基于拥挤距离的多目标粒子群优化算法在漳河水库优化调度中的应用

针对传统多目标优化算法的不足,提出了基于拥挤距离的多目标粒子群优化算法(MOPSO CD),该算法用拥挤距离来维持精英策略和选取全局极值,同时引入动态非均匀变异算子,用以维持粒子多样性、减缓算法收敛速度、避免早熟收敛。以漳河水库为例,建立了以灌溉缺水量最小和发电量最大为目标函数的两目标优化调度模型,将MOPSO CD应用于模型的求解中,得到了足够多且较均匀的非劣（Pareto）解前端。     

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。     

基于多目标粒子群算法的水资源优化配置研究

在分析阿拉尔市水资源利用现状的基础上,构建了以区域供水系统总缺水量最小、水库损失水量最小为目标的水资源优化配置模型,应用多目标粒子群算法,对阿拉尔市2015、2020和2025年三个水平年,二种不同保证率(P=50%、P=75%)下的水资源优化配置方案进行求解。结果表明,该方法有效解决了阿拉尔市水资源系统不同水平年、多水源、多用户、多受水区、多工程、多目标的求解问题,得到了阿拉尔市各受水区及其各用水部门的分配水量,实现了阿拉尔市水资源的综合配置。     

基于改进粒子群算法的配电网多目标优化控制

随着光伏机组大量接入配电网,需要在增加间歇性可再生能源使用的同时,保持电力系统的电压稳定。储能技术的快速发展允许部署储能系统来支持电压调节。为了在光伏储能优化出力系统中达到网络损耗和调压措施成双优化的目的,提出了一种改进的Pareto档案粒子群多目标优化算法。在非支配排序环节计算拥挤距离时,加入小生境技术,避免陷入局部最优同时,增加Pareto解集分布的多样性。基于IEEE 30配电网系统测试了所提出的PV-ESS（photovoltaic-energy-storage-system）优化方法。结果证明,该算法对抑制光波动、提高电压稳定性以及降低网损有着良好的表现,进而维护系统运行的稳定性,降低电力行业经济成本。     

多目标粒子群优化算法在光伏MPPT中的应用

为提高光伏电池的利用率,需要进行光伏阵列的最大功率点跟踪(MPPT),针对传统粒子群优化算法在多目标优化中的不足,提出了基于最小粒子角度的多目标粒子群优化算法,利用目标空间中不同粒子之间的角度进行粒子全局极值更新,通过比较粒子的浓度值给出粒子群及粒子个体极值更新方法,并在Matlab/Simulink下进行了建模与仿真。仿真结果显示,该算法在外界环境变化时能快速准确地跟踪太阳能电池的最大功率点,并能保证系统的稳定性。     

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.     

应用多模型粒子群优化算法的过热汽温模糊控制

针对单一模型的粒子群参数优化算法存在鲁棒性差的问题，提出一种应用多模型粒子群参数优化的方法，将其应用于模糊控制器参数的优化，有效地避免了模糊控制器设计中复杂的参数调试，使其获得良好的控制品质。通过对锅炉过热汽温系统的仿真实验，在负荷大范围变化的条件下，控制系统仍保持了良好的控制性能，并且具有较强的鲁棒性。仿真结果表明了所设计的控制器的有效性和所提出的优化算法的优越性。图6表2参11     

基于文化粒子群算法的三亚市水资源优化配置

为解决三亚市水资源时空分布不均、部分地区缺水现象严重的问题,建立了系统总缺水量最小、供水效益最大的多目标水资源优化配置模型;并应用新型智能文化粒子群优化算法,对2010年为现状水平年,2020、2030年为规划水平年的多年平均情况下的水资源配置方案进行了模型求解。结果表明,规划水平年缺水率不断下降,基本实现了总缺水量最小的目标,可见优化配置有效缓解了三亚市用水紧张的问题,具有一定的借鉴意义。     

考虑经济环保效益的微网群多目标协调优化

多个微网互联构成群集系统可有效提高微网系统可靠性,增强能源互补性。文章考虑经济环保因素,构建了微网群多目标优化调度模型。基于模糊优化理论,采用最大模糊满意度法将非线性多目标优化问题转化为单目标优化问题,并结合禁忌搜索思想改进粒子群算法进行多目标优化求解。以含有风、光、储、燃料电池和柴油发电机的两个子微网为微网群算例系统,对比分析了微网群多目标优化协调并网和子微网单独并网两种运行方式下整个系统经济性和环保性。结果表明,微网群协调并网不仅可以更好地实现生产成本与环境污染协调最优,同时还具有较强的削峰填谷作用,验证了所提出微网群多目标协调优化的合理有效性。     

