基于自适应粒子群算法的直流输电PI控制器参数优化

针对传统粒子群算法(particle swarm optimization,PSO)的不足,提出了一种自适应粒子群优化(adaptive particle swarm optimization,APSO)算法,并应用于直流控制器比例–积分控制器(proportional integral,PI)的参数寻优。文中首先介绍了HVDC控制器的系统模型,然后推导出了贵广直流输电工程中的控制器传递函数,并利用APSO算法进行PI参数寻优。寻优过程采取时间乘绝对误差积分(integral of time multipled by the absolute value of error,ITAE)准则计算目标函数值,取对应ITAE目标函数最小的样本为最优PI参数,得到的PI参数可认为是全局最优解。结果表明了APSO算法在PI控制器参数优化中的全局寻优能力和有效性。     

基于自适应混沌粒子群优化算法的多馈入直流输电系统优化协调直流调制

为了提高交直流互联系统的整体动态稳定性,提出了一种新的基于混沌优化思想的自适应混沌粒子群优化算法,并将其应用于多馈入直流输电系统中各直流调制的优化协调.该算法利用混沌运动的遍历性来初始化粒子群以增强群体的多样性,在粒子群的每次迭代更新计算中,按适应值大小选取部分粒子对其进行混沌优化以帮助惰性粒子跳出局部极值区域,根据每个粒子的适应值自适应地调整其惯性权重系数以提高整个群体的全局与局部搜索能力.以一三区域双馈入交直流并联输电系统为例,选取与直流线路并联运行的交流联络线上的有功功率偏差和各发电机的功角偏差构成目标函数,应用自适应混沌粒子群优化算法对各双侧频差直流调制控制器的参数进行了全局优化协调整定,并与传统粒子群优化算法、遗传算法的优化结果进行了比较,结果表明该算法能更好地实现各直流系统调制间的优化协调,增强了整个系统对低频振荡的阻尼能力,可作为多馈入直流输电系统中直流调制优化协调的一种有效方法.     

基于粒子群算法的VSC-HVDC控制参数优化

随着大功率电力电子技术的发展,电压源型直流输电得以实现,为了简化这种新型的直流输电方式控制器设计和提高系统鲁棒性,采用了结合PI控制器的双闭环控制。以两端均为有源网络的电压源型直流输电系统为研究对象,以Matlab/Simulink为研究平台,利用粒子群优化算法,对VSC控制器参数进行了优化。建立直流输电的暂态数学模型,据此分析其控制器结构,选定需要优化的控制参数。将粒子群算法程序与直流输电仿真模型结合进行仿真计算,通过多次迭代得出优化的控制器参数,并与原始参数进行系统性能对比,验证该方法的可行性。     

基于自适应PSO的微电网双向DC-DC变换器前馈自抗扰控制

针对传统PI控制光储微电网系统双向DC-DC变换器存在的直流母线电压波动大、充放电有效性差、抗干扰能力弱等问题,设计了一种基于自适应粒子群优化(APSO)的双闭环控制策略。首先,建立双向DC-DC变换器的数学模型。其次,设计了包括电压环线性自抗扰控制(ADRC)、电流环PI控制的双闭环控制系统,并在电压环中加入前馈控制以增强控制系统的鲁棒性。然后,针对自抗扰控制器参数难以整定的问题,提出了一种基于APSO算法的参数优化系统,该算法引入了自适应惯性权重因子,使惯性权重在粒子群迭代过程中可以动态调整以获得更佳的寻优效果。最后,设计一种带罚函数的时间乘以误差绝对值积分(ITAE)指标作为适应度函数,实现了前馈线性自抗扰控制(FF-LADRC)系统控制参数的自主寻优。MATLAB仿真结果表明,所提控制策略能够有效减小直流母线电压波动,提升储能系统的充放电性能,解决了线性自抗扰控制器参数整定问题。     

改进ACO算法优化的PI控制器在直流输电控制中的应用

为了实现对高压直流输电系统PI控制器参数的优化,本文提出了一种针对信息素挥发因子的改进策略以克服蚁群算法易陷于局部最优解的缺陷。改进后的蚁群算法能够根据优化进程自适应地调整信息素挥发因子,在保持较高的收敛速度的情况下提高算法的全局搜索能力。文中基于改进的蚁群算法给出了一种系统化的直流输电PI控制器参数优化方法。根据实际工程参数搭建仿真模型,进行仿真计算,证明了方法的有效性和可行性。     

