共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
混合粒子群优化算法在电网规划中的应用 总被引:7,自引:2,他引:5
在含被动聚集因子的粒子群优化(particle swarm optimization with passive congregation,PSOPC)算法和和谐搜索(harmony search,HS)的基础上,构建了一种新的混合粒子群优化(heuristic particle swarm optimization,HPSO)算法。该算法根据电网规划的特点,采用“飞回机制”处理变量的约束条件,利用和谐搜索处理规划问题的约束条件,使粒子群在迭代过程中始终保持在可行域内,同时该算法中引入了被动聚集因子,有效改善了粒子的进化机制,提高了粒子的自由搜索能力。18节点算例验证了该算法应用于电网规划的正确性和有效性,HPSO算法、粒子群优化算法和PSOPC算法的比较结果表明该HPSO算法具有较好的收敛性能。 相似文献
3.
基于差分进化生物地理学算法的经济负荷分配 总被引:1,自引:0,他引:1
《电力科学与工程》2016,(3)
针对智能算法在解决经济负荷分配问题时全局搜索能力和局部寻优能力不平衡的缺陷,提出了差分进化生物地理学算法。通过融合生物地理学算法和差分进化算法,并改进了算法中变异操作和替换重复个体策略,实现了的局部利用能力和全局搜索能力的平衡。通过建立求解经济负荷分配模型,兼顾考虑了燃料成本、阀点效应、环境成本以及各种约束条件,对具体案例仿真计算,将优化结果与生物地理学算法、差分进化算法和粒子群算法比较分析。结果表明差分进化生物地理学算法在收敛速度和优化质量方面较优,进而体现了该算法在解决经济负荷分配问题时的有效性和优越性。 相似文献
4.
5.
机组组合是一个大规模、非线性混合整数优化问题,求解比较困难,为了提高粒子群算法的全局和局部搜索能力,提出一种惯性权值自适应调整的粒子群算法.该算法按照适应度的大小将粒子群分成两个子群,然后根据适应度的进化速度和进化停滞系数动态调整惯性权值.通过对典型函数的测试以及10台机组24小时的优化调度,计算结果表明该方法收敛精度较高. 相似文献
6.
针对标准粒子群算法(particle swarm optimization,PSO)易陷入局部最优,差分进化算法(differential evolution,DE)后期收敛速度慢的缺点,提出差分粒子群算法(differential particle swarm optimization,DEPSO)将二者进行混合优化,提高群体的收敛速度和全局寻优能力,并应用于配电网变电站规划。在变电站选址数学模型中结合Voronoi图来确定变电站供电范围和规划容量,继而校验变电站实际负载率,简化计算过程,提高搜索效率。通过某市城区远期规划实例验证得知该算法正确有效,可以满足城区配电网的规划要求。 相似文献
7.
8.
9.
《电子测量与仪器学报》2015,(10)
采用D-H法通过连杆坐标系变换矩阵建立机械臂运动控制模型,该模型呈现非常严重的非线性特性,传统方法难以求解。针对动态差分算法全局搜索能力强和粒子群算法局部搜索精确的特点,提出多子群分层差分粒子群算法。该算法采用分层结构,底层一系列子群利用动态差分算法进行全局搜索,顶层精英群由底层种群的部分优秀个体构成,利用粒子群算法进行局部搜索。多子群分层结构可以提升个体共享群体信息的能力,数值实验表明该算法在收敛精度、速度以及搜索成功率都有了显著提高,可以有效解决机器人逆运动学模型。 相似文献
10.
曹文梁 《电子测量与仪器学报》2017,31(6):928-933
针对传统粒子群优化算法与差分进化算法都易出现早熟等问题,提出了一种随机差分变异粒子群混合优化算法。算法结合粒子群与差分算法的各自特点,首先采用差分变异方法产生试探性候选个体,再将其代入到粒子群速度更新公式,引导粒子飞行方向,从而扩大搜索空间,增强算法的全局勘探能力。为避免粒子陷入局部最优解,采用随机差分变异方式对当前最优粒子进行扰动,使算法在有效提高局部开采能力的同时,有效避免停滞现象的发生。算法分别在单峰及多峰等8个测试函数上与3个相关算法进行对比实验,实验结果表明,新的混合算法优于其他对比算法,有效提高了算法的性能。 相似文献
11.
将搜寻者优化算法(SOA-Seeker Optimization Algorithm)应用到电力系统无功优化中去,以网损最小为目标函数,建立了SOA无功优化的数学模型.由发电机端电压、变压器分接头和电容器组3部分控制变量构成初始矩阵.SOA算法模拟人的随机搜索行为,对利己行为、利他行为、预动行为和不确定性推理行为进行分析和建模,以确定搜索方向和步长进行解的全局搜索.对IEEE30、IEEE57测试系统进行了测试,仿真结果表明,SOA算法具有较好的全局寻优能力和较快的收敛速度,能有效地应用到电力系统无功优化中去. 相似文献
12.
13.
文章针对无功优化问题的特点,在传统粒子群算法(PSO)的基础之上,提出一系列的改进措施,形成了一种新型分阶段粒子群优化算法(MPSO)。该算法通过调整惯性权重和加速系数使粒子自组织地跟踪个体极值和全局极值来扩大粒子的搜索空间和提高粒子的收敛精度,同时根据粒子处于不同的阶段实施相应的变异策略来增加种群的多样性,有效地抑制了PSO算法的早熟现象,进一步加快了算法的收敛速度。以IEEE-30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性。 相似文献
14.
15.
粒子群优化算法是一种简便易行,收敛快速的演化计算方法。但该算法也存在收敛精度不高,易陷入局部极值的缺点。针对这些缺点,对原算法加以改进,引入了自适应的惯性系数和模拟退火算法的思想,提出了一种新的模拟退火粒子群优化(simulated annealing particle swarm optimization,SA-PSO)算法,并将其应用于电力系统无功优化。对IEEE14节点系统进行了仿真计算,并与PSO算法作了比较,结果表明SA-PSO算法全局收敛性能及收敛精度均较PSO算法有了较大提高。 相似文献
16.
17.
介绍了国内外学术界对无功优化问题的研究状况,并对无功优化研究中的两个主要方面进行了总结:考虑更多实际需求的详细建模和快速准确求解无功优化问题的算法. 相似文献
18.
一种地区电网分布式无功优化方法 总被引:2,自引:0,他引:2
针对地区电网的特点,提出一种分布式无功优化的新方法。考虑到各级网络结构的差异及其无功优化的特点,采用分层分区的思想,将地区电网分成次输电网络和中低压配电网两层子系统。这样,整个大规模地区电网的优化问题被分解为若干个小规模系统的优化子问题,降低了优化问题的复杂度。次输电网络和配电网可以根据自身网络特点,选用不同的潮流算法、优化数学模型、优化算法进行无功优化。各层之间通过Internet进行数据的交互,利用分布式计算的方法实现整个网络无功资源的优化。仿真结果验证了这种分布式无功优化方法是可行、有效的。 相似文献
19.