基于现场实验数据的PSS参数智能优化方法

针对目前电力系统稳定器(PSS)参数优化实验工作中人工参与度高的现状,提出了一种基于现场试验数据的PSS参数智能优化方法。首先通过现场小扰动试验数据,将发电机以外的系统等值为无穷大母线电压Vs和系统电抗Xs,然后利用静态等值系统的线性化Heffron-Philips模型计算励磁控制系统的无补偿相位特性,得到PSS参数优化的目标曲线,并根据这一目标曲线,利用改进粒子群算法(SAPSO)优化PSS的时间参数值。通过在PSASP中对华北华中电网算例进行仿真,仿真结果表明采用本算法优化后的PSS能有效、合理地抑制低频振荡,并且能够适应电网不同的运行方式,具有一定的鲁棒性。     

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。     

标准测试系统中PSS参数协同优化与配置研究

选取IEEE-57节点测试系统进行振荡模式、阻尼特性和电力系统稳定器(power system stabilizer,PSS)投退分析,校核系统PSS配置的合理性及抑制低频振荡的效果。基于自适应加速粒子群算法分3步对测试系统进行PSS参数协同优化和配置,第一步对15号机PSS参数进行单机优化,对比系统阻尼;第二步对18号机进行PSS配置及其参数优化,提高测试系统阻尼;第三步对15、18号两机进行PSS参数协同优化,获得更高阻尼特性的参数。利用小干扰稳定时域仿真和普罗尼算法(Prony分析),验证得协同优化的PSS参数阻尼效果更好,系统动态安全稳定水平更高且PSS协同优化及配置方法有效可行。     

模拟退火粒子群优化算法在工艺规划决策中的应用

为了实现面向精益生产的制造系统中的工艺与调度并行设计,在工艺规划决策中,建立了面向精益生产的工艺规划与调度集成模型.在考虑设备负载平衡以及完成加工任务时间最短的条件下,设计了一种离散模拟退火粒子群优化(Particle Swarm Optimization based on Simulated Annealing,SAPSO)算法,并行设计及优化零件的工艺方案和调度方案,并最终获得其最优工艺方案及与之相对应的优化调度方案.通过对10台设备10种零件的示例仿真验证了算法的有效性.     

基于SAPSO算法的单目视觉标定与测量

针对双目立体视觉测量存在视场小、特征点匹配困难的缺陷,分析摄像机非线性模型的畸变影响,利用模拟退火粒子群优化(SAPSO)算法在解空间的搜索能力,建立摄像机标定适应度函数实现精确标定,借助激光测距实现单目立体测量。实验结果表明,该方法具有较好的标定结果和较高的测量精度。     

SAPSO算法在梯级水电站日优化调度中的应用

针对传统的动态规划方法求解水库优化调度阋题存在的"维数灾"问题,提出一种全局随机优化算法[1]--SAPSO算法及其在水库日优化调度问题中的应用.相对于动态规划,该算法原理简单,易编程实现,占用计算机内存少,能以较快的速度收敛到全局最优解,从而为分时电价环境下的水电站日优化调度问题提供了一种有效的解决办法.     

基于SAPSO-LSSVM的蛋白质模型质量评估

针对传统蛋白质模型质量评估没有考虑同源信息的问题,提出了一种基于LS-SVM评估蛋白质模型质量的方法。首先,综合模拟退火(Simulated Annealing,SA)算法跳出局部最优解和粒子群(PSO)算法收敛速度快的特点,提出了模拟退火粒子群(SAPSO)算法;然后利用SAPSO算法来优化LS-SVM参数 和 ;最后得到最优模型来评估蛋白质模型质量。实验结果表明,经SAPSO优化LS-SVM参数所得到的评估预测误差较小,且预测值更稳定。     

改进PSO算法的性能分析与研究*

分析了粒子群优化(PSO)算法的进化式,针对其容易发生早熟、收敛速度慢、后期搜索性能和个体寻优能力降低等缺点,结合遗传算法的思想,提出一种新的混合PSO算法——遗传PSO(GAPSO)。该算法是在PSO算法的更新过程中,对粒子速度引入遗传算法的变异操作,对粒子位置引入遗传算法交叉操作。对速度的变异降低了算法后期因种群过于密集而陷入局部最优的可能,对位置的交叉使得父代中优良个体的基因能够更好地遗传给下一代,从而得到更优、更多样化的后代,加快进化过程,提高了收敛速度和群体搜索性能。选取了其他几种典型的改进PS