基于变尺度混沌理论与免疫遗传算法的电力系统无功优化

提出一种基于变尺度混沌理论与免疫遗传算法的混合智能无功优化算法。该算法利用混沌变量的遍历性、随机性和规律性特点,将混沌运动自身的遍历区域变换成优化变量的取值范围,通过对整个解空间进行考察实现了可行域内的全局优化搜索。同时通过变尺度方法不断缩小优化变量的搜索范围来实现局部细化搜索,从而增强混沌局部搜索能力,加快解的收敛速度,提高解的精度。文章最后以某地区实际电网为例,分别采用免疫遗传算法和混合智能算法对其进行无功优化计算,结果表明本文提出的混合智能算法在计算速度和全局收敛性方面有很大的提高。     

复杂时段耦合型约束水电站群短期变尺度优化调度方法

复杂时段耦合型约束是制约大规模水电短期优化调度高效求解的主要因素之一。提出了一种水电站群变尺度优化调度方法,旨在通过增大时段步长,以弱化甚至消除时段耦合型约束,进而提高算法搜索效率,改善优化调度质量。在求解过程中,首先将原问题转换为多个具有相同调度周期、相同目标和控制需求但不同步长的水电站群优化调度问题,并按照步长从大到小的顺序依次求解各问题,面临问题的初始解由前一阶段大步长问题的优化出力结果确定,直至完成最小步长问题即原问题的优化求解。所提方法通过云南电网水电站群仿真调度实例得到验证,与单一尺度优化方法相比,结果质量和计算效率均得到不同程度地改善。     

虚拟同步发电机参数设计及优化方法

为了解决目前虚拟同步发电机技术中没有成套的参数设计方案及其优化方法的问题,引入钟庆昌教授的Synchronverters技术,提出一套完整的虚拟同步发电机参数设计方法及其优化策略。针对不同参数对系统响应会有不同影响的现象,应用控制变量法,分别改变阻尼系数Dp、转动惯量J、电压下垂系数DQ和积分系数K的值进行仿真和实验。通过对虚拟同步发电机在离网状态和并网同步过程中动态响应的超调量和响应速度的判断和分析,分别对上述四种参数进行优化,揭示了时间常数τf和τv的物理意义。实验证明:所提出的设计方法和优化策略能快速而准确地选择出最合适的参数,具有较好的实用性。     

基于免疫遗传算法优化的汽温系统变参数PID控制

针对工程实际应用，提出了一种改进的变参数PID控制策略，新的控制策略不论对于调节还是设定值跟踪，均具有很好的控制效果，对于工业实际中常见的大滞后对象也有很好的抗干扰性能和较强的鲁棒性。为了使变参数皿控制取得更好的性能，提出了鲁棒整定的思想，并采用免疫遗传算法进行设计参数的鲁棒优化调整。通过对具有严重参数不确定性、多扰动以及大迟延的电厂主蒸汽温度被控对象进行的仿真研究结果表明，基于免疫反馈和遗传机制的免疫遗传算法具有全局优化的能力，对变参数PID控制的参数优化设计是成功和有效的，使得具有多模型特性的汽温控制系统在不同的负荷下均获得很好的调节品质。同时也表明，免疫遗传算法和变参数PID控制均具有较好的发展前景，可用于某些多模型系统的同时整定设计。     

改善超导发电机转子阻尼屏蔽系统的两种方案及用遗传算法对其参数进行优化

简述超导发电机同普通发电机相比的优势以及超导发电机所具有的独特结构-阻尼屏蔽系统。着重用方程和算式说明改善阻尼屏蔽系统的2种解决方案，即适应性控制体系和采用微机数字控制系统的模糊逻辑控制体系。通过引进遗传算法对这2种体系的参数进行遗传优化尝试。     

基于电网扰动PMU数据的同步发电机参数辨识方法

同步发电机参数的准确性关系到电力系统分析计算的正确与否。首先利用电网扰动下PMU的实测数据,将发电机与励磁控制器及电力网络进行解耦;然后将同步发电机参数的辨识问题等效为一个动态输入输出系统的优化问题;最后利用遗传算法对发电机参数进行辨识。基于实际电网的仿真结果验证了该方法的有效性。     

计及饱和的发电机变参数数学模型及其应用

根据发电机的实际试验数据，提出一种新的发电机变参数数学模型，以考虑运行中的饮和影响。通过发电机过渡过程分析计算与试验结果的比较，表明文中所提出的数学模型及其参数具有较高的精度，可以满足工程要求。     

基于PMU数据和时间序列模型的发电机参数识别

电力系统动态仿真的精度往往由同步发电机等元件模型及参数的精度所决定。在对同步发电机模型进行时间序列分析的基础上,提出了一套依靠同步相量测量单元对惯性时间常数、发电机转速调节常数以及涡轮调速器的时间常数等发电机动态参数进行识别的方法。该方法首先将发电机的经典模型和摇摆方程统一转换为一个时间序列模型,并利用线形参数辨识方法对此时间序列模型的参数予以辨识;最后通过求解发电机模型参数与时间序列模型参数的等式关系得到发电机的模型参数。对不同功率变化波形进行了仿真试验,按照本文方法计算得出的发电机参数与实际参数一致,验证了本文提出方法的有效性。     

