基于量子行为粒子群算法的微电网优化配置

关于微电网的优化配置问题,是在功率平衡等一系列约束的前提下,以投资成本、环境因素等为目标,优化配置微电网中各微电源的数量.微电网的优化配置是一个动态多维非线性优化问题,传统的优化算法收敛速度慢,容易陷入局部最优,而量子行为粒子群算法以其搜索能力强、收敛速度快和解的精度高等特点,可以很好的求解微电网的优化配置问题.以某地的气象和负荷数据为例,在满足用户的冷热电负荷需求前提下,求解微电网的配置.结果表明,采用量子行为粒子群算法,可以得到各微电源容量的最佳配比方案.     

微电网储能容量优化配置算法仿真

为了确保微电网系统的电能质量和稳定运行,提出基于Benders分解的微电网储能容量优化配置算法。以微电网系统作为研究对象,分析不同储能单元的充放电特性,将储能系统全寿命周期最小成本作为目标函数,组建微电网储能容量优化配置模型。根据模型特点,将模型分解为上下2层子模型,通过Benders分解算法对模型求解,进而获取最优微电网储能容量优化配置方案。经实验测试结果表明,所提算法可以更好完成容量优化配置,经过优化配置后,电网功率波动范围得到了明显降低。     

基于粒子群算法的混合储能系统容量优化研究

针对混合储能系统容量优化的问题,以考虑风储微网中混合储能系统(Hybrid Energy Storage System, HESS)为研究对象,提出一种EMD-APSO配置模型。首先,根据蓄电池、超级电容器两种储能装置的特点建立等效电路模型;然后基于经验模态分解(Empirical Mode Decomposition, EMD)建立混合储能的容量优化配置模型,运用自适应粒子群算法(Adaptive Particle Swarm Optimization, APSO)优化求解,得出最优分界点和储能容量配置结果。研究表明,所提出的优化配置方案较好,能满足风电并网要求,且达到储能利用效率和经济效益兼顾,实现了优化效果。     

面向产品优化配置的粒子群优化算法

针对产品配置大规模、多约束、多目标及组合优化等特性,建立一种有效的配置模型,将复杂的产品优化配置问题转化为图的路径寻优问题。针对基本粒子群算法(PSO)的缺陷,将遗传原理、蚁群机制和模拟退火理论引入PSO算法,提出一种改进的PSO算法。根据产品优化配置问题的离散特点,对PSO算法进行离散化处理,重新定义粒子的位置和速度表示,确立这些量的运算规律和粒子运动方程。典型产品配置实例验证了提出的模型和算法的可行性。     

基于量子粒子群算法的微电网双时间尺度调度方法

针对光伏发电设备输出功率的随机性和用户负荷的波动性,构建了以滚动时域综合运行成本最小为目标,基于量子粒子群算法的光储微电网双时间尺度运行优化模型。双时间尺度优化调度策略分两步执行：第一步依据优化目标制定一天以4小时为单位的日前经济调度模型;第二步利用日前经济调度结果确定日内滚动优化中每个调度周期起始和结束时储能系统的荷电状态,依据微电网中超短期光伏出力预测和用户负荷预测结果,得到储能系统最优的超短期充放电策略。通过微电网系统日内滚动优化实例仿真,结果表明,基于日前经济调度的优化,系统能够有效控制各设备的输出,能够满足实时的源荷平衡,并且具有稳定性和经济性。另外,也进一步验证了双时间尺度优化调度方法的有效性和合理性。     

混合粒子群算法在微电网经济优化运行的应用

微电网经济优化运行是一个连续的多约束优化问题,其不仅需要对同一时刻的不同微源作出优化,也要协调微源在不同时刻的出力来满足电力供给和负荷需求之间的约束.针对微电网经济优化运行问题,提出一种混合粒子群算法.该算法在随机权重平衡粒子群算法的基础上,引入了免疫机制,使初始粒子的位置较为均匀地分布在坐标平面内.而对于粒子的速度与方向,提出一个非线性权重以提升算法的寻优能力,并加入了次梯度寻优,加快了算法的收敛速度.通过该算法对微电网中可控微源的输出功率做出动态部署,引入微电网系统的市场机制可以有效调配各微源的输出功率,从而提升微电网运行的经济效益.通过对微电网孤岛和并网运行方式进行实例仿真,验证了该方法对微电网经济优化问题具有良好的经济优化作用.     

基于改进粒子群算法的微电网优化调度策略分析

为了解决微电网经济性较差的问题,提出一种基于改进粒子群算法的微电网优化调度策略。采用更新全局最优解和外部档案的方式,最大限度地提升微电网的环保性、可靠性及经济性。利用模糊决策方法对多目标粒子群算法进行改进,改进后的多目标粒子群算法具有较强的通用性,可精准预测微电网系统的各项参数,并选出微电网的最优调度方案。通过对该方案进行算例分析可知,该方案具有一定准确性及可行性,并且动态规划法控制策略下的蓄电池管理方法更加经济,可有效降低微电网的运行成本。     

含煤层气发电的煤矿微电网容量优化配置

为了提高煤矿微电网系统效益和能源利用率,以煤矿全年综合净效益为目标函数,综合考虑建设煤矿微电网所需成本、产生的收益及多种约束条件,建立了含煤层气发电的煤矿微电网容量优化配置模型。根据全年的风力发电机组发电功率、光伏电池发电功率和负荷数据,采用粒子群算法对容量优化配置模型进行求解,获得分布式电源和储能设备的安装容量。通过算例仿真得到最优配置方案,成本与收益分析表明,微电网与大电网功率交互过程产生了收益;同时分析了可再生能源比例和自发自用率等不同运行指标对配置结果的影响,研究结果可为煤矿微电网的设备容量规划提供参考。     

