改进粒子群优化算法的电力系统最优潮流计算

标准的粒子群优化(PSO)算法一般不能兼顾收敛速度、全局探索能力和局部精细搜索能力,因此,提出了改进粒子群算法以解决电力系统的最优潮流计算问题,同时指出今后粒子群算法的研究方向.     

TS-PSO算法在电力系统无功优化中的应用

为了解决粒子群算法(PSO)局部搜索能力较弱和存在早熟收敛的问题,提出了将禁忌搜索(TS)思想融入到粒子群算法中的混合算法,并将该算法应用到电力系统无功优化中。改进后的算法综合了粒子群算法快速性、随机性和全局收敛的优点,还具有禁忌搜索局部寻优的能力。通过对IEEE-30节点测试系统、铜陵电网实际进行仿真计算,并与其它算法进行比较,结果表明该算法能取得更好的全局最优解,既加快了收敛速度,又提高了收敛精度。     

基于改进粒子群算法的电力系统无功优化研究

阐述了一种改进粒子群的无功优化方法.粒子群优化(PSO)算法是进化计算领域中的一个新的分支,其源于对鸟群和鱼群群体运动行为的研究.针对粒子群优化容易陷入局部极值点的问题,文章提出混沌粒子群算法,该算法可以较好地避免PSO算法过快收敛于局部最优解,有较快的收敛速度.文中将该算法应用于求解电力系统无功优化问题,并与标准PSO算法的性能进行了对比,仿真计算证明该算法是有效、可行的.     

电力系统无功优化自适应粒子群算法

针对粒子群(PSO)算法存在易陷入局部最优的缺点,提出了一种新的基于种群多样性指数的自适应粒子群优化算法(ASPO)。该算法利用种群多样性信息对惯性权重进行非线性调整,并在算法后期引入速度变异算子和位置交叉算子,使算法摆脱后期易于陷入局部最优的束缚,同时又保持前期搜索速度快特性。将其应用于电力系统无功优化,对IEEE-30节点系统进行仿真计算,并与GA、PSO等算法比较,结果表明APSO算法能有效应用于电力系统无功优化,其全局收敛性能、收敛精度和收敛稳定性均较GA、PSO算法有了明显提高。     

基于博弈论的变电站规划研究

针对城市电网变电站规划问题,提出一种基于博弈论的混合算法。该算法将博弈理论与渔夫捕鱼算法(fisher fishing,FF)、粒子群算法(particle swarm optimization,PSO)相结合,设置两个子群和两个博弈策略(FF算法、PSO算法),构建相应的博弈收益矩阵,由加权Voronoi图划分变电站的供电范围,校验其负载率,再以变电站规划年最小费用为适应度函数。两个子群通过博弈收益矩阵周期性地选择和更换搜索策略,在可行解空间内快速寻优。FF算法搜索盲目性过大,收敛较慢;PSO算法易陷入局部最优解。提出的算法将二者进行混合优化,可以取长补短,收敛速度比FF算法快,求解精度比PSO算法高。通过对某市中心城区的规划实例分析,验证了所提算法能够有效解决变电站规划问题。     

基于免疫粒子群算法的电力系统无功优化

为提高粒子群优化(particle swarm optimization,PSO)算法的收敛性能,将免疫算法(immunity algorithms,IA)的免疫信息处理机制引入到标准粒子群算法,形成一种新的优化算法,即免疫粒子群算法。该算法将免疫算法的免疫记忆和自我调节机制引入PSO,并采用基于粒子浓度机制的多样性保持策略;同时,用免疫算法的"接种疫苗"和"免疫选择"来指导搜索过程。改进后的算法可以很好的保持优化过程中粒子群的多样性,抑制优化过程中出现的退化现象,保证算法的收敛精度和收敛速度。IEEE 30节点系统算例仿真表明,IA-PSO算法与标准PSO算法相比,能够及时跳出局部最优得到全局最优解,且收敛速度快、精度高。     

基于改进简化粒子群算法的多目标输电网规划

针对标准粒子群(SPSO)算法在计算过程中容易陷入局部最优的缺点,对SPSO算法做了以下改进:首先,简化粒子群算法,去掉不影响其进化过程的速度矢量,提高收敛精度;其次,将粒子群算法中的惯性权值由线性递减策略改进为非线性递减策略,有效地控制了粒子群优化算法的全局搜索和局部搜索.在输电网扩展规划中的应用结果表明,上述2个操作可以提高PSO算法的收敛精度,使算法最终寻找到全局最优解,从而证明了改进简化粒子群算法的有效性.     

