基于改进人工鱼群算法的微电网经济调度

针对微电网调度的问题,以微电网经济成本最小与污染排放气体最少为目标,建立了微电网日优化运行的数学模型。针对人工鱼群算法易陷入局部最优的问题,将人工鱼群的觅食和随机行为与天牛须搜索算法中天牛位置更新方法相结合,提出基于天牛须搜索算法的人工鱼群算法(artificial fish swarm algorithm based on beetle antennae search algorithm,BAS-AFSA)求解所建立的数学模型。最后以一个微电网系统为例,在并网运行的情况下,结合标准人工鱼群算法作对比,仿真结果表明,所提算法能够合理安排微源出力,降低了总成本,微电网获得了更好的综合效益。     

基于人工鱼群算法的多目标分布式光伏电源规划

分布式电源(distributed generation,DG)对智能电网的稳定安全运行至关重要,为了合理地对分布式电源进行选址定容,针对现有算法对初值要求高,收敛慢,容易陷入局部极值等缺点,提出了人工鱼群算法(artificial fish swarm algorithm,AFSA)。首先,确定了DG规划的多目标函数与约束条件;其次,介绍了人工鱼群算法,针对DG规划对AFSA进行的调整;最后,在IEEE-33节点系统中进行仿真验证,并与遗传算法(genetic algorithm,GA)进行对比。结果表明:利用AFSA对DG选址定容进行寻优,可有效地降低电压偏差,降低网损,提高系统稳定性和安全性。AFSA寻优效果较好,效果显著。     

基于混合人工鱼群算法的输电网扩展规划

应用于输电网扩展规划的人工鱼群算法(artificial fish school algorithm,AFSA)依靠随机移动无条件接受劣解以摆脱局部极值,具有盲目性大的特点,且该算法一般在优化初期收敛较快而后期收敛速度减慢。针对AFSA的上述缺点,文章结合模拟退火算法,提出一种混合人工鱼群算法(HAFSA)。HAFSA利用模拟退火算法的概率性突跳搜索机制,使局部极值跳跃能力具有可控性,降低了算法的盲目性,提高了算法效率;引入基于分段自适应调整视野策略的反馈机制,兼顾了全局搜索与局部挖掘能力;加入拟遗传算法的变异算子加快了优化后期的收敛速度。通过IEEE6节点和巴西南部46节点算例证明了HAFSA的正确性和有效性。     

基于改进人工鱼群算法的有源配电网的故障区间定位

随着大量的分布式电源接入配电网,使得电力系统故障时故障电流的大小和方向都会发生变化,传统的故障定位方法将不再适用.为了快速高效地解决含分布式电源的故障区段定位问题,引入一种基于模拟退火和进化机制改进的人工鱼群算法(evolving?simulated annealing artificiat fish swarm al...     

基于数据融合的光伏组件故障诊断

对不同故障下光伏组件内部等效参数和外特性电气参数进行特征提取,分别采用改进人工鱼群算法优化径向基函数神经网络(improved artificial fish swarm algorithm-radical basic function neural network,IAFSA-RBFNN)算法和相关向量机(relevance vector machine,RVM)算法,建立了基于内部等效参数和外特性电气参数的4种光伏组件故障诊断模型,用于光伏组件的初步故障诊断。在此基础上,提出了一种基于改进证据相似度的光伏组件数据融合故障诊断模型,将上述4种模型的诊断结果作为该改进数据融合算法的基本概率分配(basic probability assignment,BPA)函数值,在决策层进行融合诊断输出,仿真和实验结果验证了上述方法可有效提高故障诊断的精度。     

