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。     

基于柯西变异改进粒子群算法的无功优化

针对粒子群算法用于无功优化问题求解时存在早熟收敛,易陷入局部最优的现象,提出了基于柯西变异的自适应混沌粒子群算法.该算法在引入自适应调整策略和对最佳粒子采用混沌搜索的基础上,对算法陷入早熟收敛状态时引入柯西变异操作,将适应度值排名位于前20％的最优粒子进行柯西扰动,以保证粒子群的多样性,有效地提高了算法后期跳出局部最优...     

基于改进粒子群算法含双馈风电机组 配网无功优化研究

针对风电机组并网后对配电网无功补偿产生的影响,从双馈风电机组自身的有功、无功输出特性出发,基于场景概率的方法计算风力机组出力情况,以网损最小为目标函数寻求优化求解方法。利用改进粒子群算法来实现系统接入双馈风电机组后的无功优化,在Matlab 2013b软件中构造IEEE33节点模型并利用该算法求解。结果表明,双馈风电机组在参与系统无功优化时具有良好的性能,验证了该改进算法的有效性     

计及分布式电源无功出力的ISFLA算法配电网无功优化

摘要： 针对含分布式电源的配电网无功优化的特点,将分布式电源的无功调节能力和传统无功调压手段相结合,研究了考虑分布式电源无功调节能力的配电网无功优化模型和算法。针对分布式电源出力的随机性,采用场景概率的决策方法计算分布式电源的出力情况和对应无功功率极限,以网损最小和节点电压越限惩罚作为目标函数。提出了基于免疫蛙跳算法（ISFLA）的无功优化算法,该算法通过在混合蛙跳算法（SFLA）的算法框架中引入克隆选择算法（CSA）,在蛙群混合后选择较优解进行克隆、变异和选择,克服了SFLA局部搜索能力弱的特点。利用改进IEEE33节点系统作为算例仿真分析,结果验证了模型及算法的有效性。     

基于量子粒子群算法的微电网优化调度

在微电网运行中,优化调度尤为重要。针对多种分布式电源（DG）的微电网,提出一种分优先等级的发电控制策略,采用量子粒子群算法对微电网经济运行优化求解。在并网条件下对微电网在一天24 h内进行运行仿真,仿真结果表明,采用的方法与策略是有效的。     

基于改进粒子群算法的配电网故障区段定位

配电网的复杂性程度提高,使得故障定位算法的精度大大降低。配电网发生故障时产生的故障信息缺失造成传统定位算法无法定位的问题。针对此情形,提出一种自适应粒子群算法的故障定位方法。该方法引入遗传算法中的变异参数,使其能够根据环境进行自适应更新,提高其定位精度,得到全局优解。构建配电网开关模型,通过仿真模拟确认该算法具有可行性。仿真结果表明该算法提高了运算速度与抗干扰能力,能够在信息缺失情况下精准定位。     

城市配电网无功补偿实用计算方法

根据城市配电网的特点,提出了无功分层补偿的原则和实用计算方法,并给出了计算实例.     

基于粒子群蚁群混合算法的配电网故障后重构研究

针对粒子群算法在配电网故障恢复中容易陷于局部干扰和蚁群算法计算速度慢的缺点,提出了适用于配电网故障后重构的基于粒子群蚁群的混合算法,确定了配电网重构时的潮流计算方法和目标函数,根据配电网的网孔对配电网的支路进行分组、编码,并简化网络;最后采用粒子群算法、蚁群算法、混合算法共三种算法对IEEE33节点系统进行了故障后的重构仿真分析,仿真结果验证了混合算法在配电网故障后重构应用中的有效性。     

农村配电网无功优化补偿方法研究

农村配电网无功补偿是保证电网安全、经济运行的重要手段,是降低电网损耗、提高电压质量的重要措施。基于此,提出了一种农村配电网无功补偿方法,该方法首先建立农电网无功优化规划数学模型,然后针对无功优化问题的特点,采用免疫遗传算法对数学模型进行求解。通过实际算例和结果分析,表明了所建立无功优化规划模型的合理性和免疫遗传算法的有效性。     