改进粒子群算法在梯级水电站优化调度研究中的应用

针对梯级电站优化调度具有多阶段、非线性和组合性的特点,采用改进粒子群算法来求解。针对目前采用的基本粒子群算法在求解时存在易陷入局部最优和早熟的缺点,改进粒子群算法以混沌变量生成机制来增加种群的多样性,以逐步优化和随机生成相结合的方法生成初始种群,以增加粒子生成的有效性。实例计算结果表明,改进粒子群算法可以取得较好的效果,并为梯级电站优化调度提供了一种有效的方法。     

非线性马斯京根模型参数优化的混沌模拟退火法

提出了用混沌模拟退火法估计非线性马斯京根模型参数的优化算法。该算法将混沌优化的粗搜索、细搜索的两阶段搜索规则与模拟退火的启发式规则相结合进行参数的优化估计,既保证了解的全局最优性,又保证了最优解的精度。通过实例计算,并与文献方法计算的结果对比分析,表明该方法具有适应性强、求解精度高的特点。     

水文模型参数优选的改进粒子群算法参数分析

借鉴竞争演化和多种群混合进化的思想,对粒子群算法(PSO)进行改进,提出了序列主-从种群混合进化的粒子群算法(SMSE-PSO).鉴于优选水文模型参数算法的有效性与算法控制参数有关,为评价SMSE-PSO算法不同控制参数对优化性能的影响,结合水文模型参数优选的特点提出采用正交试验设计的方法分析.结果显示,正交法较好地识别了关键影响因素并提出可能的最优方案,SMSE-PSO算法能较好地应用于复杂多参数水文模型的参数识别研究中.     

粒子群优化在临界水深计算中的应用

将临界水深的计算建模为一个非线性约束优化问题,应用新型粒子群优化算法加以求解。通过实例计算以及与文献方法的计算结果对比分析,表明粒子群优化算法求解梯形明渠临界水深适用性强、计算精度高、算法实现简单,同时验证了算法的有效性和正确性,为梯形明渠临界水深问题的求解提供了一条新途径。     

基于遗传算法的马斯京根模型参数优化

针对传统的优化马斯京根模型参数的方法计算过程繁琐、计算精度不高的问题,提出利用加速遗传算法直接优化马斯京根流量演算系数,有效解决了传统方法计算结果精度不高的问题,并在马斯京根模型参数优化求解中得以应用。结果表明,加速遗传算法较易程序化、收敛速度快,且计算精度较高,为河道洪水演算的研究提供了一种新途径。     

基于粒子群算法的神经网络在冰凌预报中的应用

为提高神经网络预报模型的泛化能力和预测精度,将粒子群算法与BP神经网络相结合,建立了粒子与神经网络参数的映射关系,利用粒子群算法全局搜索网络的最优权值,赋值于神经网络进行训练,从而建立了PSO-BP预报模型,并将模型应用于黄河宁蒙河段的冰凌预报中。结果表明,该模型预报合格率较高,属于甲等预报,且与GA-BP模型相比偏差更小、精度更高。     

马斯京根模型参数抗差估计方法风险分析

针对马斯京根模型参数抗差估计方法存在将真实值作为异常值的风险,利用蒙特卡洛方法分析了不同频率、不同量级的异常值影响下马斯京根模型参数抗差估计方法风险与效果间的关系。结果表明,马斯京根模型参数抗差估计方法的风险随异常值量级和频率的减小而增大,同时还与估计方法选取的抗差权函数有关。     

基于改进粒子群算法的水轮机调速系统建模

针对电力系统稳定计算分析软件中水轮机调速系统模型过于简单、粗略的问题,建立了水轮机调速系统非线性模型,并提出参数实测与改进的粒子群智能优化算法结合的模型辨识方法,获得了调速器模型参数、水轮机-引水道模型参数.现场实测数据的模型仿真结果验证了该模型辨识方法的准确性,该模型优于电力系统稳定计算软件中的模型,更符合实际.     

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。     

基于改进粒子群优化算法的边坡稳定性分析

针对标准粒子群算法存在收敛精度低、易陷入局部最优的缺点,提出了基于混沌与变异的改进粒子群优化算法(CVPSO),将其应用于边坡滑裂面搜索,研制了边坡稳定分析程序CVPSO-LEM2D。采用改进粒子群算法对澳大利亚计算机应用协会(ACADS)边坡算例进行计算分析,结果表明改进粒子群算法的全局最优搜索能力与收敛精度得到了较大提高,计算结果与ACADS推荐的裁判答案基本一致,验证了算法的有效性。最后,将CVPSO-LEM2D应用于两河口泄水建筑物进口边坡稳定性分析,验证了方法的可行性,为类似工程提供了参考和借鉴。