粒子群算法在低压电器冲裁件优化排样中的应用

提出了一种粒子群算法的低压电器冲裁件排样优化问题的求解方法.应用多边形顶点算法进行排样优化计算时,随着优化精度提高,其搜索空间将急剧增大,导致传统的求解方法计算量大、耗时多.利用粒子群算法在解空间进行智能化搜索,有效克服了该弊端,可高效、准确地求得工件排样的最优解.通过某高压配电箱门锁冲裁件排样优化仿真,验证了算法的优越性.     

梯级水库发电优化调度搜索空间缩减法及其应用

梯级水库联合调度是对区域水资源进行直接调控的最有效措施之一,相比单库调度,可显著增加社会、经济和生态效益。针对智能算法求解梯级水库优化调度模型搜索效率较低、寻优结果不稳定等缺陷,本文基于发电调度模型中水电站最小出力以及下泄流量约束,提出了搜索空间缩减法。将其与智能算法耦合,利用优化的搜索空间产生高质量的初始种群,同时使算法在更小的搜索空间内寻优,进而提升算法的搜索效率。以典型入库流量下的某梯级水库发电优化调度为例,选用布谷鸟算法进行优化计算,对比了传统搜索空间与优化的搜索空间对算法搜索效率的影响。实例研究表明:缩小可行空间方法可进一步提升智能算法的收敛性以及求解精度,是改善梯级水库调度模型求解效率的一种实用、有效方法。     

基于自适应聚焦粒子群算法的电力系统无功优化

自适应聚焦粒子群算法(AFPSO)是根据PSO算法的全局搜索与局部搜索平衡特性,改进得到的一种具有较好全局搜索能力和寻优速度的自适应群体智能优化算法.通过采用AFPSO算法,对电力系统进行无功优化.该方法是以最优控制原理为基础,以网损最小为目标函数,在IEEE 30节点系统上进行测试,通过仿真测试以及不同算法优化结果的对比,表明基于AFPSO算法在算法计算精度、收敛稳定性、寻优时间等方面都具有普遍优势,能有效地应用于电力系统无功优化中,证明了AFPSO算法的有效性和优越性.     

基于混沌优化算法的电力系统无功优化

混沌优化利用混沌变量的特定内在随机性和遍历性来跳出局部最优点,而线性搜索可以提高局部空间的搜索速度和精度.本文将基于线性搜索的混沌优化算法用于电力系统无功优化.应用该算法对IEEE6、14、30节点系统进行了无功优化计算,结果表明该算法是正确可行的.     

改进的混沌优化算法及其在电力系统负荷分配中的应用研究

为减少现有混沌优化方法在搜索空间内的盲目重复搜索,提高寻优效率,提出了一种改进的混沌优化算法,并用于电力系统经济负荷分配这类复杂、非线性问题的求解中.该算法根据当前寻得的最优解确定精搜索空间,并根据精搜索空间与原空间的比例大小确定各自的搜索概率,并分别以不同的搜索概率同时对原空间和精搜索空间进行混沌搜索.这样即可避免传统混沌优化算法中因过早缩小搜索空间而造成的遗失全局最优解的缺点,又可提高算法的寻优速度.实验结果表明,该方法收敛速度快,寻优效率高,可有效解决电力系统经济负荷分配等复杂的优化问题.     

三维MUSIC近场噪声源识别算法仿真

为了识别三维空间内的噪声源,推导了三维MUSIC近场噪声源识别算法。在LabVIEW里进行三维MUSIC近场噪声源识别算法的仿真,仿真结果验证了该算法的有效性。针对三维MUSIC算法空间搜索计算量大的缺点,提出了改进的搜索方法:先设搜索半径为定值进行二维MUSIC谱搜索,得到噪声源的方向参数;然后确定2个方向参数进行一维MUSIC谱搜索,得到噪声源的半径参数;最后在前2次搜索确定的空间位置附近进行小范围的三维MUSIC谱搜索。改进的搜索方法使空间计算量大大减少的同时精度可以得到保证。     

带免疫的蚁群算法用于电力系统无功优化

针对电力系统无功优化具有非线性、多变量、多约束、多目标的特点,提出带免疫的蚁群优化算法。通过对连续的控制变量进行编码,实现了蚁群算法在函数优化问题上的应用。引入蚂蚁分工机制,可以大大减少每只蚂蚁的搜索空间,降低蚁群算法求解问题的难度。引入免疫算法的思想,可以避免在搜索过程中出现早熟,提高了蚁群算法的搜索效率。以IEEE-14节点系统为算例,比较分析基本算法与带免疫系统算法的计算结果,从而验证改进蚁群算法的有效性。     

