基于改进TLBO算法的输电网规划

输电网规划问题维数高、变量多以及约束条件复杂,导致问题难于求解。本文采用新型的智能算法教与学算法(TLBO)对问题进行求解。教与学算法具有收敛速度快、设置参数少的优点,但在求解时容易陷入局部最优解。本文通过加入自主学习环节和反思环节以及自适应扰动策略,提高算法寻找全局最优解的能力,使其适应大规模输电网规划问题的求解。采用目标函数为线路投资费用、网损费用、过负荷费用之和的输电网规划模型,通过在Garver-6节点系统和IEEE-18节点系统中的计算,验证了该算法可以正确有效地解决输电网规划问题。     

基于遗传细菌觅食混合算法的电力系统无功优化

为了使遗传算法(GA)和细菌觅食算法(BFO)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细菌觅食混合算法(GA-BFO);在遗传算法中采用排序选择方式进行个体选择操作,保持了种群的多样性,避免陷入局部最优。用该混合算法对IEEE 30节点系统进行无功优化计算,并将优化结果和2种单一算法的优化结果进行了比较,结果表明GA-BFO算法具有良好的有效性和可行性。     

基于细菌觅食算法的故障指示器优化配置研究

提出了一种配网故障指示器的优化配置方法,通过合理规划故障指示器的数量和位置,使得在保证供电可靠性的前提下最大的降低成本。综合考虑设备投资成本、运行维护费用以及停电损失等因素建立数学模型,并用细菌觅食算法进行求解。针对细菌觅食算法在解决离散域问题时存在的缺陷,通过定义进化域的方法确定细菌的前进方向,改进了其趋化算子,使得算法能很好的解决0~1规划问题,并通过设立电子公告板避免了迁徙算子有一定几率删除最优解的可能性。通过对IEEE 33系统进行仿真证明了该方案的有效性及科学性。     

采用PSO-BF算法的微电网多目标电能优化调度

考虑到微电网中各分布式电源的特点以及充分发挥分布式发电技术在经济、环境和能源方面的优势,在满足系统约束条件下,提出了一种综合考虑微电网的运行成本、电压偏差以及微电网削峰填谷能力的微电网多目标经济调度模型。同时针对粒子群算法(PSO)在求解优化问题时易陷入局部最优的缺点,提出一种粒子群-细菌觅食算法(PSO-BF)用于求解微电网电能优化调度问题。仿真结果表明该算法具有较强的全局、局部搜索能力且收敛速度快、精度高的特点。     

基于混沌自适应分组和声搜索算法的输电网规划

针对目前大规模输电网规划求解中难以快速地求得全局最优解的问题,给出了基于线路的建设费用、网络损耗费用、输电线路走廊的建设费用、各支路总的过负荷惩罚费用和N-1约束的过负荷惩罚费用为目标函数的输电网规划模型。分析了和声搜索算法随着输电网规模的扩大、优化问题维数的增加,算法求解精度和收敛速率明显降低且易陷入局部寻优的现象及其原因的基础上,设计了一种混沌自适应分组和声搜索算法。该算法通过维数分组、变异和混沌扰动来提升算法的搜索能力,使其能够快速地求解大规模的输电网规划问题。通过对IEEE18节点和巴西南部46节点系统的计算,证明了算法及模型应用于输电网规划的可行性,为实际工程应用打下了基础。     

人口迁移算法在“N-1”安全输电网规划中的应用

提出了一种改进人口迁移算法求解输电网扩展规划的大规模组合优化问题。针对标准人口迁移算法在求解过程中搜索容易陷入局部最优解和后期收敛时间较长等缺点,对算法的迭代初始化、种群生成策略以及参数设置进行了改进,将遗传算法的最优保留思想引入到算法中,提高了算法搜索全局最优解的能力与收敛到最优解的速度。将改进后的算法应用到满足"N-1"安全准则的输电网扩展规划问题中,建立了输电网扩展规划的数学模型,设计了相应的算法。比较该算法与粒子群算法、标准人口迁移算法对IEEE Garver6节点系统和IEEE Garver18节点系统的仿真计算结果,证明了改进人口迁移算法能有效地解决满足"N-1"安全检验的输电网扩展规划优化问题。     

粒子群与细菌觅食混合算法在光伏阵列MPPT中的应用

为了提高光伏阵列光电转换效率,确保光伏阵列功率输出始终维持在最大功率点上,传统最大功率点跟踪算法在应用于局部阴影条件时,可能存在陷入局部最优或跟踪时间过长等问题.提出一种粒子群与细菌觅食混合算法,并将其应用于光伏阵列的最大功率点跟踪中,来改善跟踪过程中的收敛精度与速度.通过仿真实验结果,与传统扰动观察算法以及细菌觅食算法进行对比,验证了混合算法在跟踪速度、收敛精度、稳定性上的优越性,以及在动态光照条件下的适应性能力.     

