基于改进微粒群算法的梯级水库群优化调度

为了进一步增强微粒群算法的优化性能,提出了一种改进微粒群算法,并将其用于求解梯级水库群的优化调度.该算法引进了类似遗传算法的交叉和变异算子来提高搜索效率,其中交叉是微粒在解空间中的位置以一定的概率随机进行算术交叉,变异是微粒以一定的概率随机使速度矢量的某一维分量变为0.为了加速收敛,初始微粒群生成时采用了有条件的随机自动生成方式,并利用惩罚函数法来处理边界条件和其它非等式约束.实例计算结果表明,改进微粒群算法具有比常规动态规划法和常规微粒群算法更快的计算速度,且优化调度结果比较满意.     

Power systems operation using particle swarm optimization technique

This paper presents a proposed technique for solving different optimization problems using particle swarm optimization (PSO) technique as a modern optimization technique. The security constrained optimal active power dispatch is solved by a proposed optimal effective localized area (OELA) in large-scale power system at different operating conditions. However, the boundaries of this area can be increased or decreased depending on the amount and type of the operation problems as well as the control action requirements to remove these problems. Hence, minimum control variables are adjusted in a small-localized area to steer the system to secure and reliable operation condition. The optimal operation of ready reserve is introduced using an efficient proposed procedure considering the security constraints of the transmission lines power flows. Different emergency condition problems are solved using the OELA applied to different standard test systems.     

Optimal design of broadband radome using particle swarm optimization

This paper presents an optimal radome design using particle swarm optimization (PSO) which has recently drawn considerable attention in a wide range of applications. The frequency characteristics of the transmission coefficient for the radome are adopted as the objective function, and the radome wall thickness and radome shape are optimized. Furthermore, in order to enhance the reliability of the original PSO, we introduce a concept analogous to ‘mutation’ in genetic algorithms. Numerical experiments reveal that the mutation operation is capable of considerably enhancing the stability and the reliability of the PSO. We also confirm that the PSO is successfully applied to the problem of a practical radome design, and the transmission coefficient attained by the PSO is above the targeted value of −1 dB for the entire frequency bandwidth and for all evaluated beam scan angles. © 2012 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于粒子群算法的冷热电联供系统优化调度

近年来随着用户对供能形式的需求不断丰富,传统的以单一电能为形式的供能系统已经无法满足能源用户的需求.考虑了冷热电联供系统(combined cooling heating and power,CCHP)对不同能源协同供应的特点,对以风能、太阳能、天然气和储能协同供能的冷热电联供优化问题进行研究.综合考虑不同费率结构以及...     

Optimal power flow by a fuzzy based hybrid particle swarm optimization approach

This paper presents a fuzzy based hybrid particle swarm optimization (PSO) approach for solving the optimal power flow (OPF) problem with uncertainties. Wind energy systems are being considered in the study power systems. OPF is an optimization problem which minimizes the total thermal unit fuel cost, total emission, and total real power loss while satisfying physical and technical constraints on the network. When performing the OPF problem in conventional methods, the load demand and wind speed must be forecasted to prevent errors. However, actually there are always errors in these forecasted values. A characteristic feature of the proposed fuzzy based hybrid PSO method is that the forecast load demand and wind speed errors can be taken into account using fuzzy sets. Fuzzy set notations in the load demand, wind speed, total fuel cost, total emission, and total real power loss are developed to obtain the optimal setting under an uncertain environment. To demonstrate the effectiveness of the proposed method, the OPF problem is performed on the IEEE 30- and 118-Bus test systems.     

