电网无功电压综合控制的改进SA算法

简述了电网无功电压综合控制的必要性,根据电力系统实际运行情况及模拟退火(SA)算法自身的特点,就编码方式、状态产生函数、状态接收函数、初温、温度更新函数以及内、外循环终止准则等主要问题提出了改进SA算法.通过IEEE标准系统的仿真,说明改进SA算法具有搜索效率较高,原理及实现简单,速度快等优点.     

混合SA策略的改进SFLA算法求解配网多目标无功规划优化

针对配网无功优化问题目标维度高、非线性强及约束复杂等特点,提出一种混合SA策略的改进蛙跳算法ISFLASAS.该算法首先利用蛙跳算法(SFLA)的全局寻优能力进行最优解的探测,并对标准SFLA进行改进,在种群初始化时融入互反策略提高初始解的均匀分布能力,加速最优解的探寻;其次利用SA策略的局部逃逸能力,在SFLA计算后期辅助SA策略以一定概率跳出局部最优,提高全局探测能力;最后采用IEEE 33节点系统对所提模型算法进行仿真分析,验证了所提控制策略的有效性.     

利用智能型模拟退火算法进行开关磁阻电机磁极几何形状的优化

通过对模拟退火算法(简称SA算法)进行深入研究发现，SA算法在寻优过程中随机产生的新点仅与当前状态有关，而与已搜索过空间的状态及其目标函数值毫无关系，这就浪费了大量有用的信息，因而SA算法最大的缺点是在搜索寻优过程中存在较大的盲目性。为此，该文将模糊推理技术用于SA寻优过程，可利用已搜索过的空间信息确定全局最优点所在的区间，从而缩小搜索范围使算法迅速收敛于全局最优点；并可自动去除不可行解，避免了电磁场逆问题计算中大量不必要的磁场计算。应用电磁场逆问题的分析方法，对开关磁阻电动机转子磁极几何形状进行了全局优化设计，在电机主要尺寸不变的条件下，显著地提高了样机的静态转矩。     

基于随机性与确定性混合优化算法的 Jiles-Atherton磁滞模型参数提取

基于J-A磁滞模型模拟铁磁材料磁滞特性的关键是模型参数的精确快速辨识。该文针对现有J-A磁滞模型参数提取方法存在的收敛速度慢、求解精度低的问题,提出一种基于随机性优化算法——模拟退火(SA)与确定性优化算法——Levengerg-Marquardt(L-M)混合的J-A模型参数提取方法,该方法综合了SA算法全局搜索能力强以及L-M算法局部收敛速度快的优点。在迭代优化初期,采用SA算法快速锁定J-A模型参数的优化区域;继而根据引入的普适性混合算法切换过渡准则,将SA算法当前解赋予L-M算法;针对基于传统L-M算法提取J-A模型参数出现的病态矩阵问题,该文将J-A模型参数的灵敏度函数矩阵进行归一化处理,从而推导出适用于J-A模型参数快速辨识的归一化L-M算法,该算法在接收到SA算法提供的优化解后,将其作为该算法局部搜索的初始值。仿真及实验结果表明,所提混合算法兼具收敛速度快、提取精度高的优异性能。     

基于改进帝国竞争算法的微电网优化调度

研究了并网状态下的微电网经济运行,并将改进的帝国竞争算法运用到并网模式下的微电网经济调度中。建立包含光伏、风机、燃料电池及蓄电池的微电网并网运行模型,调度模型以微电网运行成本最小为目标,以各个机组的出力限制、功率平衡、储能情况等为约束条件,由于帝国竞争算法在计算时收敛速度慢,将模糊隶属函数与轮盘算法引入帝国竞争算法来求解所建立的数学模型,通过改进的帝国竞争算法求得了最佳的出力方式。     

电磁装置优化设计的改进禁忌算法

通过引入细化搜索过程、提出连续变量空间离散的新技术和邻域产生的新规则、存储已搜索过的状态空间等措施 ,本文给出了一种改进禁忌算法。为验证算法的可靠性 ,给出了典型数学函数和实际工程问题的数值计算结果。     

