遗传算法及其在无功优化中的应用

遗传算法是近几年发展起来的一种全局优化算法，它将生物遗传学的一些机理应用于工程问题。本文将其应用于电力系统无功优化，算例表明它是降低电网损耗的一种有效算法。     

基于并行组合模拟退火算法的水电站优化调度研究

并行组合模拟退火算法是将模拟退火算法和遗传算法相结合的一种新型优化算法。将该算法用于水电站优化调度，与经典算法相比其特点在于，该算法可从多个点开始寻优，占用计算机内存少，能以较快的速度找到全局最优解；编程简单、适应性强，是一种有效的搜索算法。     

基于改进微分进化算法的电力系统无功优化

提出了一种改进的微分进化算法求解电力系统无功优化问题。在进化过程中，该算法根据进化情况采用动态参数调整机制提高算法的搜索效率，并且对种群重叠状况进行实时监视，对重叠个体利用混沌搜索策略来进一步提高算法的全局寻优能力。通过对IEEE 6、IEEE 30、IEEE 118标准测试系统及某地区实际系统的无功优化问题计算及结果分析表明，文中提出的改进微分进化算法高效、且全局寻优能力强。     

自适应粒子群优化算法在电力系统无功优化中的应用

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。IEEE30节点无功优化结果表明,该算法较传统的PSO算法具有更强的全局寻优能力。     

电网优化规划的遗传算法

遗传算法是近几年发展起来的一种全局优化算法，它将生物遗传学的一些机理应用于工程技术问题。文章将其应用于电网优化规划，算例表明它可以提供最优、次优若干个方案，供决策者选用。     

基于免疫原理的自适应模糊控制器优化设计

利用免疫系统的克隆选择原理设计了全局搜索优化算法和局部搜索优化算法，并提出了一种时变对象的模糊控制器参数自整定方案。该方案利用全局优化算法离线组合优化标称参数下的控制器，对象发生变化后，利用局部优化算法在线优化，可快速获得新的控制器参数，以实现自适应控制。仿真结果表明，该控制系统在被控对象参数变化的情况下，仍具有良好的控制性能，能够对一类时变对象实施高精度控制，具有较大的工程应用价值。     

基于蚂蚁算法的配电网无功优化

电力系统中无功功率的优化配置在电网经济运行中占有十分重要的地位,无功优化问题是一个复杂的组合优化问题,蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中采用改进的蚁群算法来解决配电网络无功优化问题,建立了相应的数学模型。并以某城市配电网无功优化结果表明这种方法搜索效率高易于找到全局最优解的优点。     

基于蚂蚁算法的配电网无功优化

电力系统中无功功率的优化配置在电网经济运行中占有十分重要的地位,无功优化问题是一个复杂的组合优化问题,蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中采用改进的蚁群算法来解决配电网络无功优化问题,建立了相应的数学模型。并以某城市配电网无功优化结果表明这种方法搜索效率高易于找到全局最优解的优点。     

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。     

禁忌搜索算法在二相永磁同步电动机中的应用

禁忌算是一种现代化算法，是对局部邻域搜索的一种扩展，是一种全局逐步寻优算法。通过利用此优化算法对二相永磁同步电动机的设计方案进行优化设计是一种提高电动机综合指标较好的途径和措施，可以节省大量的人力和时间，缩短整个计算周期；而永磁同步电动机是多变量、多目标、多极值的隐函数的极值问题，因此文中引入了模糊数学的知识解决这个问题。文中建立了二相永磁同步电动机的优化目标函数，优化结果证明此方法是有效的。     

改进粒子群优化算法的电力系统最优潮流计算

标准的粒子群优化(PSO)算法一般不能兼顾收敛速度、全局探索能力和局部精细搜索能力,因此,提出了改进粒子群算法以解决电力系统的最优潮流计算问题,同时指出今后粒子群算法的研究方向.     

基于双适应度微粒群优化算法的最优潮流计算

在分析最优潮流(0PF)理论及其算法的基础上,引入微粒群优化算法(PSO).考虑到传统PSO算法应用罚函数处理OPF约束条件时容易造成对优良个体的湮灭,提出双适应度概念对微粒进行评估.利用双适应度PSO算法对算例进行分析并与其他算法比较,结果表明双适应度微粒群优化算法可较好处理最优潮流约束条件,在处理最优潮流问题上具有一定的有效性和优越性.     