基于混合量子粒子群算法的梯级水电站群调度

针对标准量子粒子群（QPSO）算法在求解复杂梯级水电站群联合调度问题时存在的早熟收敛、停滞寻优等不足,提出了一种耦合两重改进策略优势的混合量子粒子群（HQPSO）算法：首先对个体极值按照一定的概率进行变异搜索操作,以增加个体多样性、强化种群全局开采能力;而后建立外部档案集合来存储进化过程中的部分精英个体,利用基于动态概率辨识机制的单纯形算子指导外部档案集中的个体开展邻域寻优,以提高算法搜索能力、避免陷入局部最优。乌江流域实践结果表明：HQPSO算法的收敛速度与全局搜索能力得到增强,有效克服了QPSO的缺陷与不足,具有一定的工程实际应用价值。     

基于混合粒子群算法的源-荷-储协调优化调度

为了提高新型电力系统中对风电和光伏的消纳能力,降低电力系统运行成本,将火电机组、光伏、风电、需求响应负荷和储能系统作为调度资源建立了基于源-荷-储协调的优化调度模型。以火电机组运行成本、弃风弃光成本和需求响应负荷调度成本最小为目标,提出了一种两阶段优化方法。第一阶段优化采用离散二进制粒子群优化算法,使火电机组启动成本和弃风弃光成本之和最小。在第一阶段优化结果的基础上,第二阶段的优化采用双层连续粒子群优化算法使基于电价的需求响应负荷调度成本和燃料成本之和最小。算例结果验证了该优化调度模型的可行性和有效性。     

基于粒子群算法的区域综合能源优化调度方法

发展综合能源系统是实现能源互联网的必由之路,区域内综合能源的协调运行是实现电、热、气多能互补的关键。首先分析了风机、燃机和储能等装置的控制运行特性,介绍了不同运行场景下,各种装置的协调运行规律,以系统整体运行费用最小为优化目标,计及安全稳定等约束条件,建立电-热-气区域综合能源调度模型;然后,上述模型同时包含电、热、气多种复杂运行约束条件,变量之间交互耦合,传统数学优化方法难以直接求解,为此采用粒子群算法进行优化;最后,通过仿真算例进行验证,在不同优化目标的计算结果表明本文模型和算法的正确性和有效性。     

Optimal coordination of overcurrent relays using a modified particle swarm optimization

In this paper, a new problem formulation is proposed to calculate the optimal relay settings of directional overcurrent relays in power systems. The proposed coordination problem is formulated as a mixed integer nonlinear problem to take into account the discrete values for the pickup current settings. A modified particle swarm optimization (PSO) algorithm is proposed to calculate the optimal relay settings. A comparison between the original particle swarm optimization based method, the proposed PSO algorithm and the GAMS solver is presented.     

基于粒子群优化算法的电力系统稳定器设计

基于单机无穷大系统模型,用粒子群优化算法（PSO）对发电机电力系统稳定器(PSS)进行参数优化,来抑制低频振荡。介绍了基本的粒子群优化算法的原理,并用改进的带约束的粒子群优化算法优化PSS的参数,将PSS的整个设计过程转化为一组参数进行寻优的过程,提高了多参数寻优的效率。用Matlab仿真软件进行仿真,仿真结果表明,利用该方法设计的PSS,它的小信号稳定性有了较大的提高。     

基于粒子群优化算法的电力系统稳定器设计

基于单机无穷大系统模型,用粒子群优化算法(PSO)对发电机电力系统稳定器(PSS)进行参数优化,来抑制低频振荡.介绍了基本的粒子群优化算法的原理,并用改进的带约束的粒子群优化算法优化PSS的参数,将PSS的整个设计过程转化为一组参数进行寻优的过程,提高了多参数寻优的效率.用Matlab仿真软件进行仿真,仿真结果表明,利用该方法设计的PSS,它的小信号稳定性有了较大的提高.     

