Impact of the penetration of distributed generation on optimal reactive power dispatch

Optimal reactive power dispatch (ORPD) is a complex and non-linear problem, and is one of the sub-problems of optimal power flow (OPF) in a power system. ORPD is formulated as a single-objective problem to minimize the active power loss in a transmission system. In this work, power from distributed generation (DG) is integrated into a conventional power system and the ORPD problem is solved to minimize transmission line power loss. It proves that the application of DG not only contributes to power loss minimization and improvement of system stability but also reduces energy consumption from the conventional sources. A recently proposed meta-heuristic algorithm known as the JAYA algorithm is applied to the standard IEEE 14, 30, 57 and 118 bus systems to solve the newly developed ORPD problem with the incorporation of DG. The simulation results prove the superiority of the JAYA algorithm over others. The respective optimal values of DG power that should be injected into the four IEEE test systems to obtain the minimum transmission line power losses are also provided.     

计及阻塞管理及剩余容量的并行粒子群电网规划

基于电力市场阻塞管理技术,采取了综合调整网络架线及发电计划和安装潮流控制设备等措施,并计及网络剩余容量经济指标,建立了新的电力网络规划模型。在分析该模型特点的基础上,提出了对变量进行分类,使用并行粒子群算法(ParticleSwarmOptimization,PSO)对其进行求解的方法,该方法具有灵活性和可扩展性,适于解决多因素、多变量电网规划问题。算例表明,该模型可显著提高规划方案的经济性;并行PSO可有效地提高算法的计算速度和收敛性能。     

一种新型的电力系统无功优化算法

介绍一种类似于遗传算法的进化算法———粒子群优化算法, 并把它应用到电力系统无功优化问题中。对基本的粒子群优化算法作了适当改进, 在粒子速度更新公式中增加了一项即上一代的全局“最优”值, 相当于增加了全局极值的权重, 提高了算法的收敛性。以粒子群优化算法为基础, 选取适合于该算法的无功优化目标函数。通过对 IEEE- 14节点的仿真计算, 证明了该算法优于基本的粒子群优化算法, 且与遗传算法相比能在更少的迭代次数内搜索到更好的全局最优解。     

基于改进PSO算法的变压器局部放电超声定位方法

电力变压器局部放电源超声定位已经演化为一个多学科的研究课题,具有明确的应用背景和重要的理论研究价值。研究了油中局部放电时超声波传播特性,建立了局部放电源超声定位的信号参数估计模型,将超声定位问题转化为一个带约束的非线性连续函数优化问题,在最优化框架内,应用了国际上最近提出的粒子群优化(PSO)算法进行求解。算例表明,文中算法具有计算效率高、通用性强、收敛速度快的优点,能有效防止结果陷入局部最优,计算结果明显优于最小二乘法。     

基于改进粒子群优化算法的输电系统多阶段协调规划

提出了一种输电系统多阶段协调规划模型,模型中计入了以N-1静态安全条件表示的可靠性约束,并对采用粒子群优化算法PSO(Partic le Swarm Optim ization)来求解该模型进行了研究,引入新的变异策略对基本PSO算法进行了改进,改进后的算法可以处理多维的离散变量,有可能使粒子摆脱局部最优,提高搜索效率。仿真算例表明该方法用于输电系统的多阶段协调规划是可行的。     

粒子群优化的小波网络在飞参数据压缩中的应用

飞参数据压缩是减少飞参数据的存储空间和传输通信流量的关键。针对飞参数据的特点,提出了一种基于粒子群优化的小波神经网络近无损压缩算法。该算法将小波网络参数作为原始数据的重构信息,在小波神经网络BP算法的基础上,引入粒子群优化算法,克服了粒子群优化算法的早熟收敛,增强了小波神经网络学习算法的全局搜索能力,提高了网络收敛速度;同时将重构误差作为启发信息,在保证较小失真度的情况下,通过粒子的迭代寻求最优的小波神经网络结构。飞参数据压缩仿真实验结果表明了算法的可行性和有效性,可以获得较高的压缩比和较小的重构误差。     

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。     

基于离散量子微粒群优化的作业车间调度

针对强非确定性多项式难的作业车间调度(JSP)问题,提出一种离散量子微粒群优化算法(DQPSO).该算法基于量子态波函数描述微粒群粒子位置,结合遗传算法中的交叉、变异操作,采用随机键编码方法对连续空间内的解进行离散化,使得DQPSO能够直接用于求解车间生产调度这类组合优化问题.另外,针对JSP的复杂性,通过引入2层结构的局部搜索策略,构造在局部优化解附近不同搜索半径的微粒,增强算法的搜索能力,进一步提高解的多样性和寻优质量.应用结果表明,对大部分作业车间调度测试算例,DQPSO表现出更有效的寻优性能.     

混沌粒子群混合算法对微型永磁电机的优化设计

在电机的设计中，常常需要通过优化设计得到合理的电机结构尺寸和参数.电机的设计问题实质上是一种带约束的复杂的非线性连续函数优化问题.要得到一个满意的优化结果不仅要求算法具有较高的精度，而且要有快的收敛速度.提出一种新的混合算法对永磁电机的尺寸和整体结构进行优化设计.将混沌算法和粒子群算法相结合，以微型永磁电机为例，对槽形等多个变量进行优化，结果证明了算法的有效性和快速性，适合于同类问题求解.     

基于一种改进PSO的移动机器人路径规划

提出了基于一种改进微粒群优化算法的移动机器人在已知环境信息下的路径规划方法。通过对算法中微粒的速度进化方式的改进，使算法能有效地对搜索空间进行搜索，避免陷入过早收敛，此外还将边界约束、静态避障和最短路径这3个条件表示成一个简单的适应度函数，使整个优化过程满足路径规划的任务要求。最后，通过仿真取得了很好的效果，证实了方法的可行性和有效性。