改进免疫算法在电力系统电源规划中的应用

目前,遗传算法作为一种基于人工智能技术的优化算法在电力系统的电源规划中已经得到广泛应用,然而其遗传操作繁杂、计算量大,易产生退化、早熟等问题使其应用受到局限.文章提出一种基于自然分段式编码的改进免疫算法(Modified Immune Algorithm,MIA),使用该方法可以大大减少电源规划的计算量,提高计算效率,并可充分利用特征信息灵活求解.该算法具有全局多峰搜索能力以及优异的收敛特性,同时可避免退化、早熟等问题的发生.算例结果表明,该算法可以较好地求解电源规划问题,并且具有广阔的发展空间.     

电力系统无功优化的变尺度混沌优化算法

变尺度混沌优化(MSCOA)是一种改进的混沌优化方法(COA),利用混沌运动的内在随机性、遍历性和规律性进行全局寻优;通过尺度变换不断缩小优化变量的搜索空间,通过改变"二次搜索"的调节系数提高搜索精度,从而提高局部细化搜索能力.文章将该算法应用于电力系统无功优化问题,并对IEEE 6节点系统以及某地区54节点系统进行了仿真计算,计算结果验证了算法的有效性.     

结合禁忌搜索思想的粒子群算法在乌江渡水电站厂内经济运行中的应用研究

本文针对水电站厂内经济运行中机组组合优化问题的特点,提出了一种结合禁忌搜索思想的粒子群算法(Particle Swarm Optimization,PSO).该方法采用离散二进制粒子群算法解决机组运行状态组合问题,用标准粒子群算法解决既定运行机组间负荷优化分配问题,并将两个问题结合在一起并行优化,引入禁忌搜索算法(tabular Search,TS)的记忆功能和藐视准则以提高粒子多样性,扩大搜索空间,克服PSO算法可能出现的早熟现象.以乌江渡水电站为例进行优化计算,并与PSO算法的计算结果比较,表明该方法可以有效避免早熟现象,具有较高的全局收敛能力,同时也具有较高的全局寻优能力.     

固定边界矩阵的并行潮流牛顿算法

为了克服基于BBDF分块的牛顿潮流的协调量计算过大的瓶颈,通过固定处理边界矩阵,提出了一种固定边界矩阵牛顿潮流并行算法,该法可显著减少每次迭代的协调计算量,提高并行效率。在IEEE118和IEEE300标准网络上,使用P42.4G的PC机对各个网络在分块数为2、4、8、12和16块时计算的结果表明,该算法在减少计算量的同时还具有较好收敛性,在大型互连网络上能提高计算速度。     

无功优化遗传算法中的潮流算法改进研究

分析了潮流计算的数学模型 ,介绍了快速解耦法求解潮流 ,提出了一些改进措施 ,借以避免每次潮流计算都要反复形成第一因子表的缺点 ,采取收敛精度可变的手段 ,可使无功优化计算时间下降 65 %左右     

远场涡流检测中的缺陷快速重构技术

远场涡流缺陷重构属于电磁逆问题范畴。针对以往缺陷重构方法中普遍存在的计算时间长或需要大量训练样本的缺点，提出一种基于相似模型和遗传算法的缺陷快速重构方法，分析非轴对称缺陷与轴对称缺陷之间存在的相似模型，并利用集肤深度公式推导出两者之间的缩比因子，从而将耗时巨大的缺陷重构问题转换为二维轴对称情况下的计算问题；同时为进一步缩短重构时间，提出一种加快遗传算法收敛速度的方法。计算结果表明，基于相似模型和遗传算法的缺陷重构方法，在确保重构精度的基础上，可将重构所需总时间缩短至直接利用三维有限元方法重构时的7.6%左右。     

基于彩色区域识别快速报警指针识别算法

针对电力监测系统中使用的彩色仪表,提出了一种基于彩色区域识别的快速报警指针识别算法。传统直线检测采用Hough变换,具有存储空间大,计算时间长等缺点。创新性地将图像彩色信息和Hough变换相结合,通过识别指针所在的区域颜色,判断是否需要报警输出,并为下一步精确识别指针示数确定Hough变换的搜索范围,通过减小搜索范围来减少Hough算法需要的内存空间和计算时间。实验结果表明,改进算法比传统算法具有明显更高的效率。     

