基于FVM-HGA的河流水质模型多参数识别

针对解析法求解河流水质模型的不足和传统方法在求解河流水质模型多参数识别问题遇到的困难,提出了采用有限体积法结合混合遗传算法(FVM-HGA)的参数识别算法。由于水质模型中源项的广泛存在,对流项的离散采用了满足有界性条件的非线性高精度格式-MINMOD格式。由于优化算法对参数识别反问题具有的普遍适用性,因而反演算法采用了全局寻优能力很强的遗传算法;为了克服传统遗传算法局部搜索能力较弱的缺点,采用了遗传算法与最速下降法相结合的混合遗传算法。两个算例的计算结果表明,采用FVM-HGA算法对常系数河流水质模型和变系数水质模型都能给出较好的反演结果。     

基于遗传单纯形混合算法的热工过程参数辨识

热工过程参数辨识是热工自动化领域的重要课题之一。针对热工对象的特点,利用遗传算法全局搜索能力强,单纯形算法收敛速度快、局部搜索能力强的特点,引入遗传-单纯形混合算法对典型热工过程数学模型进行参数辨识。编写Matlab程序进行仿真实验,通过描绘典型阶跃信号输入和其他任意信号输入下的响应曲线,并与已有文献中的辨识结果进行比较来验证参数辨识的精度。仿真实验表明,这种方法有效地解决了单纯形初值设置不当容易导致寻优失败的问题,克服了遗传算法寻优结果随机、分散的缺点,提高了搜索空间的广度和深度,能够得到精确的辨识结果。     

利用混沌优化算法确定河流水质模型参数

应用混沌序列优化算法求解分析一维河流水团示踪试验数据 ,确定水质参数的函数优化问题。就算法控制参数对细搜索次数的影响进行了数值实验。结果表明 :( 1)该算法可以有效地应用 ;( 2 )过大的序列长度不能有效地缩短计算时间 ;( 3 )粗搜索次数对算法的收敛性影响不大 ;( 4 )水质参数的初始取值范围对算法收敛性基本没有影响     

基于新型模拟退火算法的PSS参数优化方法

提出一种基于单纯形-模拟退火算法的电力系统稳定器(PSS)参数优化方法.以弱阻尼机电模式阻尼比构建目标函数,将单纯形法搜寻机理嵌入到模拟退火算法的基本步骤中,综合模拟退火算法全局搜索能力强、单纯形算法局部收敛速度快的优点.在新英格兰典型系统上的特征值分析表明,该方法是一种有效的PSS优化方法,所得的参数对系统运行方式的变化具有良好的鲁棒性.     

改进的人工鱼群算法在水质参数识别中的应用

水质参数是建立河流水质数学模型、预报河流水质状态变化的基本数据.因此,准确估计模型参数具有重要意义.通过构造目标函数使模拟结果与已知值之间误差达到最小,从而将此参数估计问题转化为一个参数优化问题进行求解.结合水质模型参数优化的特点,将具有收敛速度快、全局优化能力强的新型智能算法-改进的人工鱼群算法应用于该优化问题求解.通过进行多组参数组合实验,结果表明:当参数变化范围较小时,改进的人工鱼群算法在求解上述问题上具有较好的适用性和有效性,可以获得较为精确的结果;但随着参数变化范围的不断扩大,该算法的搜索效率和精度有所下降.关于算法参数的设置,如何解决算法受参数变化范围的影响问题都是需要进一步研究的问题.     

基于差分进化混合粒子群算法的电力系统无功优化

差分进化混合粒子群算法(DEPSO)首先利用差分进化(DE)的变异和选择算子产生新的群体,然后通过使用粒子群优化算法(pSo)进行局部搜索.该算法发挥差分进化和粒子群优化算法各自拥有的特点,并克服自身存在的问题,具有收敛速度快、搜索能力强、鲁棒性好的特点.将该算法用于电力系统无功优化,通过IEEE30节点系统的仿真计算证明了该算法的快速性和有效性.     

基于改进遗传算法的汽轮机DEH系统参数优化

在简要介绍改进遗传算法的基础上,将其应用于汽轮机数字电液调节系统的参数优化,并给出了参数优化过程。该算法有效抑制了算法早熟,提高了算法的全局搜索能力和局部搜索能力。优化结果表明,这种优化算法具有计算速度快、精度高、程序通用性强等优点,为汽轮机调节系统的参数优化提供了一种有效的方法,具有一定的参考价值。     

二进制纵横交叉算法在配电网重构中的应用

针对配电网重构问题,提出了一种以有功损耗最小为优化目标的、全新的二进制纵横交叉算法(binary crisscross optimization,BCSO)。该算法在纵横交叉算法(crisscross optimization,CSO)的基础上进行了二进制化研究,解决了二进制优化的难题;同时继承了纵横交叉算法的双交叉机制,其中横向交叉机制增强了全局搜索能力,提高了全局收敛速度,纵向交叉机制保持了种群的多样性,避免陷入局部最优;通过横、纵交叉机制的配合能够快速寻找到全局最优解。最后,在IEEE 33节点和美国PGE69节点系统上对二进制纵横交叉算法进行仿真试验,试验结果分析表明:BCSO对解决配电网重构具有可行性,同时具有收敛速度快、全局寻优能力强以及良好稳定性的优点。     

含分布式电源的DEIWO算法配电网无功优化

针对含分布式电源的配电网无功优化的特点,提出一种将入侵杂草算法与差分进化算法相结合的混合求解算法。该算法将一组初始可行解进行繁殖、空间扩散,当达到环境允许的最大值时,通过引入竞争机制,选取适应度较高的部分个体,再通过变异、交叉、选择,最终保留最佳个体。该算法既利用了入侵杂草算法结构简单、参数少和鲁棒性强的优点,又通过结合差分进化算法,克服其易陷入局部最优,精度不高的缺陷。以IEEE33节点系统进行仿真分析,并与传统的入侵杂草优化算法进行比较,结果表明该算法具有较强的全局搜索能力以及较高的收敛精度,能够有效地减少功率损耗。     

考虑支路负载率均衡性的输电网规划

差分进化算法搜索速度快,但策略过于单一,存在早熟收敛现象。混沌优化算法的随机性、遍历性使得算法全局搜索能力强,但收敛速度慢。提出结合两种算法的混沌差分进化算法,进行优势互补。采用猫映射来替代传统的Logistic映射来提高混沌算法的计算速度,改变变异、交叉策略,增加混沌扰动来提升算法的全局和局部搜索能力。采用的输电网规划模型以综合投资运行费用和支路负载率方差为目标函数,考虑方案的经济性、安全性,同时优化重载及轻载线路,使支路潮流分布更加合理。通过18节点算例分析验证了模型的有效性及算法的可行性。