基因编辑差分算法在多燃料经济调度中的应用

计及阀点效应的多燃料经济调度是电力系统运行控制中典型的高维、非凸、非线性及不可微的优化问题。针对现有技术在解决该问题时容易陷入局部最优值,收敛精度不高和计算效率较低等缺陷,提出一种基因编辑差分算法。该算法在标准差分算法的基础上,通过融入基因编辑操作提高标准差分算法在解决该问题时的计算效率与求解精度。并将该算法分别应用于10机组和40机组的多燃料电力系统的算例进行仿真分析。此外,将仿真结果与多种算法优化结果进行对比,结果表明所提标准差分算法通过融合基因编辑操作不仅能大幅度降低搜索空间,而且有效缓解了算法的过早熟现象,同时能在相对合理的计算时间内取得更优的解。     

一种催化粒子群算法及其性能分析

针对粒子群算法（PSO）在解决高维、多模复杂问题时容易陷入局部最优的问题,提出了一种新颖的混合算法—催化粒子群算法（CPSO）。在CPSO优化过程中,种群中的粒子始终保持其个体历史最优值pbests。CPSO种群更新由改造PSO、横向交叉以及垂直交叉三个搜索算子交替进行,其中,每个算子产生的中庸解均通过贪婪思想产生占优解pbests,并作为下一个算子的父代种群。在CPSO中,纵横交叉算法（CSO）作为PSO的加速催化剂,一方面通过横向交叉改善PSO的全局收敛性能,另一方面通过纵向交叉维持种群的多样性。对6个典型benchmark函数的仿真结果表明,相比其它主流PSO变体,CPSO在全局收敛能力和收敛速率方面具有明显优势。     

基于奇异谱分析-模糊信息粒化和极限学习机的风速多步区间预测

不同于风速点预测,风速区间预测能描述风速的随机性。因此,提出一种基于奇异谱分析-模糊信息粒化和极限学习机组成的风速多步区间预测模型。该方法采用奇异谱分析提取原始数据的趋势成分、振荡成分和噪声成分,并对所有分量进行重构,然后利用模糊信息粒化对重构后的噪声成分进行有效挖掘,提取每个窗口最小值、平均值和最大值。对各分量采用极限学习机分别建立预测模型,为了提高预测精度、缩小区间范围,采用改进布谷鸟算法对预测模型的参数进行优化。最后将所有分量的预测结果进行叠加,实现风速区间预测。以风电场实际数据为算例,结果表明所提方法具有较高的预测精度和可靠的多步区间预测,且运行效率高,能有效跟踪风速变化。     

多泥沙河流水电站机组检修策略的探讨

我国水电机组的检修多采用以定期检修为主的预防性检修，这样的检修原则是不适合多泥沙水电站机组检修的，所以探索出一套适合多泥沙水电机组的检修模式和策略是非常必要的，作者通过对世界上含沙量最大的黄河上水电站的调查研究，总结出了适合于多泥沙水电机组的检修模式和策略，这对于其他多泥沙河流上水电站机组的检修具有参考意义。     

参数自适应模糊PID控制器及其在水电机组调速器中的应用

由于水电机组调速系统控制对象———水轮机的运行工况在不断变化，描述水轮机动态特性的数学模型及引水系统的模型参数时刻发生变化，常规PID控制的应用受到限制。文中引入了模糊控制理论，使用参数自适应模糊PID控制器替代常规PID控制器，通过仿真结果显示，对水电机组过渡过程的控制具有明显的效果。     

基于混合神经网络与遗传算法的水电厂经济调度研究

随着电力市场的改革,水电厂经济调度的地位将日益突出.在考虑振动、出力限制、开停机等多种约束条件的情况下.提出并设计了一种基于混合神经网络和遗传算法的水电厂经济调度系统.为反映机组复杂的非线性工作特性.建立了基于人工神经网络方法的耗水量模型,在此基础上采用改进的遗传算法对机组进行了优化组合.结果表明:数字仿真及其现场应用都取得了满意的结果.     

基于环形拓扑的粒子群优化算法在无功优化中的应用

电力系统无功优化是一个复杂非线性的动态问题,将粒子群优化算法用于电力系统优化虽然取得了广泛的应用,但粒子群本身存在早熟的问题使得无功优化过程中容易陷入局部最优,导致优化效果不理想。针对粒子群因为全连接拓扑造成的早熟问题,将一种环形拓扑的粒子群算法用于无功优化,使用标准测试函数测试表明其性能较一般粒子群好,然后将其用于IEEE14节点的无功优化,结果表明其收敛结果明显优于原粒子群。     

基于多Agent遗传算法的水电厂机组优化组合研究与实现

基于多Agent系统理论,构建了一个多Agent机组优化组合系统.对于问题优化模型,提出了一种新颖的多Agent遗传算法,解决了大规模遗传算法的效率问题.对于机组的非线性耗水量特性,提出了一种由Agent动态地管理与维护的神经网络.基于与FIPA兼容的多Agent中间件JADE平台,给出了一个详细的具体实施系统.仿真结果验证了所提出的优化模型与实施方案的合理性和可操作性.     

采用多目标纵横交叉算法的电力系统动态环境经济调度

针对带非线性约束的电力系统动态环境经济调度问题,提出一种多目标纵横交叉算法。对动态调度中燃料费用和污染排放两个相互约束、冲突的目标同时进行优化。求解过程中,结合非约束支配策略,提出一种双交叉机制,增强粒子穿越非可行区域的能力,使得生成的帕累托最优解落在可行区域内。通过边缘探索,增强算法的全局搜索能力。同时,采用外部存档集合储存非劣解,并通过拥挤度对比,保持非劣解的多样性。最后,采用模糊决策理论获得最优折中解。对10机电力系统的仿真结果验证了所提方法的有效性与优越性。     

改进遗传算法在直流伺服电动机的PID优化控制

提出了一种改进型遗传算法,它可减少传统遗传算法的进化时间和收敛代数,提高了进化的爬坡能力。同时,利用此改进算法对直流伺服电动机的控制系统进行PID控制参数优化整定,仿真结果表明该方法得到的优化参数更接近全局最优解,使控制系统具有更好的鲁棒性和稳定性。