基于改进MOPSO的MMC-HVDC控制器PI参数分层优化

针对模块化多电平换流器型高压直流输电工程系统控制目标多、多个PI控制器之间相互影响、PI参数优化困难的问题,提出一种基于改进多目标粒子群算法的MMC-HVDC控制器PI参数分层优化方法。为了提高种群的多样性同时免于粒子陷入局部最优解,对外部存储器中的粒子进行变异操作;为了改善算法收敛性并获得良好的Pareto前沿,提出一种基于隶属度函数的领导粒子选取方法;为了适应MMC-HVDC控制系统结构,对多个控制器PI参数进行分层优化。本文实现了MATLAB与PSCAD/EMTDC联合调用和数据交互。算法性能分析和电磁暂态程序仿真证明了本文所提出方法可以快速收敛并且获得均匀分布的Pareto前沿,有效改善系统的动态性能。     

基于自适应混沌粒子群优化算法的多目标无功优化

针对粒子群无功优化中由于随机生成代表控制变量值的粒子,使得在优化迭代过程中易陷入局部最优解,而且后期收敛速度慢等问题,将混沌优化算法融合到粒子群算法中,提出了混沌粒子群算法求解多目标无功优化问题。该算法在初始化粒子即无功优化控制变量值时,采用混沌思想,增加控制变量取值的多样性;通过粒子群无功优化算法计算各个粒子对应的适应值即无功优化目标函数值,并按照其大小择优选取控制变量值进行混沌优化以帮助无功优化控制变量跳出局部极值区域;并根据无功优化目标函数值自适应地调整其惯性权重系数以提高全局与局部搜索能力。通过算例分析表明,采用自适应混沌粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快。     

基于自适应混沌粒子群优化算法的多目标无功优化

针对粒子群无功优化中由于随机生成代表控制变量值的粒子,使得在优化迭代过程中易陷入局部最优解,而且后期收 敛速度慢等问题,将混沌优化算法融合到粒子群算法中,提出了混沌粒子群算法求解多目标无功优化问题.该算法在初始化粒子即无功优化控制变量值时,采用混沌思想,增加控制变量取值的多样性;通过粒子群无功优化算法计算各个粒子对应的适应值即无功优化目标函数值,并按照其大小择优选取控制变量值进行混沌优化以帮助无功优化控制变量跳出局部极值区域;并根据无功优化目标函数值自适应地调整其惯性权重系数以提高全局与局部搜索能力.通过算例分析表明,采用自适应混沌粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快.     

飞轮储能系统多PI控制器参数优化

对飞轮储能系统(FESS)的有功和无功PI控制器参数优化进行了研究,提出了应用加入模拟退火思想的改进粒子群优化(AIPSO)算法优化FESS有功和无功多PI控制器参数.该算法在混沌初始化、迭代中加入混沌扰动和自适应调整惯性权重系数的改进粒子群优化算法基础上,引入模拟退火思想,既能限制位置更新,又能跳出局部最优解,具有更...     

基于PSCAD-MATLAB联合调用的高压直流控制系统参数优化

为解决高压直流控制系统参数优化问题,提出一种基于PSCAD-MATLAB联合调用的参数优化方法。阐述了联合调用的可能性和基本原理,介绍了联合调用实现优化的基本流程。以CIGRE标准测试系统为研究模型,采用改进粒子群优化算法优化整流侧定电流控制中PI控制器参数。经过比对原参数、基于传递函数优化方法的结果及基于基本粒子群算法的联合调用优化结果表明,联合调用策略准确复现了直流系统实际工作性能,依靠改进粒子群算法的全局搜索能力,有效实现了直流输电控制系统的参数优化,提升了直流输电系统的瞬态和稳态性能。联合调用优化控制参数方法的提出为直流输电控制系统的各个参数的整定和优化提供了重要的参考决策。     

采用 sEMG 的手势识别用 APSO/ CS-SVM 方法

针对基于参数寻优的支持向量机(SVM)方法存在早熟收敛、全局寻优能力差、局部寻优精度低等问题,提出一种自适应粒子群/布谷鸟(APSO/CS)参数寻优方法,旨在实现SVM模型中核函数参数、惩罚因子的优化。测试函数分别对APSO/CS、APSO、CS的参数寻优性能进行了对比分析,表明APSO/CS寻优能够加快局部和全局寻优的收敛速度。采用表面肌电信号(sEMG)对APSO/CS、APSO、CS寻优的SVM方法进行了手势识别对比测试,实验测试结果表明,采用APSO/CS寻优的SVM方法进行手势识别时正确率最高,最高正确率可达94.50%,该方法可为识别分类算法提供一种新思路。     

基于自适应粒子群优化算法的AGC机组调配研究

提出了一种基于自适应型粒子群优化算法（APSO）的自动发电控制（AGC）机组调配方案。该方案针对考虑机组调节容量、调节速率等约束条件的AGC机组调配的数学模型,提出了一种改进的APSO。介绍了算法的基本原理．分析了不同参数取值对算法收敛性的影响。算例表明,该方法不仅可以克服整数规划法可能得不到最优解的缺点,而且与遗传算法比较,具有收敛性好、收敛速度快的优点。     

