计及风力发电的配电网动态无功优化研究

风力发电的随机性增加了配电网无功优化的困难程度,在对风力发电随机特征进行分析的基础上,以配电网总有功损耗最小为目标,建立了计及风力发电影响的配电网动态无功优化数学模型,并将改进后的退火蚁群算法应用于该优化模型的求解。建立IEEE33节点配电网系统仿真计算实例,通过与其它优化模型及方法的对比分析验证了本动态优化模型及蚁群求解方法的有效性和优越性。本研究成果可为风力发电在配电网的接入及其无功优化提供有效的技术指导和参考。     

基于改进蚁群算法的方向过电流保护整定优化

本文提出了基于蚁群优化算法的方向过电流保护整定配合的优化模型。首先说明了方向过电流保护的时间特性,然后建立了方向过电流整定优化模型。优化目标是所有主保护动作时间之和最小,考虑了主后备保护配合约束、保护动作时间约束、启动电流约束等。本文所提方向过电流保护为非线性优化问题,提出利用改进蚁群优化算法来求解该模型。最后本文利用IEEE8节点进行仿真分析,并与其他方法进行对比,说明本文所提算法在求解保护配合优化问题的优势。     

非线性系统的蚁群优化预测PID控制

针对非线性、时变及大惯性系统的控制问题,提出了一种基于蚁群算法的预测PID控制算法。该算法以神经网络作为预测模型,将预测控制和PID控制相结合,并用蚁群算法在线优化控制器参数,其中以常规的Ziegler-N ichols方法整定的控制器参数为基础,选取蚁群优化变量的动态搜索区间。该算法考虑了控制能量受限情况下,非线性系统的预测控制问题。计算机仿真结果表明,该非线性控制方案具有较好的鲁棒性,相对传统PID控制策略还表现出了良好的动态性能,能够满足对再热汽温对象的控制要求。     

基于感知模糊自适应蚁群算法的非线性PID控制

随着系统复杂度的提高和对象不确定性因素的增加,为克服线性PID动态性能和稳态性能差的缺陷,分析了非线性PID控制器各控制参数对误差的理想变化过程,构造非线性PID控制器。由于增益参数大量增加,传统参数优化方法不再适用,在分析蚁群算法的基础上,提出了基于感知自适应蚁群算法,并加入模糊自适应信息素更新机制,用于优化非线性PID控制器的设计方法。通过仿真实验将该控制器与基于蚁群算法的非线性PID控制器和基于蚁群算法、Z-N法的PID控制器进行对比,并对控制性能和收敛性能进行了分析,结果表明该算法有效克服了传统蚁群算法收敛速度较慢、容易陷入局部最优而停滞的缺陷,该控制器具有更好的动态性能和稳态性能。     

一种新的混沌蚁群算法及其在QoS组播路由优化问题中的应用

基于QoS的组播路由问题是通过发现具有某种相关性能约束的最佳组播树,来更好地利用网络资源以支持应用的QoS需求,作为以QoS为中心的网络体系结构中不可缺少的组成部分,目前已成为网络研究领域的重要内容和热点问题.针对多约束条件下的QoS组播路由问题,提出一种新的混沌蚁群算法.该算法基于传统的蚁群算法所存在的不足,利用混沌优化算法对蚁群算法的运行参数进行动态地优化选择,自适应地改进了全局搜索能力和收敛性.仿真实验结果表明,混沌蚁群算法比该文提到的遗传算法及蚁群算法在解决多约束组播路由问题上具有更好的性能.     

蚁群参数自适应调整的优化设计*

介绍了蚁群优化算法利用粗搜索及精搜索过程获得多维有约束函数优化的基本思想,分析了影响蚁群优化多维有约束函数问题的关键参数,给出了获得较好的蚁群函数优化性能必须在优化过程中动态的自适应地调整蚁群优化算法的关键参数 及 的指导性结论,且调整的规则是 与 的值由大到小的调整,而 的值将由小到大的调整。建立了 及 的模糊动态调整器,给出了3个模糊控制器的参数调整过程、控制器的执行策略及控制过程。采用起重机主梁优化实例对比验证了蚁群优化算法及蚁群参数自适应调整的优化算法。结果表明,采用蚁群参数自适应调整的优化算法具有求解精度高、优化效率高及参与优化的蚁群数量少等优点,该方法是求解复杂多峰函数优化的一种极好的优化方法。     