基于改进差分进化算法的配电网状态估计

状态估计是当前配电网中的研究重点,为了获得更加理想的配电网状态估计结果,提出一种基于改进差分进化算法的配电网状态估计方法。首先在标准差分进化算法中引入混沌变异策略,保持种群个体的多样性,增强全局搜索能力,然后建立配电网状态估计目标优化函数,并采用改进差分进化算法对其求解,最后采用配电网状态估计仿真实验测试其有效性和优越性。结果表明,改进差分进化算法加快了配电网状态估计的求解速度,获得了较高的配电网状态估计准确度,配电网状态估计性能要优于其他配电网状态估计方法。     

基于PMU的配电网状态估计

分布式能源的接入、网络结构的复杂性以及量测数据冗余不足,使配电网状态估计的精度较低。针对量测数据精度不高的问题,引入同步向量测量装置(Phasor Measurement Unit,PMU)以提高状态估计的精度;针对配电网状态估计中应用最多的加权最小二乘法(Weighted Least Squares,WLS)对量测数据精度要求高、抗差能力差的缺点,结合Huber算法和多目标函数抗差估计算法改进了加权最小二乘法,提出三目标函数型预抗差状态估计。通过对迭代次数的判断并结合WLS、Huber算法和指函数型目标函数的优点确定选用哪种目标函数。算例分析在IEEE33节点系统中展开,结果表明,加入PMU有效提高了量测数据的准确性。三目标函数预抗差算法比WLS估计精度高、抗差性强,验证了所提算法的有效性。     

基于模拟退火与Levenberg-Marquardt混合算法的Energetic磁滞模型参数提取

利用Energetic磁滞模型进行磁滞特性模拟的首要任务在于模型参数的精确快速辨识。该文针对现有Energetic磁滞模型参数提取方法存在的收敛速度慢、求解精度低的问题,提出一种基于模拟退火(simulated annealing,SA)算法与Levenberg-Marquardt(L-M)混合算法的Energetic模型参数提取方法,其综合SA算法全局搜索能力强,以及L-M算法局部收敛速度快的优点。在混合算法迭代初期,采用SA算法快速锁定全局最优解所在区域;而后,根据引入的普适性混合算法切换过渡准则,将SA算法当前最优解赋予L-M算法;针对基于传统L-M算法提取Energetic模型参数出现的病态矩阵问题,该文将该模型参数的灵敏度函数矩阵进行归一化处理,从而推导出适用于Energetic模型参数快速提取的归一化L-M算法。归一化L-M算法在接收到SA算法提供的最优解后,将其作为初始值,快速收敛于全局最优解。仿真及实验结果表明,该文所提混合算法同时具有收敛速度快、提取精度高的优异性能,可实现Energetic模型参数的准确快速辨识。     

机组优化组合问题的随机tabu搜索算法

针对机组组合问题的特点，作者对tabu搜索策略和模拟退火算法(SA)的组合算法——随机tabu搜索策略的编码方式、移动规则和tabu表的构造等作了适应性的改进，并对实际机组组合算例进行了求解。仿真结果表明，tabu-SA组合算法有效地结合了SA算法的大规模寻优特性和tabu搜索的局部搜索能力强的特点，能快速搜索到高质量的系统优化解。而且随机tabu搜索算法具有框架性算法不易陷入局部最优的特点，易于与其他算法结合来构造新的高效组合算法。     

模拟退火算法的改进及其在电机电磁场逆问题数值计算中的应用

在对制约模拟退火（ＳＡ）算法收敛速度的若干问题研究的基础上,本文构造了改进的ＳＡ算法。通过应用于大型水轮发电机极靴形状优化设计中电磁场逆问题的数值计算,以及与国外样机数据和其他优化算法计算结果的对比分析,验证了本算法的有效性和正确性。     

基于改进禁忌搜索的配电网重构

为解决配电网的重构问题,提出了一种改进的禁忌搜索(Tabu search)方法.该方法结合配电网络的闭环设计和开环运行的特点,将遗传算法中的优化编码技术引入到Tabu搜索算法中,并以有功网损最小为目标函数对配电网络进行优化.对3个典型IEEE测试系统进行了优化计算,将其结果与模拟退火算法和遗传算法的计算结果进行比较证实,改进的Tabu搜索算法比模拟退火算法和遗传算法具有更高的搜索效率.     

