仿生粒子群算法在电力系统无功优化中的应用

本文在标准粒子群算法的基础上,遵循群体寻优的生物特性,提出了仿生粒子群算法。初期将群体动态地分成多个子群,每个子群相对独立地向一个目标进化,子群的成员随着进化过程不断地更迭。后期增加子群间的信息交流,使算法更快收敛。该算法不仅丰富了种群的多样性,避免过早收敛于局部最优解,而且有较快的收敛速度。文中将该算法应用于电力系统无功优化中并与标准粒子群算法进行了比较,通过对IEEE30节点和IEEE118节点的算例仿真,证明了该算法的可行性和有效性。     

计及阀点效应负荷经济分配的杂交粒子群算法

提出了一种用于求解复杂的非凸、非线性具有阀点效应的火电有功负荷经济分配问题的杂交粒子群算法(HPSO).HPSO通过粒子追随自己找到的最优解和整个群的最优解来完成优化,并在此基础上将遗传算法的杂交思想引入到PSO算法当中,使其避免局部最优.算例的仿真结果表明:本文的算法有效、可行,可望应用于更广泛的优化问题.     

智能断路器抗EFT/B干扰滤波器设计

为了提高智能断路器抗电快速瞬变脉冲群(EFT/B)干扰性,依据EFT/B形成和作用机理分析,建立EFT/B干扰源等效电路模型,给出电路状态方程;基于泰勒展开公式,提出了一种Levenberg-Marquardt优化扩展卡尔曼滤波算法,给出了方法的理论推导过程,并通过EFT/B干扰电流互感器系统仿真实验,给出了该方法与扩展卡尔曼滤波(EKF)仿真结果,并分析了跟踪性能和均方根误差.实验结果表明:改进的卡尔曼滤波器(NIEKF)具有更高的估计精确度和稳定性,该方法设计的扩展卡尔曼滤波器可有效提高智能断路器抗电快速瞬变脉冲群干扰能力.     

含电转气的冷热电联供型微电网多目标优化调度

主要研究含电转气(power to gas,P2G)的冷热电联供(combined cooling,heating and power,CCHP)型微电网多目标优化调度模型.首先研究分析了CCHP型微电网结构及P2G工作原理,以运行成本和环境治理成本为目标建立含P2G的CCHP型微电网的多目标优化调度模型,然后运用基于...     

计及参与单元有序控制的主动配电网供电能力模型

为充分发挥主动配电网中清洁能源及多种可控元件的主动协调能力,提高配电网最大供电能力TSC(to?tal supply capacity),提出兼顾主动配电网结构灵活性与参与单元多样性的供电能力双层计算模型。上层模型以网络重构为手段提升系统供电能力;下层模型针对多类型参与单元的不确定性建模,以调节成本为目标挖掘多参与单元有序控制下提升主动配电网供电能力的潜力。其次,为简化模型求解复杂度,利用卡罗需-库恩-塔克KKT(Karush-Kuhn-Tucker)条件将双层模型转化为单层模型,并提出改进的烟花粒子群优化算法计算主动配电网最大供电负荷。最后,以改进的IEEE33节点系统对所提双层模型及算法进行了验证,算例验证了所提模型及算法的正确性和有效性。     

粒子群优化算法中惯性权重综述

粒子群优化(particle swarm optimization,PSO)算法是基于鸟群觅食行为的一种新型的群体智能算法,而惯性权重是PSO算法中一个极其重要的参数,其值的选取直接关系粒子在寻优过程中的开发能力和探索能力。在介绍PSO算法的基本原理的基础上,分析惯性权重对粒子群优化算法在收敛性方面的影响,综述了现有文献对惯性权重的研究进展,并评述了各种惯性权重取值策略所取得的研究成果和存在的不足之处。     

粒子群-神经网络混合算法在短期电价预测中的应用

为了提高电力市场环境下的电价预测精度,在研究短期电价预测中采用了粒子群和反向传播神经网络相结合的混合算法,先利用粒子群算法确定初值,再采用神经网络完成给定精度的学习.对我国四川电网电价进行预测的结果表明,粒子群优化的神经网络算法收敛速度快于神经网络算法,预报精度显著提高,平均百分比误差可控制在2%以内,平均绝对误差最大值为1.87￥/MWh.该算法可有效用于电力系统的短期电价预测.     

电力系统无功优化的多智能体粒子群优化算法

无功优化是电力系统实现电压和无功功率最优控制和调度的基础,提出了一种全新的优化算法一多智能体粒子群优化算法来求解此类优化问题。该算法结合multi-agent系统和粒子群优化技术,构造了一个格子环境,所有Agent都固定在格子环境中。每一个Agent相当于粒子群优化算法中的一个粒子,它们通过与其邻居的竞争、合作和自学习操作,并且吸收了粒子群优化算法的进化机理,能够更快地、更精确地收敛到全局最优解。在IEEE30节点系统上进行校验,并与其它方法比较,结果表明,提出的算法具有质量高的解、收敛特性好、运行速度快的突出优点。     

基于改进粒子群混合算法的电机故障诊断研究

对基本粒子群优化PSO算法进行改进,并将改进粒子群优化算法与误差反向传播BP算法结合起来构成的混合算法用于训练人工神经网络,对电机转子进行故障诊断.提取电机转子振动频谱分量作为神经网络的训练样本,将代表故障信息的数据作为输入量代入已训练好的神经网络,通过输出结果即可诊断故障类型.仿真结果表明,改进PSO-BP粒子群混合算法可以有效地识别电机常见故障,具有较快的收敛速度和较高的诊断精度.