Optimal service restoration and reconfiguration of network using Genetic-Tabu algorithm

This paper represents an approach for service restoration and optimal reconfiguration of distribution network using Genetic algorithm (GA) and Tabu search (TS) method. Restoration and reconfiguration problems in distribution network are difficult to solve within feasible times, because the distribution network is so complicated with the combination of many tie-line switches and sectionalizing switches and also has to satisfy radial operation conditions and reliability indices. Therefore, this paper applied Genetic-Tabu algorithm (GTA) to find optimum value with reasonable computation time. The Genetic-Tabu algorithm is a Tabu search combined with Genetic algorithm to find a global solution. The case studies with 7-feeder model showed that not only the loss reduction but also the reliability should be considered at the same time to achieve the optimal service restoration and reconfiguration in the distribution network.     

三电平间接矩阵变换器的简化SVPWM方法研究

针对传统的三电平空间矢量脉宽调制(SVPWM)算法运算量较大、实时性差的缺点,提出一种基于参考电压旋转统一处理的简化SVPWM算法,并将其应用到三电平间接矩阵变换器(TLIMC)上。该简化方法通过判断输出参考电压的大扇区并旋转统一到第一扇区,然后判断小三角区,并对矢量的作用时间计算进行归纳优化,使程序运算量减小到原来的1/6,有利于数字信号处理器的程序编程。最终构建了Matlab/Simulink的TLIMC的仿真模型,仿真结果证明了简化策略的可行性。     

三电平APF简化空间矢量调制算法研究

针对有源电力滤波器的PWM调制方法,采用了基于两电平的简化三电平空间电压矢量调制算法,分别对常规三电平空间电压矢量调制方法与简化调制方法进行了分析,通过对比,两个调制算法求得的作用时间和基本作用矢量完全相同,表明简化算法不仅可使计算简化,而且能达到和常规方法完全相同的输出特性,仿真分析结果也进一步表明了简化方法的有效性。     

快速多目标无功优化方法在实际系统中的应用

多目标进化算法（MOEA）已经被应用到电力系统无功优化这一问题的求解,但是由于MOEA算法需要相当长的寻优时间,同时其优化结果针对性不强,因此难以用于电网的无功电压自动实时控制。将以ε-支配域为基础的多目标优化方法应用到实际系统的无功电压自动实时控制中,该方法包括多目标模糊评价函数、自适应ε-MOEA优化算法以及后评价模糊控制器。通过在一个实际35节点系统上的应用,验证了所提方法的有效性与实用性。     

基于等流量法缩减空间策略的水电站调度方法

采用合理的调度方法可有效提高水电站发电效益。模拟方法容易获取可行解,但不能提供最优解;优化方法能够求得最优解,但往往因搜索空间过大而求解不理想。本文考虑两者特点,提出基于等流量法缩减空间策略的水电站调度方法,即利用等流量法模拟调度过程,缩减搜索空间,在缩减空间内利用优化方法求解模型。实例研究表明：该方法适合群智能算法求解水电站调度模型;在相同群智能算法和水电站调度模型下,缩减搜索空间后,多年平均发电量、保证出力提升显著,多年平均弃水量明显减少。此外,群智能算法在缩减空间内的收敛速度更快,标准差更小。因此,该方法能够有效提高群智能算法求解的优化程度、收敛速度和稳定性,可为水电站调度提供重要参考。     

基于遗传禁忌搜索的时隙分配算法

合理的时隙分配可保证数据链战术消息的时效性,提升数据链网络运行效率。现有单一优化的时隙分配算法全局寻优能力低、运算量大、运行效率低。本文基于最小均匀时隙方差模型,提出了一种遗传禁忌搜索的时隙分配算法。该算法充分利用遗传和禁忌搜索两种典型智能优化算法的优势,采用遗传变异操作构造多样性的邻域,使获得全局最优时隙解的概率增强;使用禁忌搜索算法在局部进行搜索,加快收敛速度。采用精度提升率、稳定性和时间开销等指标对算法的精度、稳定性和运行效率进行了验证,结果表明:算法相比单一的遗传和禁忌算法,在保持较高稳定性和运行效率的同时,时隙分配精度有明显提升。当空闲时隙数量为500和1000时,相对遗传时隙分配算法,精度分别提升了6%和9%。