电力系统环保经济负荷分配的模糊自修正粒子群算法

针对标准粒子群算法易陷入局部最优、收敛过早的缺陷,提出了一种模糊自修正粒子群算法。通过利用模糊推理机制建立了粒子适应度值隶属度函数,在每次寻优过程中,使得各粒子根据自身当前适应度隶属度函数值来修正惯性权重的取值,而不是把惯性权重作为全局变量,对同一代粒子使用相同的惯性权重;这充分考虑了各粒子自身的性能,可以进一步改善早熟的缺陷,增强全局搜索能力,从而可以获取更好的目标值。将该算法用于求解电力系统经济负荷分配问题,兼顾考虑了燃料成本和环境成本;在求解此问题时,为了更精确地处理功率平衡约束,根据寻优过程中等式约束偏差量的大小不断调整罚系数取值,并以此建立相应的罚函数。算例结果表明,模糊自修正粒子群算法对比标准粒子群算法有较强的全局搜索能力,有更可靠的优化计算结果,进而体现了该方法的有效性和优越性。     

自适应粒子群优化算法及其在无功优化中的应用

针对传统的粒子群优化(PSO)算法中的某些参数需通过试验确定因而影响了其实用性的问题,提出了一种自适应粒子群优化(APSO)算法,并将其应用于电力系统无功优化问题的求解。该算法能在优化过程中自动调整各参数,从而取得问题的全局优化解。某具有151个节点、71个控制变量的实际电网无功优化结果表明,该算法较传统的PSO算法具有更强的全局寻优能力。     

多目标无功优化的向量评价自适应粒子群算法

为了克服粒子群算法在高维复杂问题寻优时有相当可能陷入局部极优的现象,提出了一种自适应粒子群算法。该算法利用种群多样性信息对惯性权重进行非线性的调整,并在算法的后期引入速度变异算子和位置交叉算子,使算法摆脱后期易于陷入局部最优点的束缚。对基于向量评价的粒子群算法进行了扩展,提出了基于向量评价的自适应粒子群算法(vector evaluated particle adaptive swarm optimization,VEAPSO)来解决多目标无功优化问题,求解出问题的Pareto最优解集。为帮助决策者从Pareto最优解集中选取合适的最优解,该文提出一种基于决策者偏好及投影寻踪模型的多属性决策法,使决策结果更加真实可靠。将该算法应用于多目标无功优化问题中,IEEE 30和IEEE 118节点系统算例仿真表明该方法用于解决多目标无功优化问题是有效可行的。     

改进APSO算法在光伏MPPT控制中的应用

局部阴影条件下,光伏发电系统中P-U曲线会呈现多峰现象,传统的最大功率点跟踪(Maximum Power Point Tracking, MPPT)算法易失效,粒子群(PSO)算法适用于复杂多极值系统的寻优,因而在多峰全局MPPT中得到应用。针对寻优过程中传统PSO算法搜索精度低以及易出现早熟现象的缺点,本文提出了自适应惯性权重粒子群(APSO)算法,在PSO算法中引入非线性惯性权重,以提高多峰全局寻优的精度与速度。最后利用MATLAB/Simulink对系统进行仿真,仿真结果表明：在均匀光照和可变阴影条件下,APSO算法能有效提高系统寻优的收敛速度与精度。     

考虑储能调节的主动配电网有功—无功协调运行与电压控制

为解决高比例可再生能源接入后配电网的节点电压越限问题,提出了一种考虑储能调节效应的有功—无功协调优化方法。首先,从理论层面分析了配电网接入可再生能源发电后带来的电压偏差问题,论证可从无功功率与有功功率两个方面实现电压控制;其次,建立了以节点电压总偏差最小为目标函数的配电网有功—无功协调优化数学模型;再次,提出了基于分布熵的自适应粒子群算法来实现模型求解;最后,通过算例验证了所提方法的有效性和实用性。     

基于改进粒子群算法的含DG配电网无功优化

含分布式电源(DG)配电网的无功优化是一个复杂的非线性优化问题,文中采用改进的粒子群算法(PSO)对配电网进行无功优化计算,建立以系统网损和电压平均偏离最小为目标函数,节点电压和电容器投切容量为约束条件的优化模型。在PSO中引入位置方差防止PSO陷入局部最优解,根据种群中粒子的适应度值对粒子进行变异处理,在保证算法收敛速度的基础上,改善算法性能。以含分布式电源的IEEE14节点配电系统为例进行无功优化分析,结果表明DG能增强电网运行的稳定性,所提算法具有较好的优化性能。