含维变异的量子粒子群算法在无功优化中的应用

量子粒子群优化算法(QPSO)避免了粒子群算法(PSO)不能保证收敛到全局最优解这个缺点,认为粒子具有量子的行为,并且可以在整个可行解空间进行搜索。无功优化问题是带有离散变量的非线性、不连续、多约束、多变量的复杂优化问题。本文考虑到优化过程中避免陷入局部最优,应用含维变异QPSO算法并结合动态调整罚函数的方法来解决无功优化问题。并对标准IEEE-30节点系统进行仿真计算,并与QPSO、PSO、GA算法进行了比较,表明该算法能够获得更好的全局最优解。     

基于粒子群优化技术PSO确定TCSC最佳安装位置

提出一种采用粒子群优化技术,以系统载荷能力最大化及安装费用最小化为目标,确定TCSC最佳安装位置的方法。该方法的数学模型以线路潮流和节点电压限制作为约束条件,从而提高了结果的准确性和实用性。最后在IEEE6节点系统中成功地应用该方法。结果表明,PSO算法求得的系统最大载荷能力较原状态提高了14％,并且与遗传算法GA相比,其具有较强的全局搜索能力和较高的收敛精度,是寻找TCSC最佳安装位置的有效方法。     

基于量子粒子群算法的电力系统无功优化

量子粒子群优化算法(QPSO)避免了粒子群算法(PSO)不能保证收敛到全局最优解的缺点,认为粒子具有量子的行为,并且可以在整个可行解空间进行搜索.无功优化问题是带有离散变量的非线性、不连续、多约束、多变量的复杂优化问题,应用QPSO算法并结合动态调整罚函数的方法来解决无功优化问题.通过对IEEE-30节点和IEEE-1...     

群体消亡粒子群优化算法在继电器优化设计中的应用

从分析粒子群算法的早熟现象的原因入手及受生物进化过程中突变和灾难现象的启发,在标准粒子群优化算法的基础上,提出一种群体消亡粒子群优化算法。将微粒分成大小相同的几个种群,在粒子群算法运行的适当时机,依一定方式使群体中的适当子群体消亡并随机补充新个体,以维持群体的适当规模和多样性。对Schaffer’s f 6函数的仿真结果表明,该算法易于找到全局最优解。将改进的算法应用于电磁继电器的优化设计之中,验证了其有效性。     

基于改进粒子群算法的多能微网多目标优化调度

为实现多能微网内部能源的灵活调用,减轻系统碳排放压力,文中提出了一种基于改进粒子群(particle swarm optimization, PSO)算法的多能微网多目标优化调度方法。建立了冷热电气多能微网模型,分析系统能源耦合机理并对设备进行数学建模;以微网运行成本与环境成本最小为目标,构建多能微网多目标优化调度模型;提出一种改进PSO算法,通过调整主要参数的迭代规则,并采用自适应粒子寻优策略加快收敛速度,提升寻优效果;仿真结果表明：与传统方法相比,所提基于改进PSO算法的多目标优化调度方法能够有效提升算法收敛速度、降低系统综合成本,兼顾其运行的经济性与环境友好性。     

基于改进微粒群算法的水火电力系统短期发电计划优化

微粒群算法(PSO)来源于对社会模型的模拟,是一种随机全局优化技术。该算法简单,容易实现,且功能强大。中对PSO进行了改进,引入了“分群”和“灾变”思想,并应用于求解水火电力系统的短期有功负荷最优分配问题。通过具体算例验证了改进PSO算法的有效性,而且其收敛速度比遗传算法(GA)快,求解精度比普通的PSO和GA的高。     

基于粒子群优化算法的TMPS-HESM联合仿真设计方法

混合励磁同步电机(HESM)是当前研究热点,其设计方法值得讨论。借助ANSYS RMxprt软件和传统磁路法设计电机定子,再通过ANSYS Maxwell软件设计HESM转子并进行电机参数化建模,进一步建立8极48槽TMPS-HESM的Maxwell&Workbench&Optislong联合仿真模型,最后运用粒子群优化(PSO)算法对电机进行全局多目标优化得到Pareto解集,并使用优劣解距离法(TOPSIS)从解集中客观选取最优设计方案。系统地提出了一种基于PSO的切向聚磁型并联结构混合励磁同步电机(TMPS-HESM)联合仿真设计方法。通过相关有限元仿真试验,验证了电机性能符合设计要求。