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。     

纵横交叉算法在电力大客户细分中的应用

电力客户分类应用领域广泛涉及数据挖掘与特征提取问题,为了提高聚类算法的稳定性和准确性,提出一种基于纵横交叉(Crisscross Optimization,CSO)算法的聚类方法,能有效克服k均值聚类算法对初始质心敏感,容易陷入局部极值的缺点。CSO算法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。两种交叉算子交替产生中庸解,通过与父代竞争产生的占优解在种群中相互催化,从而避免早熟问题的同时能够迅速收敛到全局最优。利用新方法对电力大客户数据进行客观、科学的挖掘分析,实现了对电力大客户较全面和准确的精细化分类,为供电企业制定有针对性的营销策略提供了依据。     

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。     

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。     

纵横交叉算法在无功优化中的应用

电力系统无功优化是一个多变量、多约束、非线性的复杂寻优问题,针对现有群智能算法在无功优化中容易陷入局部最优的不足,提出了一种全新的算法——纵横交叉算法(CSO),并将该算法应用到电力系统无功优化中。CSO算法由于双搜索机制的存在,扩大了搜索空间,大大增强其全局搜索能力和收敛精度。通过对IEEE-14和IEEE-57节点测试系统进行仿真计算,并与其他算法进行对比,验证了CSO算法对电力系统无功优化问题的适用性和有效性。     

一种基于混沌序列的动态差分进化算法在电力系统动态经济调度中的应用

针对电力系统动态经济调度(DED)问题,引入差分进化算法,提出一种基于混沌序列的动态差分进化算法(ＡＤＤＥＣＳ)。该算法采用混沌序列动态调整差分进化算法的参数设置,保持种群的多样性。动态搜索策略被用于提高算法的整体搜索性能,它由全局搜索策略和局部搜索策略2部分组成。为了加速收敛和解决DED复杂的约束处理问题,采用基于多目标概念的约束处理机制,并提出一种根据机组调节能力来按比例分摊不可行解约束违反量的新方法。同时在搜索过程中,通过采用不同的变异策略结合改进的随机搜索策略来避免算法早熟,增强全局最优解的搜索能力。提出的方法的可行性和有效性由10机测试系统来证明,和其他方法相比,ADDECS方法计算速度快,计算精度高且鲁棒性强。     

基于改进型纵横交叉算法的电力系统无功规划优化

<正>将纵横交叉(CSO)算法应用到电力系统无功规划优化问题,并对CSO算法进行改进。运用混沌映射产生分布均匀的初始解,引进纵交叉微算子,并将量子粒子群算法搜索机制与CSO结合,增加算法的搜索能力。利用电压稳定裕度指标,找寻系统电压稳定性较薄弱节点,将其作为无功规划节点,并将综合规划费用和电压稳定裕度指标写入目标函数,追寻综合规划费用最低的同时提高电压稳定性。通过IEEE-30节点系统的仿真,验证了该规划方法和算法的有     

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。     

纵横交叉算法与模糊聚类相结合的变压器故障诊断

针对FCM(模糊C-均值聚类)在变压器故障诊断中的不足,提出采用纵横交叉算法优化FCM(CSOFCM)聚类来进行故障诊断。溶解气体分析与FCM相结合,能有效提高变压器故障诊断的准确率,但FCM存在聚类结果不稳定和容易陷入局部最优等问题。而纵横交叉算法是一种基于种群的随机搜索算法,在算法中首次提出了维局部最优概念和纵横交叉双搜索思想。实验证明,相比其它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问题方面取得了较大突破,能有效克服局部最优的问题。新诊断模型有效弥补了单一诊断法的不足,拥有全局收敛性强和处理模糊信息的能力。实例分析表明,该方法与传统FCM相比,能获得更优的聚类中心,有效提高了变压器故障诊断的准确性和快捷性。     

基于改进纵横交叉算法的电网最优潮流计算

纵横交叉算法(crisscross optimization algorithm,CSO)已应用于解决电网中的多种复杂问题并取得了较好的效果.在CSO算法基础上,提出了一种快速收敛的改进纵横交叉算法(faster crisscross optimization algorithm,FCSO)求解最优潮流问题.该改进算法...     

基于纵横交叉算法在含分布式电源的配电网故障定位

分布式电源(DG)接入配电网后对网络的故障电流产生影响,从而影响到故障电流的上报信息,使得系统发生误判故障位置。根据DG对故障电流的影响划分不同区域,寻找每个区域的故障临界点,通过设置故障电流上报阀值和判断电流方向,使得DG提供的故障电流不影响正确的故障定位结果。故障定位采用纵横交叉算法(CSO),该算法由横向交叉和纵向交叉2种搜索机制组成,2种机制与竞争算子的完美配合使得种群收敛精度和速度大大提高。仿真部分采用10 kV配电系统,对系统设置故障电流上报阀值后进行故障定位,同时将遗传算法(GA)和免疫算法(IA)与CSO算法进行对比,结果表明,该算法具有较强的稳定性和搜索能力。     