基于改进粒子群算法电力系统多目标无功优化

在传统的电力系统无功优化问题的基础上,建立了同时兼顾电力系统有功网损最小和电压偏移最小的多目标无功优化模型,并且针对多目标优化问题,提出了一种改进的多目标粒子群算法,该算法利用计算非支配排序和拥挤距离方式更新粒子的个体最优值和全局最优值并保留每一次迭代后的一部分精英解集,最终结果在精英集合中找寻所需的Pareto前端;引入变异算子和动态权重算子,增强了寻优能力,降低了结果早熟和陷入局部最小值的可能,最后将该算法应用于IEEE 14节点系统进行测试,结果表明该算法不仅实现了系统经济运行同时也提高了电网的电压稳定,并且为用户提供了多样化的解集,方便用户根据实际情况灵活选择.     

基于自适应微粒群算法的电力系统无功优化

针对当前电力系统进行无功优化采用传统的优化方法,存在诸多不足的问题,提出了一种自适应微粒群优化(APSO)算法,用以解决无功优化时控制变量一般为离散变量和标准微粒群优化(PSO)算法中参数需经多次试验确定而影响实用性的问题。APSO算法采用自适应参数策略和边界约束条件,能够取得问题的全局优化解。通过建立基于APSO算法的无功优化模型,成功解决了变量的离散问题。在Visual Studio 2008环境下,采用C#语言编写,应用在IEEE 30节点系统的无功优化程序计算结果表明,APSO算法较标准PSO算法有效地提高了收敛精度及稳定性,具有较好的自适应性和有效性,而且全局寻优能力更强。     

基于新型混合粒子群算法的含分布式电源的配电网规划

针对粒子群算法易出现"惰性"粒子的问题,提出新型混合粒子群算法,即首先利用混沌理论初始化粒子群,使生成的初始解遍历整个搜索空间,再融入交叉、变异、混沌扰动操作帮助"惰性"粒子跳出局部最优,进而以有功网络损耗最小为目标函数,应用新型混合粒子群算法对IEEE33节点配电系统中分布式电源的位置和容量进行规划。结果表明,新型混合粒子群算法应用于含分布式电源的配电网规划中具有可行性。     

基于混沌优化鱼群算法的配网无功优化

为解决我国现阶段配电网线路无功功率流动大造成电压水平低、有功网损大的问题,采用前推回代潮流算法建立了配电网无功优化的数学模型,以有功网损、电压偏差水平及静态电压稳定裕度最优建立优化目标函数,并采用无功二次矩法确定优化补偿点,基于混沌特性提出利用混沌人工鱼群混合算法解决人工鱼群算法的早熟收敛、全局寻优能力不足问题。对典型IEEE33节点配电网系统测试分析结果表明,该算法有效、可靠。     

基于粒子群算法的PERT网络优化问题研究

针对工程项目PERT网络计划工期-费用优化问题,尝试引入粒子群算法。在保证不陷入局部最优的前提下,为提高收敛速度,用线性规划方法建立数学模型,并采用了改进的PSO算法。实际算例的仿真结果表明,该方法具有收敛速度快、运算简单、易于实现等优点。     

基于免疫遗传算法的小水电配电网无功优化

针对目前应用于电力系统无功优化的智能算法所存在的问题,提出将免疫遗传算法应用于电力系统无功优化问题的措施。免疫遗传算法是将免疫理论和基本遗传算法各自的优点相结合,不仅具有遗传算法的搜索特性,还具有免疫算法的多机制求解多目标函数最优解的自适应特性,对“早熟”问题有所改善,收敛于全局最优。最后,以安康市某区域电力系统为例对算法进行了性能测试,提出了合理的调压措施,结果表明将免疫遗传算法应用于电力系统无功优化问题可以显著降低系统网损,改善电压质量。     

基于粒子群算法的火电厂优化配煤研究

在火电厂的配煤过程中,需要综合考虑锅炉运行的稳定性与经济性。利用粒子群算法建立火电厂经济性配煤优化模型,主要以配煤经济性作为目标函数,并以单煤的价格、发热量、灰分、挥发分、水分以及硫分等6项指标值作为约束条件。基于内蒙古某电厂的来煤条件,采用本模型进行配煤优化计算。仿真实验表明:带惯性权重的粒子群算法(标准PSO)具有较好的全局搜索能力,能够快速、准确地搜索到最佳的优劣质煤配比关系和最经济的配煤价格。