PSO-CSO算法在地区电网无功优化的应用

针对电力系统无功优化问题,建立以有功损耗最小为优化目标的数学模型,提出一种基于粒子群优化(particle swarm optimization,PSO)算法和纵横交叉优化(crisscross optimization,CSO)算法的混合智能算法(PSO-CSO)。该方法采用CSO算法横向交叉、纵向交叉的搜索方式,使算法具有很强的全局搜索能力;同时引入PSO算法中以个体最优值和全局最优值为引导的寻优机制,提高了算法的收敛速度。通过对IEEE57节点系统和地区电网模型进行仿真分析,并将优化结果与PSO和CSO等算法的优化结果进行比较,表明PSO-CSO算法在解决电力系统无功优化问题上具有更好的全局搜索能力和收敛能力。     

二进制纵横交叉算法在配电网重构中的应用

针对配电网重构问题,提出了一种以有功损耗最小为优化目标的、全新的二进制纵横交叉算法(binary crisscross optimization,BCSO)。该算法在纵横交叉算法(crisscross optimization,CSO)的基础上进行了二进制化研究,解决了二进制优化的难题;同时继承了纵横交叉算法的双交叉机制,其中横向交叉机制增强了全局搜索能力,提高了全局收敛速度,纵向交叉机制保持了种群的多样性,避免陷入局部最优;通过横、纵交叉机制的配合能够快速寻找到全局最优解。最后,在IEEE 33节点和美国PGE69节点系统上对二进制纵横交叉算法进行仿真试验,试验结果分析表明:BCSO对解决配电网重构具有可行性,同时具有收敛速度快、全局寻优能力强以及良好稳定性的优点。     

基于双种群CSO算法重构的含DG配网故障恢复

为兼顾配网故障恢复的快速性和最优性,提出一种基于重构的分级响应故障恢复方法,并应用双种群纵横交叉(crisscross optimization algorithm,CSO)算法寻求重构方案.首先在故障隔离后利用启发式规则进行局部重构,以较少的开关动作次数快速恢复配网连通性.然后在局部重构后有安全指标越限时,利用改进的...     

基于纵横交叉算法的波浪发电装置最大功率跟踪控制

针对波浪能最大功率点跟踪控制中,浮子水动力模型的非线性,使传统群智能算法存在局部最优问题,提出纵横交叉算法(CSO)控制方案。CSO的纵向交叉算子,在纵向交叉概率判定下进行个体维变量间的算术交叉,保证种群能够脱离局部最优状态; CSO的横向交叉算子完成个体间的随机配对与算术交叉,并将解空间全体分割成若干个子空间,每个子空间以配对个体为对角顶点,搜索子空间内部及邻域,实现精细的局部搜索能力。通过纵、横交叉算子的交替作用,任何有益于实现全局最优的信息,都将被迅速地分发到种群的各变量中,用以改变搜索路径。仿真表明,在波浪周期发生变化时,纵横交叉算法能够实现最大功率点跟踪,并提高收敛速度。     

含分布式电源的地区电网无功优化研究

分析揭阳地区电网的基本特点和无功配置情况,针对含分布式电源的地区电网无功优化特点,以有功网损最小为目标,提出了基于纵横交叉算法(CSO)的电力系统无功优化方法。CSO算法中首次提出维局部最优概念和纵横交叉双搜索思想,相比其他主流群智能优化算法,CSO算法在解决维数灾问题和收敛精度方面取得了较大突破。算例仿真结果表明,CSO算法寻优质量高、收敛性好,适合求解大规模系统无功优化问题。     

基于相似日理论和CSO-WGPR的短期光伏发电功率预测

针对光伏发电功率预测精度不高的问题,提出一种结合纵横交叉算法与改进的高斯过程回归算法(crisscross optimization algorithm and weighted Gaussian process regression,CSO-WGPR)的预测模型。首先,通过加权模糊聚类对天气类型进行划分,选出与预测日相同类型的相似日样本;其次,采用单类支持向量机(One-Class supportvectormachine,One-ClassSVM)算法结合传统高斯过程回归算法,建立改进后的高斯过程回归模型(weighted Gaussianprocess regression,WGPR),减小异常值数据对预测结果的不良影响;然后,采用纵横交叉算法(crisscross optimization algorithm,CSO)优化WGPR的超参数,进一步提高模型的预测精度。以澳洲爱丽丝泉光伏系统为例进行建模预测,真实数据仿真和实验结果表明,所提预测模型在晴天、阴天、雨天类型下具有更高的预测精度,验证了该方法的有效性。     