改进的量子蚁群算法求解带约束QoS组播路由

为了快速求解在带宽、延迟等约束下的最小代价组播路由树,并避免求解过程陷于局部最优,对量子蚁群算法进行了改进。改进算法采用量子旋转门对信息素进行更新,提出了一种动态调整旋转角的策略,并从理论上对其进行了证明。在求解服务质量组播路由时,将该策略融入蚁群算法中,提高了求解精确度。实验结果表明,该算法在服务质量组播路由优化中是高效的,性能优于蚁群算法和量子进化算法。     

垃圾分类收运路径问题的新型混合蚁群算法求解

针对垃圾分类收运路径问题,考虑车辆装载容量约束、硬时间窗约束、装载率对成本的影响等条件下,以最小化运输成本和车辆固定成本为目标建立了数学模型。将考虑时间吻合度因子和车容量利用率因子的改进蚁群算法与混沌电磁场优化算法进行动态融合,并结合2-opt和两点交换的局部搜索方法,提出一种以改进蚁群算法为外部框架,混沌电磁场优化算法为内部模块的新型混合蚁群算法对城市生活垃圾分类收运问题进行求解。根据算法间优势互补的思想,利用两种算法的优点来弥补单个算法的缺陷,使其成功应用于该问题。最后,用车辆路径问题标准测试集和上海市杨浦区的数据作为实例进行测试与对比,验证了模型的正确性以及算法的有效性与优化能力。     

QoS全局最优的多目标Web服务选择算法*

针对现有方法的不足,提出一种基于QoS全局最优的多目标动态Web服务选择算法。在给出动态服务组合模型的基础上,以“抽象服务规划”为输入,以用户的非功能性需求为全局约束,将动态服务选择问题转换为一个带QoS约束的多目标服务组合优化问题;利用多目标蚁群算法,多个目标函数被同时优化并产生一组满足约束条件的Pareto优化解。通过运用实验与基于多目标遗传算法的Web服务选择算法进行对比,证明了该方法的可行性和有效性。     

基于蚁群遗传混合算法的QoS组播路由

具有延迟、延迟抖动、带宽、丢包率等服务质量约束的组播路由问题具有NP完全的复杂度。基于蚁群优化算法和遗传算法,提出解决QoS约束组播路由问题的混合算法。利用遗传算法和蚁群优化算法各自的优点,使用蚁群优化算法选择种群,遗传算法优化蚂蚁遍历所得到的解。仿真实验结果表明,该算法可满足各个约束条件,且全局寻优性能好,能够满足网络服务质量要求。     

改进粒子群算法在无功优化中的应用

针对电力系统无功优化的特点,本文提出以有功网损最小为目标函数,以负荷节点电压质量和PV发电机节点无功出力为罚函数．以有功功率和无功功率为约束条件的数学模型,并应用改进的粒子群算法对无功优化问题进行求斛。该算法在权重系数和不活动粒子两方面进行改进,有效地解决了进化过程中陷入局部最优和搜索精度差的缺点。最后,将改进后的粒子群算法应用于IEEE14节电力系统进行无功优化算例分析,仿真结果验证了该算法解决电力系统无功优化问题的有效性和可行性。     

基于蚁群算法的导航卫星功率增强任务规划

为保障战时区域的导航信号稳定,需要卫星对地面区域进行功率增强,对大规模功率增强任务进行规划能够保障增强效果。本文针对导航卫星功率增强任务规划问题,分析星地可见性以及相邻任务的时间窗口冲突等问题,构建功率增强任务规划模型,选用基于蚁群系统和最大最小蚂蚁系统的自适应蚁群算法,并引入任务收益参数来改进设计算法的寻优策略,在加快算法收敛速度的同时避免陷入局部最优解。实验结果表明,本文的改进蚁群算法对大规模功率增强任务具有很好的规划效果。     

基于改进型蚁群算法实现配电网无功功率最佳补偿点分析

针对配电网中由于谐波等因素影响,导致无功功率增加的问题,提出了新型的无功功率最佳补偿点查找方案;该方案构设出包括设备层、节点层、通信网络层、计算机管理层和远程管理中心的补偿点分析系统,能够以系统化的架构在本地或者远程对电力节点进行分析,并设计出一套谐波控制系统,能够通过在线、实时检测谐波发生点来选择功率补偿点;并在传统的蚁群算法中融合粒子群算法,解决了常规技术中难以实现全局最优解的技术弊端;通过200次的迭代计算,试验表明,该研究的方法在达到预定周期时,能够通过最佳化地更新全局位置搜索到局部的最优解,收敛速度快,收敛时间约为60s,通过对比试验,本研究的方案具有一定的技术进步性。     

An intelligent coordinator design for GCSC and AGC in a two-area hybrid power system