基于AFSA的新型电力弹簧多目标电能质量优化控制

电力弹簧（electric spring, ES）作为需求侧响应的一种新技术已经成为电力行业研究的热点。为充分发掘ES潜力,文章提出基于人工鱼群算法（artificial fish swarm algorithm, AFSA）的新型ES多目标电能质量优化控制策略,实现关键负载（critical load, CL）的电压、系统频率和非关键负载（non-critical load, NCL）功率因数的优化。首先提出一种新型背靠背型电力弹簧（back-to-back electric spring, B2B-ES）拓扑结构,实现负载侧供电侧功率双向流动稳定NCL电压范围。其次提出加权平均视觉范围和自适应拥挤度因子的改进AFSA,设计多目标优化函数提取负载侧NCL的电压值和系统频率等本地信息优化ES的控制信号,通过在线调整电力弹簧的补偿功率改善系统电能质量。经仿真验证,文章所提优化控制策略能够克服现有ES控制方法目标单一、实时性差的缺点,实现多目标电能质量实时优化。     

基于多智能体技术的泛微网区域自治-协同控制技术研究

为解决大量分布式能源并网后供电可靠性以及能源互补性的问题,提出了基于多智能体技术的泛微网区域自治-协同控制技术。首先,分析了高渗透率分布式能源并网对配电网的影响,并提出一种基于改进的K-means聚类算法的泛微网区域自组织聚合方法。然后,利用泛微网模型,提出一种基于多智能体技术的泛微网区域自治-协同控制方法。之后,基于人工鱼群算法（artificial fish swarms algorithm, AFSA）对所提模型的功率进行求解。最后,仿真分析表明,该文所提的控制方法可以在一定程度上优化泛微网的控制,并缓解不利影响。     

基于人工免疫克隆选择算法的不可靠测试点优化

针对实际复杂系统诊断与测试过程中普遍存在的不确定性问题,提出测试不可靠条件下基于人工免疫克隆选择算法(artificial immune clone selection algorithm,AICS)的测试点优化选择方法.通过综合考虑故障检测率、隔离率、虚警率以及测试总费用等性能指标,构造了反映测试点集性能的适应度函数...     

一种新的混合优化算法求解配电网重构

传统粒子群算法(particle swarm optimization,PSO)容易早熟的问题,限制了其在配电网的应用和发展,故把二进制粒子群遗传算法(genetic binary particle swarm optimization,GBPSO)应用到配电网重构中.该算法利用遗传算法(genetic algorithm,GA)的变异能力改善粒子群算法的早熟情况.同时考虑到配电网的特殊性,采用了十进制编码规则,优化了编码方式.算例证明了该方法用于配电网重构的可行性和优越性.     

弹性自适应人工鱼群-BP神经网络模型及在短期电价预测中的应用

为了提高短期电价预测精度,分析了人工鱼群算法及其缺点,提出了一种弹性自适应人工鱼群算法(RAAFSA).应用RAAFSA算法训练BP神经网络,实现了BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对贵州电网进行短期电价预测.仿真表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法和人工鱼群-BP神经网络算法,该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,各日预测电价的平均百分比误差可控制在2%以内,平均绝对误差最大值为1.762$/MWh.该混合算法可有效用于电力市场短期电价预测.     

适用于输电网网架规划的人工鱼群算法

以人工鱼群寻优思想为基础,提出了适用于输电网网架规划的人工鱼群算法。针对输电网规划的特点,定义了该算法的参数,给出了选取上述参数的原则和求取“距离”、“邻域”和“中心”的运算规则,制定了以觅食行为算子、聚群行为算子和追尾行为算子为基础的寻优策略。将N安全意义的启发式倒推策略运用到该算法中,加快了其收敛速度。2个算例的求解结果验证了该算法的正确性和有效性,表明该算法具有良好全局寻优能力和较快的收敛速度。     

