基于人工鱼群算法的智能交流接触器虚拟样机优化设计

人工鱼群算法是一种新型的随机搜索优化算法,为求解组合的复杂优化问题提供了一种新的方法.基于网格划分策略和禁忌搜索算法的改进型人工鱼群算法使优化过程能够更好地取得全局最优精确解.本文将改进型人工鱼群算法引入到智能交流接触器吸合与释放全动态过程控制参数和机构结构参数的优化设计中,不仅取得了综合优化的效果,而且保证了机构的快...     

改进人工鱼群算法在配电网网架规划的应用

针对配电网网架规划组合优化复杂性的问题,在网架规划中以人工鱼群算法的寻优框架为基础进行优化。针对人工鱼群算法自身上的不足,对人工鱼群的行为中觅食、集群和追尾等行为进行改进。以网络年综合费用最小为优化目标建立了配电网网架规划的数学模型,并利用改进后的人工鱼群算法求得该模型的优化解,并与遗传算法及粒子群算法等做对比。实验结果表明了该改进的可行性和有效性。     

基于混沌人工鱼群算法的输电网规划方法

人工鱼群算法收敛速度快,但存在早熟收敛现象;混沌优化算法具有遍历性、随机性和对初值敏感的特点,虽然全局搜索能力强,但收敛速度慢。大规模输电网规划方法对求解速度的要求越来越高,为此结合人工鱼群算法和混沌优化算法,提出了适用于输电网规划的混沌人工鱼群算法,该算法继承了混沌优化算法特点,使人工鱼群在搜索过程中避免陷入局部极值,同时改进了人工鱼的视野和游动步长,加快了寻优效率。算例结果验证了该算法的可行性。     

基于人工鱼群算法的输电网络规划

人工鱼群算法是一种基于动物自治体模型的优化算法.各人工鱼通过各种行为不断改变自身的位置,并将对应位置的食物浓度与公告板最优食物浓度比较,在经过一系列的反复搜索寻优过程后,可能包含最优解的最佳结果将最终被保留在公告板上.针对输电网络网架的扩展规划这样一个复杂的组合优化问题,建立相应的数学模型,首次尝试采用人工鱼群算法求解.该算法用于IEEE Garver-6系统和18节点系统的计算结果表明,人工鱼群算法用于电力系统输电网规划是可行的,有效的.     

基于量子序优化混合算法的输电网规划

序优化理论是一种基于绝对随机抽取可行解的优化算法,最优解具有高概率的可信度.量子算法是一种局部搜索能力强的搜索算法.利用量子算法的强大的局部搜索功能与序优化混合,构造出随机性和方向性比较平衡的量子序优化混合算法.针对输电网规划这样一个复杂的组合优化问题,建立相应的数学模型,采用量子序优化混合算法求解.18节点系统算例的...     

基于改进的人工鱼群算法的配电网无功优化

研究了基于变异算子与模拟退火算法混合的人工鱼群算法,对算法中的变异算子进行了改进,并提出了1种试探确定变异概率的方法：同时对配电网无功优化的模型进行了改进．将经济性目标和安全性目标相结合。将改进的人工鱼群算法运用到配电网无功优化中．实际系统的仿真计算结果表明,基于改进人工鱼群算法的配电网无功优化方法合理可行。     

弹性自适应人工鱼群-BP神经网络模型及在短期电价预测中的应用

为了提高短期电价预测精度,分析了人工鱼群算法及其缺点,提出了一种弹性自适应人工鱼群算法(RAAFSA).应用RAAFSA算法训练BP神经网络,实现了BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对贵州电网进行短期电价预测.仿真表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法和人工鱼群-BP神经网络算法,该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,各日预测电价的平均百分比误差可控制在2%以内,平均绝对误差最大值为1.762$/MWh.该混合算法可有效用于电力市场短期电价预测.     

基于人工鱼群算法的配电网网架优化规划

人工鱼群算法是一种新型的群智能随机全局优化技术。然而该算法很难得到精确的最优解,而且算法在收敛性、计算复杂度等方面还有很大的缺陷。针对人工鱼群算法的这些不足,引入了改进的模拟退火算法和精英选择的思想对人工鱼群算法进行改进。以网络年综合费用最小为优化目标建立了配电网网架规划的数学模型,并利用改进后的人工鱼群算法求得该模型优化解,通过对具体实例的仿真实验,比较了人工鱼群算法改进前后对配电网网架规划进行优化的结果,同时验证了该方法的可行性和有效性。     

配电网中基于人工鱼群算法的分布式发电规划

应用人工鱼群算法对配电网扩展规划中分布式发电的选址和定容进行了优化,优化求解采用了两层人工鱼群算法的嵌套.外层对分布式发电的位置和容量进行优化,并将优化过程中生成的分布式发电个体加到线路扩展规划中,计及分布式发电对配电网潮流的影响进行内层线路扩展规划.针对人工鱼群算法后期收敛速度慢、所得解精确度不高的问题,对基本人工鱼群算法进行了改进.通过对网架优化和分布式发电优化综合规划结果进行经济性评估以衡量个体方案的优劣,具体算例验证了算法的可行性和有效性.     