改进的粒子群优化算法对断路器储能弹簧的优化设计

针对断路器储能弹簧传统经验试算的设计方法易导致弹簧结构参数不合理、断路器的体积大及分断性能差的问题，应用一种结合鲶鱼效应改进的云粒子群优化算法对断路器的储能弹簧参数进行优化设计。首先，根据储能弹簧的工作原理，推导储能弹簧的数学优化设计模型以及弹簧参数设计的约束条件；然后，根据优化模型对算法进行改进，在传统粒子群优化算法的基础上，引入鲶鱼效应策略产生多样候选解，避免算法陷入局部最优值，并结合云模型适时调整寻优速度权重因子，以加快算法的收敛和提高全局搜索能力；最后，采用改进算法对断路器的储能弹簧优化模型进行仿真及相应的弹簧参数计算。实验结果表明，可以应用改进的粒子群优化算法对断路器储能弹簧进行优化设计，设计结果更加小型化、分断性能更优。     

粒子群优化算法研究

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的,用于解决优化问题的一类新兴的随机优化算法。本文首先介绍PSO算法的基本原理和工作机制;然后介绍粒子群优化算法的优化策略,包括提高收敛速度﹑算法离散化﹑提高总群多样性;最后对其将来的发展进行了展望。     

粒子群优化算法

系统地介绍了粒子群优化算法，归纳了其发展过程中的各种改进如惯性权重、收敛因子、跟踪并优化动态目标等模型。阐述了算法在目标函数优化、神经网络训练、模糊控制系统等基本领域的应用并给出其在工程领域的应用进展，最后，对粒子群优化算法的研究和应用进行了总结和展望，指出其在计算机辅助工艺规划领域的应用前景。     

粒子群优化算法研究

粒子群优化算法是一种启发式全局优化技术,是一种基于群智能的演化计算方法,其源于鸟群群体运动行为的研究。群体中的每一个微粒代表待解决问题的一个候选解,算法通过粒子间信息素的交互作用发现复杂搜索空间中的最优区域。本文介绍了粒子群优化算法的基本原理。     

微电网中混合储能系统的规划运行一体化配置方法

目前针对微电网中储能容量配置的经济优化算法中,大多都是直接以储能系统的全寿命周期成本作为目标函数.然而微电网作为一个整体,不同的能量调度方案会导致不同的储能配置需求,因此微电网的运行目标也会间接影响到储能系统的全寿命周期成本.本文提出的规划运行一体化配置方法,是从微电网的整体经济效益出发,将储能系统全寿命周期成本的直接和间接影响因素都考虑在内,建立了计及微电网经济运行的储能全寿命周期成本复合模型.通过算例验证以及与已有方法优化结果的对比分析,说明了所提方法在提升微电网整体经济效益上的有效性,可以为评估微电网中混合储能系统的配置效果提供更全面的参考依据.     

粒子群优化算法研究

粒子群优化（PSO）算法是一种新颖的演化算法,它属于一类随机全局优化技术,通过粒子间的相互作用在复杂搜索空间中发现最优区域。本文介绍了PSO算法的基本原理、应用领域,并用matlab实现了该算法。     

混沌粒子群优化算法

粒子群优化算法是一种新的随机全局优化进化算法。本文把混沌寻优思想引入到粒子群优化算法中,这种方法利用混沌运动的随机性、遍历性和规律性等特性首先对当前杠子群体中的最优粒子进行混沌寻优,然后把混沌手优的结果随机替换粒子群体中的一个粒子。通过这种处理使得粒子群体的进化速度加快,从而改善了粒子群优化算法摆脱局部极值点的能力,提高了算法的收敛速度和精度。仿真结果表明混沌粒子群优化算法的收敛性能明显优于粒子群优化算法。     

多目标优化的粒子群算法研究

本文介绍了粒子群优化算法PSO中的多目标优化的粒子群算法及其应用,并将其运用在防守对方多个前锋球员的进攻威胁,以粒子群算法随机性来适应不断变化的形势。     

粒子群优化算法改进及展望

粒子群优化算法是一种启发式全局优化技术,一种基于群智能的演化计算方法。本文给出了多种改进形式以及与其他算法的比较,并提出了未来可能的研究方向。     

并网模式微电网双层分布式优化调度算法

为解决负荷预测、风力发电和光伏发电预测出力值与其实时数据间的误差所导致的微电网不能安全稳定运行的问题,提出了一种双层优化算法。本算法包含基于集中优化方式进行的预测调度和基于分布式优化算法的实时优化。两层均采用粒子群智能优化算法对模型进行求解。该算法基于图论思想,按照拓扑图遍历顺序进行遍历式的分布式优化,将计算任务分配至微电网中每个参与调度的节点。     

粒子群优化算法专利技术浅析

粒子群优化算法又称微粒群算法,是-种智能优化算法,主要用于优化函数、训练神经网络,以及其他进化算法的应用领域。本文简介了粒子群优化算法的发展历史及现状、主要分类,并以国内外专利申请数据为分析样本,从专利逐年变化的申请量和申请人分布等角度进行了分析和研究。     

基于粒子群优化算法的网络CFA问题研究

为了降低网络运营费用与改进网络性能,采用近年来新出现的一种高效的群智能搜索方法——粒子群优化算法求解计算机通信网络中链路容量与流量分配(CFA)问题。大量的计算机仿真实验结果验证了该算法在CFA问题中的有效性,而且与传统的拉格朗日松弛及子梯度寻优算法相比,解的质量有了大幅度的提高。与遗传算法相比,该算法在复杂性及运行速度等方面更具优越性。