基于SAAFSA优化加权模糊聚类算法的变压器故障诊断

针对加权模糊聚类算法(WFCM)应用于变压器DGA分析时存在收敛速度慢、对初始值敏感的问题,提出了一种改进人工鱼群优化加权模糊聚类算法(SAAFSA-WFCM)的变压器故障诊断方法.该方法利用模拟退火算法(SA)来改进人工鱼群算法(AFSA)以求取最佳初始聚类中心,在发挥AFSA优异的全局寻优能力的同时,利用SA的概率性突跳搜索机制对AFSA实施局部优化,提高了AFSA的搜索精度.WFCM算法以得到的最佳初始聚类中心为初值进行迭代运算,最终求得更接近实际位置的聚类中心,克服了WFCM易受初值影响的缺陷,加快了收敛速度.仿真与实例分析表明,该方法可有效应用于变压器的故障诊断,并有着较高的诊断正确率和诊断效率.     

人工鱼群算法在配电网网架规划中的应用

为解决配电网规划的多约束复杂优化组合问题,在中压配电网网架规划中以基本的人工鱼群寻优框架为基础,根据配电网的辐射性约束特点,设计和应用了一种适合配网规划的新现代启发式算法—人工鱼群算法。该法以年费用最小为目标函数建立配网规划的数学模型,以可能建设的所有线路为优化变量,采用二进制编码和"根节点融合法"对人工鱼种群初始化,给出以保证"基本辐射性"的觅食、聚群和追尾行为算子为基础的寻优策略,保证了寻优过程中多数的解方案可进行配网潮流计算。对一个10节点的中压配电网规划算例计算的结果表明:该算法能快速获得规划问题的最优解,且具有很强的全局搜索能力,用于配电网规划是可行的、有效的。     

变压器绝缘故障类型的改进型RBF神经网络识别算法

为精确诊断电力变压器内部潜在绝缘故障类型,通过对变压器内部油过热和油纸绝缘中局部放电等8种潜在绝缘故障发生时所产生的气体成分分析,提出了一种以人工免疫网络与粒子群算法改进径向基函数RBF(radial basis function)神经网络的变压器故障诊断算法。重点介绍了基于RBF神经网络的变压器故障诊断模型的构成原理、基于人工免疫网络算法的故障模型隐层中心确定方法以及基于粒子群算法的网络模型权重寻优方法,并进行了仿真实验。实验结果表明:该算法能有效地识别其绝缘故障类型,且识别精度可达90%以上。     

采用改进人工鱼群优化粗糙集算法的变压器故障诊断

传统的人工智能方法对变压器大量的不完备故障信息不能有效地分析,或在故障数据的离散化过程中由于区间分割不当而无法正确诊断故障甚至误诊。为此,提出了一种基于改进人工鱼群优化粗糙集的变压器故障诊断方法。该方法首先将变压器溶解气体分析(DGA)的值作为条件属性,将故障类型作为决策属性,建立故障决策表,利用鱼群的聚群寻优行为对决策表中的连续属性数据进行离散化;然后采用粗糙集理论对离散化后的决策表进行约简,建立故障诊断规则决策表,大大简化了决策表属性约简的难度,使诊断变得更加简便。最后通过实例验证表明:该方法能够有效地对样本进行离散和约简,与传统方法相比,提高了故障诊断的正确率。     

新型RBF神经网络及在热工过程建模中的应用

文中提出了一种基于免疫原理的新型径向基函数（RBF－Radial Basis Function)神经网络模型。该模型利用人工免疫系统的记忆、学习和自组织调节原理，进行RBF神经网络隐层中心数量和位置的选择，并采用递推最小二乘算法确定网络输出层的权值。将这种新型的RBF神经网络应用于建立热工过程的非线性模型。仿真研究表明，这种建模方法不仅计算量较小，而且精度高，并有较好的泛化能力。     

基于人工鱼群算法神经网络的电力系统短期负荷预测

人工鱼群算法是一种新型的寻优策略,文中将人工鱼群算法用于RBF神经网络的训练过程,建立了相应的优化模型.依据人工鱼群算法的神经网络,提出一种短期负荷预测的新方法,实践表明:该方法具有预测精度高、误差小的优点,是值得广泛推广的好方法.