。采用并行处理能力强、具有学习机制的粒子群优化（PSO）算法对SEDC参数进行寻优。同时,为防止算法陷入局部最优,引入变异机制以提高全局搜索能力。通过对一个有实际背景的研究算例的特征值分析和时域仿真分析,验证了文中基于改进PSO算法设计的SEDC鲁棒性强,能够为多模态SSR提供有效的阻尼。     

基于改进粒子群算法的大坝监控加权统计模型

用于大坝安全监控的加权统计模型主要依据工程经验确定各因子的权重,这种求解方式易导致部分因子信息的缺失。根据大坝安全监测数据,应用粒子群算法可优化确定加权统计模型中各参数的最优解,但对于高维度优化问题,该算法存在收敛速度慢、易陷入局部最小等不足。针对这些不足,考虑粒子种群平均位置信息的影响,提出一种新的改进粒子群算法,利用单体与种群平均位置的距离信息确定两者之间的学习因子。土石坝工程实例分析结果表明:改进粒子群算法加强了种群跳出局部最小的能力,所得加权统计模型的权重符合工程实际情况。尤其在大坝运行初期,监测资料较少的情况下,基于改进粒子群算法的大坝监控模型具有较高的预测精度和预报能力,可为大坝监控领域提供一种新的数据分析方法。     

改进粒子群优化算法在水文模型参数优化中的应用研究

引入改进的粒子群优化算法,对垂向混合产流模型计算参数进行优化,并对比参数优化前后水文模拟精度。研究结果表明：改进的粒子群优化算法模型可较快完成参数优化,相比于参数优化前,垂向混合产流模型年尺度模拟相对误差减少6.15%,模拟的过程确定性系数平均提高0.11;在次洪模拟中,模拟相对误差平均减少3.03%,模拟的洪水过程确定性系数平均提高0.19,水文模拟精度得到较大程度提高。研究成果对于区域水文模型参数优化提供参考价值。     

基于改进粒子群优化算法的新安江模型参数优选

新安江模型是一种实用有效的水文模型,在洪水预报以及水资源评估和管理中得到了广泛的应用。为此,结合新安江模型参数的特点,提出了基于改进粒子群优化算法的新安江模型参数优选方法,并将该模型应用到日径流预报中。实例表明,该方法能快速地完成参数寻优,并能较好地寻找出参数的全局最优解。     

基于粒子群算法的灌溉水泵系统优化设计与运行

文章提出了一种相对较新的用于灌溉抽水系统优化设计和运行的管理模式。该管理模式利用粒子群优算法化建立并求解了一个两步优化模型。新提出的模型通过对所有可行的泵机组组合进行详尽的枚举搜索后,在所需时间段内处理给定的需求曲线,然后调用粒子群优化算法搜索每个集合的最优解。在优化机组的运行问题后,计算所有机组的运行总成本和初始投资折旧,确定最优的机组组合,并制定相应的运行策略。研究将所提出的模型用于实际泵站系统的设计和运行后,将结果与优化算法的结果进行比较。结果表明,所提出的模式与粒子群优化算法相结合是一种用于实际灌溉泵系统设计和运行的通用管理模型。     

基于改进粒子群算法的坝体位移监控模型

在基本粒子群算法的基础上,提出了一种基于以e为底的指数函数的惯性权重策略的改进粒子群算法。将粒子群算法引入大坝安全监控领域,并结合坝体位移的多元回归统计模型,建立基于改进粒子群算法的大坝安全监控模型,并应用于新安江大坝的安全监测。实际应用表明,改进粒子群算法与最小二乘法、基本粒子群算法相比,预报结果精度较高且收敛速度较快。     

改进粒子群优化算法在水库优化调度中的应用

为解决粒子群优化算法寻优过程中易出现种群趋同化而导致早熟收敛的问题,引入粒子群的进化速度和种群多样性适应度方差两个因素,构建了自适应的动态的惯性因子取值机制,并讨论了惯性因子的收敛性及参数的独立性,从而改进了传统粒子群优化算法的惯性因子线性取值机制。将改进的粒子群优化算法应用于某水库的优化调度中,验证了该算法能以较快的速度收敛得到全局极值,克服了易陷入局部最优的缺点,为水库优化调度问题提供了一条新途径。     

基于改进粒子群算法的水库中长期调度函数研究

在应用改进粒子群算法求解水电站水库中长期优化调度问题时,为了克服基本粒子群存在早熟、后期收敛速度慢等不足,通过采用线性递减权重系数并引入杂交箅子,对基本PSO进行了改进,并将其应用于水库中长期优化调度函数研究中.与基于POA优化结果的回归分析建立的调度模型的对比分析表明,该算法原理简单,易于编程,求解精度高,从而为解决水库中长期优化调度问题提供了一种有效方法.