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。     

火电厂负荷优化分配的模拟退火粒子群算法

合理选择火电厂负荷优化分配的优化算法对快速完成电网调度指令、最大限度降低发电成本至关重要.在标准粒子群优化算法中引入模拟退火算法的思想,引入收缩因子对算法的重要参数进行了改进,并对种群初始化方式进行了改进,采用拉格朗日乘子法处理功率平衡约束.在严格满足约束条件的基础上,缩短了优化计算时间,进一步提高了算法精度.实例计算...     

基于改进粒子群算法的节能调度下多目标负荷最优分配

在传统经济负荷分配模型的基础上,结合节能调度的宗旨,建立了系统有功网损最小和机组发电耗煤量最小的多目标负荷分配模型。该模型改进了基于Pareto最优概念的多目标粒子群算法,将其应用于多目标负荷最优分配,能对系统进行整体节能优化。IEEE 57节点系统仿真结果表明,该方法在满足系统的安全约束的同时,能降低系统网损和减少机组煤耗,有效节约能源。通过每次优化求得一组Pareto最优解集能够为决策者提供更多的有效参考,具有实际意义。     

基于自适应粒子群算法的负荷最优分配

在传统经济负荷分配模型的基础上,结合节能调度的宗旨,建立了综合考虑系统有功网损最小和机组发电耗煤量最小的多目标负荷分配模型,该模型能对系统进行整体节能优化.引入了自适应权重和因子的概念,采用了一种用于多目标负荷最优分配的自适应粒子群算法,并对IEEE 57节点系统进行了仿真计算.结果表明,该方法能降低系统网损和减少机组煤耗,从而有效地节约能源,同时满足系统的安全约束.     

基于改进粒子群算法的控制分配研究与应用

微粒群优化算法是一种进化计算技术,其优点是速度快,鲁棒性好且结构简单。针对标准粒子群优化算法容易陷入局部最优的问题,本文提出了一种新的改进粒子群算法,算法中引入了进化速度因子和聚集度因子。在每次迭代时可根据当前粒子群进化速度因子和聚集度因子动态地改变惯性权值,从而使算法具有动态自适应性。将该算法运用到控制分配系统中来获取控制参数。仿真结果表明,该改进算法能得到较好的控制指令来有效的解决战斗机在线故障问题。     

电力系统经济负荷分配的混沌粒子群优化算法

提出一种新的混沌粒子群优化(CPSO)算法,将其用于求解复杂的电力系统经济负荷分配(ELD)问题。该算法保持了粒子群优化(PSO)的简单结构,先利用PSO算法的全局收敛能力进行搜索,以获得近似解(即粒子经过的最佳位置),然后利用混沌优化的混沌运动特性在近似解的邻域内进行局部搜索,从而获得精确的全局最优解。多个算例的仿真结果表明,该算法能快速有效求取电力系统ELD问题更精确的最优解。     

基于粒子群算法的火电厂机组负荷优化分配研究

负荷优化分配是火电厂运行优化的一个重要研究领域,在机组之间合理地优化分配负荷能够提高整个火电厂运行的经济性。针对火电厂实际的运行情况,考虑多个实际约束条件,建立了并行火电机组间连续多时段动态负荷优化分配的数学模型;提出运用新近发展起来的智能算法-粒子群算法来解决动态负荷优化分配问题,详细介绍和研究了该算法的基本原理以及在负荷优化分配问题上的实现过程,并针对原算法的不足,对算法进行了改进;根据负荷分配和算法的特性,对初始种群的生成方法进行了改进,同时对约束条件进行了有效处理。仿真实例表明,该方法收敛性好,收敛速度快,能够有效地达到或接近全局最优,从而为火电厂机组负荷优化分配的求解提供了新的有效算法。     

基于粒子群算法的电力系统经济负荷分配研究

电力系统经济负荷分配,是指在满足电力系统或发电机组运行约束条件的基础上,在各台机组间合理地分配负荷以达到最小化发电成本的目的,是经济调度中非常重要的问题。粒子群算法是一种源于对鸟群捕食的行为研究的进化计算技术,具有全局优化能力强、收敛性好和编程实现简单等优点。将粒子群算法应用于电力系统经济负荷分配问题的研究中,通过对实际算例进行仿真测试,证实该算法可有效解决经济负荷分配问题,性能对比显示,该算法求得的解优于传统优化算法所求得的解。     

基于混沌粒子群算法的火电厂厂级负荷在线优化分配

机组负荷优化分配是降低发电厂能耗水平的重要技术手段,该文针对厂级负荷在线优化分配对算法速率和精度的要求,提出一种新的机组负荷实时分配模型,分别给出了机组自动发电控制和厂级负荷分配方式下负荷响应速率约束方程,并提出一种自适应约束边界,可显著提高算法计算效率,在满足电网对机组负荷品质要求的前提下实现全厂煤耗量最小的目标。提出采用混沌粒子群算法来求解实时负荷优化分配问题,采用自适应惯性权重以加快算法收敛速度,在粒子群算法解的邻域内进行混沌优化搜索,避免算法陷入局部极值点。文中给出了厂级负荷在线优化分配算法步骤,并进行了算例分析,验证了所提模型和算法的有效性。     