基于改进粒子群算法的配电网分布式电源规划策略

针对既有配电网架结构下的分布式电源选址与定容问题,提出了一种抑制局部最优的带惯性权重的粒子群优化算法(PSO),在算法搜索过程中通过引入变异算子和偏移算子,根据适应度标准差及当前最优适应度值,确定目前部分粒子的畸变程度,摆脱了寻优过程中局部最小点的束缚,改善了多目标优化的非线性准确度。同时改进了PSO中对于速度和位置的更新方法和终止判据,提高了算法的收敛特性。通过IEEE-33节点配电网和延边配电网算例表明,改进的粒子群算法能够有效地寻找到全局最优解并且具有良好的收敛特性。     

基于PSO-GA算法的电力系统机组组合研究

机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题,因此求解非常困难.粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域.PSO算法的优势在于操作简单,可调参数少易于实现而又功能强大.该文采用二进制粒子群优化方法解决机组状态组合问题,用遗传算法结合启发式技术解决经济分配问题,并对最小开停机时间及启停费用进行了处理,使得运算速度大大加快.方法的可行性在10台机组系统中检验.模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点.     

基于改进PSO算法的含风电场电力系统网架扩展规划研究

基于改进后的PSO算法,研究了如何利用网架扩展规划,来缓解风电并网发电后部分线路出现输电阻塞的现象.在PSO算法中,惯性权重和学习因子分别是控制PSO算法全局搜索和局部搜索的关键性可调整参数.为避免陷入局部解,同时加快收敛速度,提出了同时动态优化调整惯性权重和学习因子的改进PSO算法.基于IEEE39节点的仿真算例表明：在保证获得最优解的前提下,该算法的收敛速度显著加快.     

基于改进遗传算法的无功综合优化

简要分析了传统的电力系统无功优化方法的局限性之后,提出了一种快速有效的求解方法——改进的遗传算法(IGA)。在简单遗传算法(SGA)的基础上,提出了自适应遗传算法,该算法采取了与个体分布散度成正比,并随最优个体保留代数成指数上升的自适应变异率;同时也采取了自适应的交叉率．该交叉率与群体中最大的适应度值和每代群体的平均适应度值有密切的关系。算例表明提出的算法优化效果好．而且在精度上和收敛速度上都有较大的提高。     

基于改进灰狼优化算法的光伏MPPT方法

在局部阴影情况下,光伏阵列输出的功率-电压曲线会出现多个峰值,需要具有全局寻优能力的群体智能优化算法来进行最大功率追踪(Maximum Power Point Tracking, MPPT)。针对传统群体智能优化算法普遍存在的收敛速度慢、振荡幅度大和易陷入局部最优等问题,提出了一种基于改进灰狼优化算法的控制方法。该算法采用区间收缩策略,通过不断减小搜索区间范围,提高算法的收敛速度和求解精度;同时,采用反向优化策略,增加对当前最优位置反向解的搜索,提高了搜索过程的多样性,帮助算法跳出局部最优。仿真统计结果表明,相较于传统算法,改进算法具有更高的追踪成功率、追踪准确性和更短的追踪时间。     

邻域退火粒子群算法在配电网重构中的应用

为求解多目标非线性整数组合优化的配电网络重构问题,建立了以电压均衡指数和网损为目标的配电网重构数学模型。为了克服粒子群算法容易局部收敛的不足,提出了一种基于正态分布的局优邻域闭锁方法的退火技术的粒子群算法(LA-PSO),改进了扰动机制,设计了自适应退火策略,对邻域内的粒子执行并行化退火操作,从而弥补粒子群算法爬山能力的不足,提高了算法的全局寻优能力。用3个不同规模的算例测试提出的算法并与基本算法的性能进行了比较。结果表明,该算法有效改进了粒子群优化算法的局部收敛问题,与单一算法相比,在收敛特性、全局寻优能力和稳定性等方面都有所提高。     