计及电动汽车规模化入网的发电优化调度

针对混合电动汽车(PHEV)规模化入网的动态经济调度问题进行了研究。将各时段的PHEV充放电数量和燃煤机组出力作为决策变量,以机组燃煤费用最小为目标函数,并构造考虑PHEV充放电总量和旋转备用容量的约束条件,提出一种带有动态约束处理的纵横交叉算法,以求出该模型的最优调度方案。纵横交叉算法采用一种双交叉搜索机制,其中横向交叉作为全局优化器,以较大的概率在一半种群构成的超立方体子空间内进行搜索,同时在各自的边缘地带以递减的概率寻优以减少搜索盲区;纵向交叉引入维交叉概念,避免了"维数灾"问题。以10机组系统为算例,证明了所构造模型的可行性和有效性。     

纵横交叉和粒子群混合算法在配电网重构中的应用

针对粒子群算法在配电网重构过程中收敛慢、稳定性差等特性,结合纵横交叉算法(CSO)和粒子群算法(PSO)的优势,提出一种新的混合算法(CPSO)应用在配电网重构中。在求解过程中采用环路编码方式,这种编码方式有效地减少了粒子的维度和降低了产生无效粒子的概率。混合算法过程是将横向交叉的粒子和PSO算法的粒子进行对比,保留适应度更强的粒子参加下一次迭代。从搜索行为上分析,横向交叉具有平行搜索能力,可以检验搜索过程中潜伏存在的最优解。以典型的33节点和69节点网络为算例,分别进行了不同算法下的网络重构仿真。结果表明,CPSO算法具有收敛速度快、抗干扰性强和优秀的搜索能力。     

纵横交叉算法在配电网故障定位中的应用

基于人工智能算法具有较好的容错性,引入纵横交叉算法(CSO)应用在配电网故障定位过程中。CSO中的横向交叉机制和纵向交叉机制在与竞争算子的配合下提供了较强的搜索能力,能够快速解决多变量非线性优化问题,为准确解决故障定位提供了基础。在多电源分区故障定位中改进适应度函数,对不同区域适应度函数设置区域权值,区域权值由反馈故障电流决定。这种设置方式可以增强算法的容错性,使得输出结果不会因为故障信息在传送过程中发生畸变而误判或者漏判。仿真部分由双电源配电网系统和三电源配电网系统组成,并通过算法进行了验证,每次反馈信息都由一次正常信息和畸变信息组成。从仿真结果可以看出CSO拥有较强的稳定性。     

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。     

考虑大规模电动汽车入网的协同优化调度

就可入网电动汽车(PHEV)广泛接入电力系统后的机组最优组合问题进行了研究。将各时段的燃煤机组出力和PHEV充放电数量作为决策变量,以机组燃煤费用最小为目标函数,并引入相应的约束条件,提出一种带有动态约束处理的纵横交叉算法,以求出该模型的最优调度方案。纵横交叉算法采用一种双交叉搜索机制,在扩大了搜索空间同时,保持了种群的多样性,大大增强其全局搜索能力和收敛精度。两种交叉方式通过竞争算子完美的结合起来,所产生结果会呈链式反应在整个种群中蔓延。最后实验部分,以10机组模型为例,证明了此算法能有效解决非凹、约束耦合的发电成本最小化问题。     

基于IBEGA算法的含分布式电源的配电网重构

<正>采用改进蜜蜂进化型遗传算法(Improved Bee Evolution Genetic Algorithm,IBEGA)求解含分布式电源的配电网重构问题。该算法引入佳点集到种群初始化中,使算法得到的初始种群在搜索空间更加均匀,提高了全局寻优能力;引入自适应调整选择算子与佳点集交叉算子,使算法可以及时开辟新的解空间,进行更加精细的搜索,提高了搜索效率;引入自适应交叉变异操作,有利于算法的开采与勘探能力的平衡;引入驱赶算子。提高了算法的杂交效率,避     

基于改进差分进化算法的配电网无功优化

采用改进差分进化算法(Improved Differential Evolution Algorithm,IDEA)求解配电网无功优化问题。该算法引入基于反学习的种群初始化方法,使算法得到的初始种群具有多样性,能够充分提取搜索空间的信息;引入高斯扰动机制到交叉操作中,提高了在维尺度上的种群多样性;在进化过程中融入人工蜂群搜索思想,引入蜂群加速进化与侦查操作策略,使算法能快速跳出局部最优,避免了早熟问题。建立了配电网无功优化数学模型,并采用IDE算法对IEEE30节点系统求解该模型,并与基本DE算法进行对比,仿真结果证明了所提IDE算法具有更佳的性能,能够有效的求解配电网无功优化的问题。     

基于CSO-SVR的低压架空线路谐波损耗评估

针对低压架空线路物理解析模型谐波损耗计算精度不高的问题,文中提出采用基于纵横交叉优化(CSO)算法的支持向量回归(SVR)模型对架空线路谐波损耗进行评估。首先,采用结构风险最小化设计的SVR模型,拟合线路特征与谐波损耗之间的关系。然后,利用CSO算法对SVR超参数进行全局搜索,以动态优化获取最优超参数组,建立CSO-SVR谐波损耗评估模型。文中依托国内某大型电能质量综合试验平台进行低压架空线路谐波试验,获得线路谐波损耗实测数据,并基于该数据对所提模型进行验证。结果表明,采用CSO算法对SVR超参数进行优化,可有效提升SVR模型的谐波损耗评估性能。与其他模型相比,所提模型的评估精度更高。