配电网中基于人工鱼群算法的分布式发电规划

应用人工鱼群算法对配电网扩展规划中分布式发电的选址和定容进行了优化,优化求解采用了两层人工鱼群算法的嵌套。外层对分布式发电的位置和容量进行优化,并将优化过程中生成的分布式发电个体加到线路扩展规划中,计及分布式发电对配电网潮流的影响进行内层线路扩展规划。针对人工鱼群算法后期收敛速度慢、所得解精确度不高的问题,对基本人工鱼群算法进行了改进。通过对网架优化和分布式发电优化综合规划结果进行经济性评估以衡量个体方案的优劣,具体算例验证了算法的可行性和有效性。     

基于MAQPSO 的电力系统无功优化研究

文中提出一种多智能体量子粒子群优化算法(Multi Agent Quantum Particle Swam Optimization,MAQPSO)求解电力系统无功优化问题,改善了传统量子粒子群算法后期收敛速度慢、易陷入局部最优解等缺点。该算法结合了量子粒子群算法和多智能体进化思想,每一个Agent相当于量子粒子群优化算法中的一个粒子,通过Agent的邻域竞争、自学习等操作,使得算法能够更迅速、更精确地收敛到全局最优解。通过对IEEE14、30、57和118节点系统的优化仿真,结果表明该算法有收敛精度高、寻优速度快等优点。     

融合鱼群和微分进化的蚁群算法的无功优化

对于求解电力系统无功优化问题,提出了一种融合鱼群和微分进化的蚁群优化算法（FDEACO）。受人工鱼群觅食、聚群和追尾行为的启发,在基本蚁群算法的基础上,应用人工鱼群算法的追尾行为对蚁群在可行域上搜索到的解进行改进,加快了向最优解收敛的速度。在信息素更新机制里,通过引入微分进化算法的发散项,增加一个随机扰动,减小了算法陷入局部最优的可能性。在IEEE30测试系统上对新提出的算法进行校验,并与其它算法比较,证明FDEACO算法收敛速度快、全局寻优能力强。     

人工鱼群算法在配电网络重构中的应用研究

配电网络重构是在满足各种运行约束条件下,以网损最小或供电可靠性最高为目标,它是一个典型的非线性整数组合优化问题,常规的数学优化方法难以求解。提出了将基于"现代启发式"随机搜索寻优技术的人工鱼群优化算法应用于该问题。通过算例的分析,验证了该算法的正确性、可行性,显示了算法的优越性。     

混合量子进化算法在110 kV变电站规划中的应用

针对城市电网中110 kV变电站规划这一组合优化问题,给出一种基于混合量子进化算法的变电站规划优化方法。该方法融合了量子进化算法收敛速度快,擅长全局搜索的优点和贪婪随机自适应算法局部搜索能力强的长处。将此方法应用到四川某县110 kV变电站容量规划中,计算结果表明该方法很好地完成了对该县变电站数量、主变容量的优化规划。结果符合该地区电力需求和未来电网建设形势,对该县电网下一步规划建设有重要参考意义,表明了方法的有效性。     

基于量子编码的离散粒子群算法配电网重构

阐述了配电网重构数学模型、二进制粒子群算法、量子编码的基本理论,对量子粒子群算法配电网重构进行了研究,将量子编码应用到离散粒子群算法中,用量子比特概率表示离散粒子的状态,根据二进制粒子群速度更新公式更新粒子的状态,改变开关开合状态进行网络重构.量子比特概率能够表征丰富的信息量,保证粒子的多样性和全局搜索能力.通过2个算...     

基于改进人工鱼群算法的大规模多目标机组组合优化

大型电力系统包含众多发电机组,且运行时需要考虑诸多方面的因素,其机组组合优化是一个多目标多约束的非线性大规模优化问题,现有方法存在诸多不足。人工鱼群算法在解决非线性优化问题时性能良好,但存在寻优效率低、可能陷入局部极值等缺点。针对这些不足,提出了改进的人工鱼群算法。该算法引入了可变视野,对人工鱼移动策略做出了调整并与遗传算法中的变异操作相结合。构建了兼顾经济性与环保性的多目标优化模型。为了解决机组规模扩大导致的计算时间过长问题,采用了分阶段的优化方法,将改进后的算法应用于启停安排阶段,确定机组启停状态后采用混合整数规划法进行负荷分配。针对最高包含1000台机组的大电网机组优化算例进行了模拟实验,实验结果表明:改进后的优化算法的收敛性和全局搜索能力均得到了提高,大规模机组组合的计算时间大大缩短。多目标条件下也取得了理想结果,验证了该方法的有效性。     

基于混合人工鱼群算法的输电网扩展规划

应用于输电网扩展规划的人工鱼群算法(artificial fish school algorithm,AFSA)依靠随机移动无条件接受劣解以摆脱局部极值,具有盲目性大的特点,且该算法一般在优化初期收敛较快而后期收敛速度减慢。针对AFSA的上述缺点,文章结合模拟退火算法,提出一种混合人工鱼群算法(HAFSA)。HAFSA利用模拟退火算法的概率性突跳搜索机制,使局部极值跳跃能力具有可控性,降低了算法的盲目性,提高了算法效率;引入基于分段自适应调整视野策略的反馈机制,兼顾了全局搜索与局部挖掘能力;加入拟遗传算法的变异算子加快了优化后期的收敛速度。通过IEEE6节点和巴西南部46节点算例证明了HAFSA的正确性和有效性。     

基于SAAFSA优化加权模糊聚类算法的变压器故障诊断

针对加权模糊聚类算法(WFCM)应用于变压器DGA分析时存在收敛速度慢、对初始值敏感的问题,提出了一种改进人工鱼群优化加权模糊聚类算法(SAAFSA-WFCM)的变压器故障诊断方法.该方法利用模拟退火算法(SA)来改进人工鱼群算法(AFSA)以求取最佳初始聚类中心,在发挥AFSA优异的全局寻优能力的同时,利用SA的概率性突跳搜索机制对AFSA实施局部优化,提高了AFSA的搜索精度.WFCM算法以得到的最佳初始聚类中心为初值进行迭代运算,最终求得更接近实际位置的聚类中心,克服了WFCM易受初值影响的缺陷,加快了收敛速度.仿真与实例分析表明,该方法可有效应用于变压器的故障诊断,并有着较高的诊断正确率和诊断效率.