基于改进遗传算法的非线性发电机励磁系统参数辨识

为了确保电力系统建模的精确性和安全稳定分析的可靠性,进行发电机励磁系统参数辨识测试是一项重要的工作.提出采用改进的GA遗传算法应用于发电机励磁系统的非线性参数辨识,利用GA较强的全局寻优能力和BP梯度法较强的局部搜索能力,较快同时又较好地辨识出发电机励磁系统参数估计值.实际发电机励磁系统参数测试试验结果表明,基于改进遗传算法的励磁系统参数辨识方法计算速度快,精度高,鲁棒性强,为非线性发电机励磁系统的参数辨识提供了一种有效的新方法.     

基于扩展粒子群优化算法的同步发电机参数辨识

提出一种新的扩展粒子群优化(EPSO)算法并应用于同步发电机参数辨识。在粒子群优化(PSO)算法的基础上，EPSO算法采用更多粒子的位置值信息进行变异操作，并且提出根据各粒子的适应值大小确定算法控制参数的方法，保证了扩展后算法的收敛性，EPSO算法模型更具有通用性。仿真算例结果表明了在系统受到较大干扰的情况下，EPSO算法比EP算法和PSO算法具有更精确的参数综合辨识能力，并且EPSO算法比EP算法具有更高的收敛效率。     

用遗传算法辨识加速度传感器动态模型参数

本文提出了一种遗传算法（ＧＡ）辨识加速度传感器动态数学模型参数的新方法。该方法以传感器时域动态性能实验数据为基础,通过ＧＡ优化来确定传感器传递函数参数。结果表明,这种方法具有较高的精度,且适用性广。     

遗传算法电机优化设计简介

介绍了遗传算法的基本思想及其特点,实现了基于遗传算法的电机优化设计,讨论了保证其全局收敛性的方法,最后给出了基于遗传算法的电机优化设计实例。     

遗传算法中有关参数值最优选择及其应用优点

简述遗传算法（ＧＡ）的运行过程,重点介绍在电机优化设计中ＧＡ有关参数值的最优选择及应用优点。     

基于遗传算法优化滚筒脱水控制参数的研究

本文主要介绍如何通过遗传优化算法进行滚筒脱水参数优化.首先介绍了脱水控制参数的含义,并介绍了风险值、损失值的概念.其次,通过风险值、损失值定义目标因子G.然后,根据经验设定偏心分布位置的概率,和用户使用负载量的概率.最后,通过以上设置对初始控制参数进行遗传迭代优化,最终获得最理佳的控制参数.     

基于遗传算法的控制器参数寻优

反馈控制器参数优化是最优控制系统综合的一个重要问题。为充分检验两种发电机快速汽门非线性控制器的控制效果，采用遗传算法分别对其参数进行寻优。仿真计算显示了两种控制器的性能差异，以及遗传算法用于控制器参数优化可行性和有效性。     

基于神经网络结合遗传算法的Jiles-Atherton磁滞模型参数计算

根据改进的Jiles-Atherton磁滞数学模型,提出了一种实用的磁滞模型参数的提取方法,即基于神经网络结合遗传算法的方法,通过神经网络训练拟合寻优函数,以及遗传算法极值寻优,而得到Jiles-Atherton磁滞模型的5个常规参数。计算证明,应用本文方法的计算参数得到的磁滞回线与实验磁滞回线相吻合。     

遗传算法搜索优化及其在机组负荷优化分配中的应用

借助MATLAB中的曲线拟合工具箱对原始数据组平滑预处理后,拟合出机组的煤耗特性曲线,再利用遗传算法与直接搜索工具箱对机组的负荷进行优化分配,并将计算结果与传统等微增算法进行比较。仿真计算表明该方法可方便地将遗传算法应用到实践中,实现简单,节能效果好。     

遗传算法改进的单神经元PID控制器及其应用

单神经元(PSD)控制器利用神经元的自学习、自组织能力,根据被控对象的变化情况对控制器的权值进行在线调整,达到了在线调整PID参数的目的;且设计时无需精确对象模型,克服了常规PID因负载、模型参数的变化及非线性因素等影响PID精确调节的缺点。采用遗传算法对单神经元PID参数进行寻优,在搜索空间内获得全局最优点。仿真结果表明:采用遗传算法改进的单神经元PID控制器能获得较好的控制效果。     

遗传算法改进的单神经元PID控制器及其应用

单神经元(PSD)控制器利用神经元的自学习、自组织能力,根据被控对象的变化情况对控制器的权值进行在线调整,达到了在线调整PID参数的目的;且设计时无需精确对象模型,克服了常规PID因负载、模型参数的变化及非线性因素等影响PID精确调节的缺点。采用遗传算法对单神经元PID参数进行寻优,在搜索空间内获得全局最优点。仿真结果表明:采用遗传算法改进的单神经元PID控制器能获得较好的控制效果。