基于改进粒子群算法的微网经济负荷分配

微网是通过整合多种分布式电源、储能系统、可控负载的一种分布式的低压供电网,微网可以运行在并网和孤岛两种模式下：在并网运行时,大电网可以作为微网的重要支撑;在孤岛运行模式下,为保证重要负荷的供电,需要各微电源协调运行,从而使微网的总运行成本最小。采用改进粒子群算法对孤岛运行模式下的一个小型的微网系统算例进行研究,仿真计算结果表明了所提方法的有效性。     

基于全局粒子群算法的无功优化

针对粒子群(PSO)算法的局限性,提出了全局粒子群(GPSO)算法,并将其应用于电力系统无功优化.建立基于全局粒子群算法的无功优化数学模型,给出全局粒子群算法的具体步骤.通过对IEEE30节点算例的测试,得到全局粒子群算法在无功优化问题上的收敛速度和优化效果.     

基于繁殖粒子群算法的火电厂负荷优化分配

针对目前火电厂负荷优化分配的问题,提出了负荷优化分配总时间的概念,并给出了具体计算公式。在标准粒子群优化算法中引入遗传算法中的杂交思想,提出了基于繁殖粒子群优化算法的负荷优化分配方法,并引入自适应惯性权重对算法进行了改进,避免了标准粒子群算法易陷入局部最优及遗传算法优化计算时间长的缺点。对算法应用在负荷优化分配中的具体问题进行了分析处理,缩短了优化计算时间,提高了算法精度。实例分析进一步验证了所提方法的有效性以及现场实用性,能够同时满足火电厂对降低成本及电网调度对负荷优化分配总时间的硬性要求。     

基于自调节粒子群算法的电力系统经济负荷分配

带阀点效应的经济负荷分配问题具有不连续、不可导、非凸、非线性的目标函数,同时还受到电力平衡和运行约束的制约,很难应用经典数学算法求解。针对忽略网损的经济负荷分配问题,文章提出了一种自调节粒子群算法,通过可行化调整机制保证解的可行性,同时采用自适应变异算子提高解的多样性,防止算法早熟收敛,提高算法的寻优速度。为验证算法的有效性,文中对多个经济负荷分配问题进行了测试,与其它智能算法的比较结果证明该算法可以有效找到可行解,避免陷入局部最优,能实现问题的快速求解。     

改进粒子群算法及其在电力系统经济负荷分配中的应用

提出了一种用于求解一般形式的非连续、非凸、非线性约束优化问题的改进粒子群算法，用于求解复杂的非凸、非线性电力系统经济负荷分配问题。基于随机分析理论，证明了该算法依概率收敛至全局最优，且收敛性与粒子群的初始分布无关，并提出一个收敛的充分条件。多个算例的仿真结果表明：文中提出的算法有效、可行，可望应用于更广泛的优化问题     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化     

基于改进云粒子群算法的电力系统无功优化研究

针对云粒子群算法(CPSO)在电力系统无功优化中易陷入局部极值,也存在早熟收敛问题,将基于云数字特征(期望值、熵值、超熵值)编码的云粒子群算法进行了改进:依据解空间的变换将局部搜索和全局搜索相结合,用正态云算子实现粒子的进化学习和交叉变异操作。改进的算法在时间、存储量性能上有了明显的提高,将改进后的算法应用到IEEE30节点标准测试系统和电网中进行仿真运算,与其它算法进行比较。结果表明,该方法在配电网无功优化中能取得更好的全局最优解,加快了收敛速度,提高了收敛精度。     

基于改进粒子群算法的电力系统无功优化

电力系统无功优化问题是一个多变量、多约束的混合非线性规划问题。提出了一种改进粒子群算法用以解决这一复杂优化问题。在改进的算法中,首先结合混沌优化思想对粒子群进行初始化,减轻了粒子初始位置的选择对算法优化性能的影响;在进化过程中引入了自探索行为,使得粒子的搜索过程更加符合实际;引入了变异机制及3种判断陷入局部最优的标准,当发现粒子群陷入局部最优时,通过变异,帮助粒子跳出局部陷阱,增加发现最优解的机会。给出了问题的求解方法,并对IEEE 6、14节点系统进行了仿真计算,实验数值对比表明了算法的可行性和有效性。     

基于协同粒子群优化算法的电力系统无功优化

为了解决粒子算法应用在电力系统无功优化中存在的问题,提出了一种改进的协同粒子优化算法.笔者根据电力系统无功优化问题非线性、不连续、大范围以及电压等级增多、无功优化控制变量较多的特点,建立了改进的协同粒子优化算法无功优化的数学模型,并将协同粒子群算法在无功优化中进行了应用.算例结果表明,该算法有效地改善了粒子群算法的局部收敛问题,缩短了搜索时间,提高了准确性.     

基于改进PSO算法的电力系统负荷经济分配

电力系统负荷经济分配(ED)是一个高维、非凸、非线性问题,其求解过程比较复杂.对粒子群优化(PSO)算法进行改进,在目标函数中加入惩罚项来满足火电机组的约束条件,引入非线性权值递减略和惩罚因子的动态改进,并结合遗传算法(GA)中变异的思想,用来解决负荷经济分配的问题.将该方法的可行性在10台机组系统中多次检验,模拟结果表明文章所改进PSO算法具有良好的收敛性和鲁棒性.