基于纵横交叉算法的热电联产经济调度

为解决热电联产经济调度优化问题,提出了一种基于纵横交叉算法(Crisscross optimization algorithm,CSO)的新求解方法。CSO采用一种双交叉搜索机制,其中横向交叉引入扩展因子增强全局搜索能力,纵向交叉引入维交叉概念,从而避免维局部最优问题。CSO的全局并行搜索,避免了陷入局部最优,有效提高了收敛速度。以一个包含纯发电机组、热电联产机组、纯发热机组的48机组系统为例,建立了热电联产经济调度问题的模型。仿真结果表明,CSO解决热电联产经济调度问题具有可行性和有效性,为实际调度系统提供了一个较好的方法。     

基于混合算法的含分布式电源配电网重构研究

随着新能源技术在配电网领域的发展,分布式电源（distributed generation,DG）接入配电网的研究成为热门。与传统配电网相比,含DG的配电网会出现弱环网和非PQ节点,而传统潮流计算方法只能解决PQ节点和辐射状网络。为解决配电网接入DG后重构的问题,采用叠加定理解决开关倒换过程中产生的弱环网,同时改进前推回代潮流计算方法,使得接入DG的节点可以正常参与潮流计算。同时结合纵横交叉算法（crisscross optimization,CSO）和粒子群算法（particle swarm optimization,PSO）的优势,提出混合算法（crisscross particle swarm optimization, CPSO）优化含分布式电源的配电网重构问题。仿真部分是以典型的IEEE 33节点配电网为例,在考虑DG接入方式为PI节点、PV节点和PQ（V）节点的情况下进行仿真,结果证明了配电网合理的接入DG后,可以起到降低网损和提高电压质量的作用。     

基于纵横交叉算法的直流微电网趋优稳定性分析

在直流微电网稳定性分析中，为解决多指标趋优化运行提高系统稳定性问题，提出了一种纵横交叉算法(crisscross optimization algorithm,CSO)求解参数趋优解方法，该算法能够实现全局并行搜索，有效地规避参数局部解对稳定性分析的影响。首先建立多源多负荷直流微电网的小信号模型，利用特征根分析方法计算出系统主导模态，通过参与因子法解耦状态变量对主导模态的影响程度，将主导模态实部作为CSO的目标函数并引入条件约束的惩罚函数进行稳定性分析。通过CSO的搜索优化能力找寻到电源下垂系数趋优解，以此增大阻尼、提高系统稳定性，并利用CSO发现源侧线路采用两长一短输电也可提高系统稳定性。最后，通过仿真分析和实验验证所提控制策略的正确性与有效性。     

基于改进遗传算法的电力系统无功优化

将遗传算法应用于电力系统无功优化。针对传统遗传算法中存在的易陷入局部最优解和后期收敛速度慢的问题,在简单遗传算法（SGA）的基础上,提出更加有效的算法即改进遗传算法（IGA）。新算法结合灵敏度分析产生原始个体替代SGA。SGA 的交叉和变异被改进,改进的交叉操作拥有快速局部调节能力,改进的变异操作引入灵敏度分析产生新的个体。所提算法在一个算例上进行了分析验证。     

基于改进遗传模拟退火算法的无功优化

针对目前电力系统无功优化算法所存在的问题,提出了一种将遗传算法与模拟退火算法及牛顿下山法相结合的混合求解算法。首先根据个体适应度值进行自适应交叉和变异操作并采用模拟退火进行个体更新,以便增加群的多样性,避免陷入局部最优;然后采用牛顿下山法加快模拟退火部分的求解过程,并采用十进制整数编码和保存最优个体法来提高计算速度和精度。以IEEE 30-bus系统和一某实际电力系统为例对所提出算法的性能和求解精度进行了测试,结果表明改进的混合遗传算法比传统的遗传算法在计算速度和全局收敛方面有了很大提高。     

基于改进免疫遗传算法的无功优化

针对目前电力系统无功优化算法所存在的问题提出了一种改进的免疫遗传算法,该算法把模糊逻辑、模拟退火和免疫算法相结合,根据模糊逻辑获得变化的交叉和变异算子,采用退火免疫方法对抗体进行选择,用免疫算子进行个体更新,从而增加了群的多样性,避免陷入局部最优。同时,还采用十进制整数编码和保存最优个体法来提高计算速度和精度。最后以IEEE 30-bus系统为例对算法的性能和求解精度进行了测试,结果表明本文提出的算法比其他遗传算法在计算速度和全局收敛方面有了很大提高。     