This study addresses the design procedure of an optimized fuzzy fine-tuning (OFFT) approach as an intelligent coordinator for gate controlled series capacitors (GCSC) and automatic generation control (AGC) in hybrid multi-area power system. To do so, a detailed mathematical formulation for the participation of GCSC in tie-line power flow exchange is presented. The proposed OFFT approach is intended for valid adjustment of proportional–integral controller gains in GCSC structure and integral gain of secondary control loop in the AGC structure. Unlike the conventional classic controllers with constant gains that are generally designed for fixed operating conditions, the outlined approach demonstrates robust performance in load disturbances with adapting the gains of classic controllers. The parameters are adjusted in an online manner via the fuzzy logic method in which the sine cosine algorithm subjoined to optimize the fuzzy logic. To prove the scalability of the proposed approach, the design has also been implemented on a hybrid interconnected two-area power system with nonlinearity effect of governor dead band and generation rate constraint. Success of the proposed OFFT approach is established in three scenarios by comparing the dynamic performance of concerned power system with several optimization algorithms including artificial bee colony algorithm, genetic algorithm, improved particle swarm optimization algorithm, ant colony optimization algorithm and sine cosine algorithm.     

复杂环境下基于蚁群优化算法的机器人路径规划

针对复杂环境下机器人的路径规划问题，将蚁群优化算法引入这一新的应用领域，设计了相应的算法，解决了以前尚未涉足的带约束条件的连续函数优化问题．仿真结果验证了所设计算法的实用性和有效性．     

改进蚁群算法在电力线路检修计划中的应用

为了提高制定电力线路检修计划的效率,结合图论中的图着色问题,对辽宁省电力有限公司的线路检修计划进行了制定。在制定的过程中采用了改进的蚁群算法,其算法的核心是蚂蚁的数量随着迭代次数的不同由多变少,增强局部搜索能力,再由少变多,增强全局搜索能力。该算法利于跳出局部最优点,循环变化,在一定程度上防止在寻优过程中过早出现停滞现象。改进蚁群算法的优点是在求得满意解的基础上,大大提高了算法的速度。仿真实验结果表明,新算法的寻优效率优于基本的蚁群算法。     

Optimal reactive power dispatch with uncertainties in load demand and renewable energy sources adopting scenario-based approach

Optimizing reactive power flow in electrical network is an important aspect of system study as the reactive power supports network voltage which needs to be maintained within desirable limits for system reliability. A network consisting of only conventional thermal generators has been extensively studied for optimal active and reactive power dispatch. However, increasing penetration of renewable sources into the grid necessitates power flow studies incorporating these sources. This paper presents a formulation and solution procedure for stochastic optimal reactive power dispatch (ORPD) problem with uncertainties in load demand, wind and solar power. Appropriate probability density functions (PDFs) are considered to model the stochastic load demand and the power generated from the renewable energy sources. Numerous scenarios are created running Monte-Carlo simulation and scenario reduction technique is implemented to deal with reduced number of scenarios. Real power loss and steady state voltage deviation of load buses in the network are set as the objectives of optimization. Success history based adaptive differential evolution (SHADE) is adopted as the basic search algorithm. SHADE has been successfully integrated with a constraint handling technique, called epsilon constraint (EC) handling, to handle constraints in ORPD problem. The effectiveness of a proper constraint handling technique is substantiated with case studies for deterministic ORPD on base configurations of IEEE 30-bus and 57-bus systems using SHADE-EC algorithm. The single-objective and multi-objective stochastic ORPD cases are also solved using the SHADE-EC algorithm. The results are discussed, compared and critically analyzed in this study.     

改进蚁群算法的配电网网架优化规划方法

利用改进蚁群算法对配电网络进行规划,将该算法应用到辐射型配电网络中。在己知各配电变电站供电范围的基础上,利用蚁群算法特有的路径寻优功能进行配电网布局,并处理蚂蚁留下的信息素,以方便地求得配电网络规划问题的最优或近似最优解。通过具体的算例证明,改进的蚁群算法具有更优的全局搜索能力,提高了算法的收敛速度。     

多集散点单车路径优化研究

为使多集散点车辆路径优化结果全局最优,详细化表示货运关系,建立多集散点单车路径优化模型,并以订单为基准建立蚁群算法的二维禁忌表,确定状态转移规则;在满足车辆约束条件下,以最短路径完成所有订单货运的单车路径搜索。车辆路径全局优化是由于模型货运关系明细化及算法中车对所需运送订单的全局访问。实例求解结果表明,改进的优化模型及蚁群算法可以有效获得多集散点单车路径。