基于遗传退火法的网络重构技术

提出一种将遗传算法与模拟退火法相结合的方法（GSA）用于配电网重构技术，首先采用一种已用于配电网重构的编码方案，修正的遗传算法决定模拟退火法的初始结构与初始温度，然后采用模拟退火法搜索全局最优解，同时为加快计算速度，采用了一种快速潮流计算法，最后将算法用于一个典型的配电网系统，并分别与遗传算法和退火法所搜索的结果进行了比较，效果显著。     

An investigation into the effectiveness of simulated annealing as a solution approach for the generator maintenance scheduling problem

The generator maintenance scheduling (GMS) problem is the difficult combinatorial optimisation problem of finding a schedule for the planned maintenance outages of generating units in a power system. The GMS model considered in this paper is formulated as a mixed integer program, with a reliability optimality criterion, subject to a number of constraints. A new version of the simulated annealing (SA) method for solving the GMS problem is presented. Four cooling schedules (the geometric and three adaptive schedules), two neighbourhood move operators (an elementary move and an ejection chain move operator), and a hybrid local search heuristic/SA algorithm are compared. To our knowledge, this is the first study considering a different SA cooling schedule and move operator in a GMS context. A new 32-unit GMS test system is established and used in conjunction with a benchmark test system from the literature in this investigation. It is found that choosing a different cooling schedule and an ejection chain move operator yield improved results to that of the SA algorithm currently employed in the GMS literature. The hybrid SA algorithm performs very well compared to other methods on the benchmark test system from the literature, and an improved lower bound on the objective function value is presented for this test system.     

电机电磁场逆问题数值计算的改进TABU算法

在分析现有ＴＡＢＵ算法基础上,本文提出了一种通用的连续变量全局优化ＴＡＢＵ算法;典型数学函数验证和应用实例表明：本文算法仅用模拟退火（ＳＡ）算法２０％左右的迭代次数便可得到略好于ＳＡ算法的（全局）最优解。     

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.     

现代启发式算法在电网规划中应用的比较

分析了以遗传算法、模拟退火算法和禁忌搜索算法为代表的现代启发式算法应用于电网规划这类非线性组合优化问题时存在的缺陷。在传统遗传算法的基础上,结合模拟退火算法概率性的突跳搜索机制和禁忌搜索算法能避免迂回的邻域搜索机制提出了一种混合算法,并以地理信息系统为平台来求解电网规划问题。实际应用结果表明,采用文中的混合算法可提高计算速度、收敛性能和计算效率。     

基于模拟退火-最小二乘混合的故障测距新方法

输电线路双端频域法故障测距中,考虑线路参数自适应等因素后测距观测方程未知量个数将大大增加.为此,提出一种基于模拟退火-最小二乘混合的输电线路参数自适应故障测距算法,该算法充分利用了模拟退火法的全局搜索能力以及最小二乘法在初值良好情况下快速寻优能力,能有效求解含多个未知数的测距观测方程.基于EMTP的大量仿真计算验证了该算法具有较高的计算精度和稳定性.     

基于模拟退火的粒子群算法在水电站水库优化调度中的应用

介绍了一种基于模拟退火的粒子群算法,并用其求解以水电站年发电量最大建立的优化调度的数学模型.考虑到基本的粒子群算法(PSO)后期粒子趋向同一化,使其进化速度变慢,精度较差,本文将模拟退火的思想应用到具有杂交和变异的粒子群算法当中,通过模拟退火的降温过程来提高算法后期的进化速度和精度.最后,以普定水电站的优化调度为例进行了计算,结果表明,该算法的性能较基本粒子群算法有了较大改善,且明显优于常规调度方法和动态规划.     

基于改进型PSO算法的过热汽温PID参数优化

通过采用改进的粒子群优化（PSO）算法对锅炉过热汽温中的PID参数进行优化，分析了传统过热汽温控制方案的不足，提高了整个系统的鲁棒性。其应用使过热汽温得到了良好的控制，且提高了经济运行效益，同时也说明了改进的粒子群算法寻优简单，能够使控制系统获得较好的动态特性和很强的鲁棒性，易于并行化。仿真结果表明，该算法是一种效率很高的寻优方法，是PID参数优化的理想方法。