基于粒子群优化算法的VSC-HVDC系统的控制参数优化策略

建立了双端基于电压源型换流器的高压直流输电(VSC-HVDC)系统的小信号模型;利用特征根分析法,基于线性化状态空间模型,将与系统特征根直接相关的振荡模式和衰减模式的罚函数作为目标函数;提出了基于粒子群优化算法的VSC-HVDC系统的控制参数优化策略,对整个系统的控制参数同时进行整体优化。仿真结果验证了小信号模型的正确性;优化后的系统在小扰动、大扰动、潮流反转及故障情况下均具有较高的控制精度,整个系统的稳态与暂态特性均得到较大改善。     

基于混合粒子群优化算法的PSS参数优化

将一种新的进化算法-粒子群优化算法(PSO)应用到电力系统稳定器(PSS)参数优化当中,文中使用引入交叉操作的混合粒子群优化算法(HPSO),可以获得更好的全局搜索能力和收敛速度.先以低频振荡范围内(0.1～2 Hz)PSS产生的附加阻尼转矩△Te与△ω尽可能同相位为目标优化PSS超前-滞后环节参数;再以小扰动时发电机功率和角速度振荡最小为目标整定PSS放大倍数.优化结果表明,HPSO算法可以有效地解决PSS参数优化问题.     

基于模糊粒子群算法的微网经济运行优化

基于含多种微源及储能的热电联产微网系统,提出了考虑储能系统模糊充放电策略的微电网调度方案,建立了将综合发电成本和环境成本考虑在内的微网经济运行数学模型。针对实际微网模型,基于模糊粒子群算法对该微网并网经济运行问题进行了寻优计算。结果表明,提出的基于模糊粒子群算法的并网调度经济运行策略以及储能充放电模糊控制策略,可有效应用于微网并网时的经济运行特性研究,具有有效性。     

基于混合粒子群优化算法的PSS参数优化

将一种新的进化算法—粒子群优化算法(PSO)应用到电力系统稳定器(PSS)参数优化当中,文中使用引入交叉操作的混合粒子群优化算法(HPSO),可以获得更好的全局搜索能力和收敛速度。先以低频振荡范围内(0.1~2Hz)PSS产生的附加阻尼转矩ΔTe与Δω尽可能同相位为目标优化PSS超前-滞后环节参数;再以小扰动时发电机功率和角速度振荡最小为目标整定PSS放大倍数。优化结果表明,HPSO算法可以有效地解决PSS参数优化问题。     

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。     

基于鲶鱼效应粒子群算法的水库水沙调度模型研究

水沙优化调度具有多目标、高维、非线性和难以求解的特点,在统筹考虑泥沙淤积、发电量目标和优化调度决策变量的基础上,建立水库水沙多目标优化调度模型,采用全局搜索能力和收敛性较强的鲶鱼效应粒子群算法求解。该模型较好的整合了模型中的目标和待优化决策变量,为水沙优化调度模型研究提供了一个新的途径,所提出的算法克服了粒子群容易陷入局部最优的缺点,可以有效的处理维数灾和复杂约束问题。实例研究表明,在给定的泥沙淤积量阀值和考虑汛期排沙的条件下,针对来水来沙情势有目的提前蓄水可以很好的解决发电和排沙减淤的矛盾,同时也验证了模型及算法的有效性和通用性。     

基于社会学习的粒子群优化算法的电力系统稳定器参数协调优化设计

对于电力系统稳定器(PSS)参数优化整定的问题,为了更好地寻找最优参数,本文将社会学习机制引入到粒子群优化算法中,将社会学习粒子群优化算法(SLPSO)应用于PSS参数的优化整定中,相比于传统优化算法,本文算法优化P SS参数具有更好的动态自适应性,同时不易陷入局部最优,能够较快地寻找到全局最优值.通过四机两区的仿真算...     

基于改进粒子群算法的风光蓄互补发电系统容量优化

合理配置风光蓄互补发电系统的容量,能够利用风能和太阳能的互补性减少能量的浪费,降低系统成本,提高可靠性,针对风光蓄互补发电系统提出了一种基于改进粒子群算法的容量优化方法。按照全生命周期搭建了系统成本的计算模型;以系统成本最少为目标,负荷缺电率和能量浪费率等指标为约束条件,采用非线性动态改进惯性权重策略对粒子群算法进行改进;在此基础上对系统容量进行优化配置;最后在MATLAB中对算例进行仿真,结果表明:算法改进后的容量配置方案不仅降低了系统成本而且减少了能量浪费率。