并行自适应粒子群算法在电力系统无功优化中的应用

针对传统粒子群优化算法"早熟"与后期收敛速度慢的缺点,提出了一种基于并行自适应粒子群优化算法的电力系统无功优化方法。该方法首先将初始种群随机划分成N个子群,然后分别在各子群中以所提方法寻优,从而实现了算法的并行计算。为避免各子群陷入局部最优解,采用二值交叉算子使各子群间的信息共享并更新相关粒子位置,保证了算法的全局搜索能力并维持了种群的多样性。同时,各子群寻优过程中,根据利己、利他及自主3个方向对当前搜索方向自适应更新,提高了算法的收敛速度。将所提出算法在IEEE 30节点系统上进行了仿真验证,结果证明了并行自适应粒子群算法用于无功优化的可行性和有效性。     

改进差分进化算法在电力系统无功优化中的应用

针对电力系统无功优化具有非线性、多控制变量、多约束条件、连续变量和离散变量混杂的特点,提出了一种改进的差分进化算法。该算法根据进化学习过程中积累的经验,利用优良群体引导变异的方向,同时提取优良群体各维元素的信息,以优良群体信息指导个体每一维变量的交叉操作。IEEE 30节点系统算例表明,所提算法较基本差分进化算法和粒子群算法,收敛速度快、计算精度高、稳定性好、能有效地求解电力系统无功优化问题。     

A new ARMAX model based on evolutionary algorithm and particle swarm optimization for short-term load forecasting

In this paper, a new ARMAX model based on evolutionary algorithm and particle swarm optimization for short-term load forecasting is proposed. Auto-regressive (AR) and moving average (MA) with exogenous variables (ARMAX) has been widely applied in the load forecasting area. Because of the nonlinear characteristics of the power system loads, the forecasting function has many local optimal points. The traditional method based on gradient searching may be trapped in local optimal points and lead to high error. While, the hybrid method based on evolutionary algorithm and particle swarm optimization can solve this problem more efficiently than the traditional ways. It takes advantage of evolutionary strategy to speed up the convergence of particle swarm optimization (PSO), and applies the crossover operation of genetic algorithm to enhance the global search ability. The new ARMAX model for short-term load forecasting has been tested based on the load data of Eastern China location market, and the results indicate that the proposed approach has achieved good accuracy.     

基于交替方向乘子法的输-配-天然气系统分布式优化调度

随着电力网络与天然气网络耦合程度的加深以及传统配电网向主动配电网的转变,传统输配电气分离下的优化调度无法充分利用各种资源的灵活控制能力,不能获得整体最优解.因此,考虑电气耦合下的输配气协同优化,提出一种输-配-天然气系统优化调度模型.此外,考虑到未来输电系统运营中心、配电系统运营中心与天然气系统运营中心之间的独立性,为了保护各运营中心的信息隐私,提出了一个基于交替方向乘子法的分布式求解框架求解所提模型.为了确保分布式求解算法的收敛性,利用二阶锥松弛方法将气网优化问题转化为凸优化问题.算例结果表明,考虑电气耦合的输配气协同优化能够充分利用主动配电网中的多能耦合资源和储能资源,促进可再生能源消纳,提升系统总体运行经济性.此外,所提分布式求解算法的精确性和收敛性也得到了验证.     

基于改进遗传算法的变电站巡检机器人路径规划

变电站巡检机器人的路径规划是一个复杂的组合优化问题。与经典的TSP问题不同,变电站巡检线路中各坐标之间并不具备完全的连通性,传统的优化方法难以解决此类问题。为此,文中提出一种改进遗传算法用于巡检路径规划,采用拓扑图对机器人工作环境进行建模,然后采用特殊的交叉算子、自适应变异算子和淘汰算子,对每一代被淘汰的个体进行逆转变异并将产生的新个体重新加入种群,随迭代次数调整变异概率,从而对连续的规划空间直接进行寻优。仿真结果表明,该算法在巡检机器人路径规划中与模拟退火算法、传统遗传算法和基于个体相似度改进的自适应遗传算法(ISAGA)相比,得到的路径平均长度分别缩短了4.9%、8.3%和3.1%,并且具有更好的收敛性和稳定性,在实际的巡检任务中能够起到更好的效果。     

多目标无功优化的向量评价自适应免疫粒子群算法

为了克服粒子群算法在高维复杂问题寻优时容易陷入局部搜索的现象,提出了一种自适应免疫粒子群算法。该算法利用引入免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子,从整体上达到系统的最佳控制方案。并将基于目标向量的个体评价方法与自适应免疫粒子群算法相结合,提出了基于向量评价的自适应免疫粒子群算法(vector evaluated adaptive immune particle swarm optimization,VEAIPSO)来解决多目标无功优化问题。通过引入静态电压稳定指标,建立了以系统有功损耗最小、节点电压偏移量最小及静态电压稳定裕度最大为目标的多目标无功优化模型。IEEE30和IEEE118节点系统算例仿真结果表明,该算法能有效地解决多目标无功优化问题,并具有良好的收敛稳定性和较高的寻优精度。