一种分布式电源优化配置方法

分布式电源是智能电网的重要组成部分。针对配电网中分布9式电源优化配置问题,文章建立了两阶段多维动态模型,即第一阶段通过计算并甄选节点电压-网损灵敏度,以降低网损为目标进行分布式电源选址;第二阶段考虑配置成本和系统可靠性建立目标函数,通过仿电磁学算法进行分布式电源定容。同时,为了改善第二阶段中使用的仿电磁学算法的性能,对该算法在合力计算、粒子更新和局部搜索方面加以改进,提高了算法的寻优能力和收敛能力。最后通过IEEE39节点系统进行仿真及结果分析,表明此方法在分布式电源优化配置中得到了较好的结果。     

直流起动发电机的优化设计

根据直流动发电机的电磁设计特点，提出了优化设计模型，并采用离散变量直接搜索法对其进行了优化。通过对ＤＱＦ－１８型直流起动发电机的优化结果分析，证明该优化模型和方法是可行的。     

基于改进MMAS算法的双有源桥变换器PI参数优化

为了实现双有源桥DAB (dual active bridge)变换器中PI控制器的参数优化,提出了一种改进最大最小蚂蚁系统MMAS (max-min ant system)的PI参数优化方法。该方法以DAB变换器的时间与误差绝对值乘积积分性能指标为目标函数,通过优化节点能见度和信息素更新机制,在提高全局搜索能力的同时保证了较快的收敛速度,利于求得全局最优解,克服了传统蚁群算法ACA (ant colony algorithm)易发生的早熟收敛现象。采用改进MMAS算法对DAB变换器进行PI参数优化,并与Z-N法和传统ACA的优化效果进行对比。仿真和实验结果表明,相比于Z-N法和传统ACA,基于改进MMAS算法优化PI参数的DAB变换器具有更好的动态响应。     

基于遗传禁忌混合算法的电力系统无功优化

为了使遗传算法(GA)和禁忌搜索算法(TS)的优点被保持,缺点被削弱,提出了电力系统无功优化的遗传禁忌混合算法(GATS);针对电力系统无功优化中控制变量的离散性和连续性相混合的特点,提出了混合编码策略并相应地采用启发式算术进行杂交.用GATS算法对IEEE30节点系统进行了无功优化计算,并就优化结果和简单遗传算法(SGA)及二进制编码的禁忌搜索法(TSB)的优化结果进行了比较,结果表明GATS方法具有更好的收敛性和更强的全局寻优能力.     

Improvement of particle swarm optimization based on the repetitive search guideline

Particle Swarm Optimization (PSO), which has attracted a great deal of attention as a global optimization method in recent years, has the drawback that continuous search based on its excellent dynamic characteristics cannot be performed stably until the end of computation due to its very strong tendency to convergence. In this paper, we propose a ARepetitive Search Guidelinewhich differs from the common guidelines in the improved methods which have since been proposed and by which the continuous search in PSO is achieved without losing PSO's excellent dynamic characteristics due to repetitive search in a promising area where the objective function values are expected to be small. We consider four improved methods based on the proposed guidelines, then confirm their effectiveness by application to 100‐variable multipeaked benchmark problems. 2010 Wiley Periodicals, Inc. Electr Eng Jpn, 173(2): 42–54, 2010; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/ eej.20964     

基于移民算子遗传BP神经网络的模拟电路故障诊断

针对传统BP神经网络实现模拟电路故障诊断时存在的缺陷:容易收敛于局部最优值且训练时间过长等,提出了利用遗传算法(GA)优化的BP神经网络来对模拟电路进行故障诊断的方法.实验结果证明,优化后的BP网络可有效地避免收敛于局部最优值,大大地缩短了训练时间.同时为了提高遗传优化的收敛速度和精度,避免"早熟"现象,本文提出了一种引入移民算子的遗传算法,仿真结果表明了该算法的有效性.