基于自适应人工鱼群算法的输电网网架规划

本文针对输电网网架规划问题采用了自适应人工鱼群算法。自适应人工鱼群算法采用反馈调节觅食视野策略,有效兼顾了全局搜索能力和局部搜索能力,增强了算法的收敛效率,同时有效避免了人工鱼在局部极值点大量聚集的缺点。最后,通过Matlab的仿真,验证了该算法的可行性,表明该算法用于电力系统输电网网架规划是有效的,具有良好的计算效率和全局收敛能力。     

基于多策略差分进化算法的输电网规划

差分进化(DE)算法是一类基于种群的、具有全局优化性能的、通过实数编码的启发式算法。但差分算法搜索策略过于单一,局部搜索能力差,因此通过增加多策略变异和局部寻优策略来提升全局和局部搜索能力,同时降低搜索时间,使其适应于求解大规模输电网规划问题。采用基于线路投资费用、网损费用、正常运行时的过负荷费用及输电走廊费用的输电网规划模型,通过对Garver-6系统和18节点系统的计算,不仅验证了算法及模型应用于输电网规划的正确性和有效性,而且验证了算法具有很高的计算速度和收敛性,为DE算法的进一步改进应用打下基础。     

基于模式记忆并行蚁群算法的输电网规划

该文讨论了目前大规模输电网规划求解中常见的无法完成对解空间的充分搜索，从而难于求得全局最优解的问题；给出了泛函形式的输电网规划模型，并重点分析了输电网规划解的模式。在分析了传统蚁群算法易产生未成熟收敛现象及其原因的基础上，设计了一种基于模式记忆的并行蚁群算法，该算法通过模式记忆实现了解空间分解，能够有效地识别、记忆和跳出局部最优解；通过局部细化搜索进一步加强了局部搜索能力；通过并行计算提高了计算速度。某实际77节点的算例分析表明了该算法具有很高的计算效率和优秀的局部、全局收敛性，有效克服了现代启发式算法在求解输电网规划问题时存在的效率不高及未成熟收敛等现象。     

基于改进人工鱼群算法的输电网络扩展规划

研究大规模输电网络扩展规划问题,建立了考虑投资运行费用、网损费用及过负荷费用的多目标优化数学模型。针对传统鱼群算法初始化复杂、收敛速度慢和收敛精度较低的问题,在其觅食、追尾过程中引入自适应变步长策略以提高算法的寻优性能,并将改进的人工鱼群算法用于求解输电网络扩展规划模型。对Garver-6节点和18节点测试系统进行仿真计算,验证所提模型和算法的高效可行性。     

基于改进细菌觅食算法的光伏阵列MPPT研究

光伏发电系统具有非线性和时变不确定的特性,因此需要对其进行最大功率点跟踪(maximum power pointtracking,MPPT).现有的MPPT算法在收敛精度或收敛速度上存在一定的缺陷.采用智能探寻游动细菌觅食算法进行光伏电池阵列最大功率点跟踪研究.该算法使细菌提前探测下一位置的适应度大小,若是优于当前时刻,则继续游动,反之,则停止游动.这样可以避免游动到差环境下,大大加快了算法的运行速度,改善了运行过程的平稳性.仿真结果表明,智能探寻游动细菌觅食算法与现有细菌觅食算法相比,具有收敛速度快和平稳性好的优点.     

基于免疫进化细菌觅食算法的多目标无功优化

为了更好地解决电力系统多目标无功优化问题,分析了当前多目标无功优化算法存在的缺陷,提出了一种基于免疫进化的改进多目标细菌觅食优化算法。该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好。IEEE14,IEEE30节点测试系统的算例结果表明所提的算法在多目标无功优化中具有良好的效果,为各目标之间的权衡分析提供了有效工具,是一种求解多目标无功优化问题的有效方法。     

基于混沌搜索策略蝙蝠算法的输电网规划

针对输电网规划求解中存在变量多、维数高、约束条件复杂等导致难以求得全局最优解的问题,将蝙蝠算法应用于输电网规划求解当中。为避免原算法精度低、易陷入局部最优的缺点,提出在原算法基础上,通过逻辑自映射函数产生混沌序列对蝙蝠前n%适应度最优个体进行混沌优化,并建立计及线路建设费用、网损费用、输电线路走廊建设费用、N及N-1约束条件下的过负荷惩罚费用为目标函数的输电网规划模型。最终通过Matlab软件对IEEE-18和巴西南部46节点标准算例编程计算,结果验证了新算法在求解大维度输电网规划模型的可行性及高效性。     

考虑配电网结构变化的DG规划

为了更合理地将分布式电源并入配电网中,提出考虑配网结构变化影响的DG规划。首先采用损耗灵敏度因子对DG进行最优布置,然后建立了以最大减少系统网损为目标的网络重构与DG容量配置的综合优化模型,并通过改进的细菌觅食算法对所提模型进行求解,最后用IEEE33和IEEE69节点系统进行仿真计算。计算结果表明,考虑配电网结构变化的DG规划更加实际、有效。     

多利益主体主动配电网规划研究

从经济性和可靠性角度出发对主动配电网进行规划,利用进化细菌觅食算法优化配电网线路,对分布式电源进行选址定容。在目标算例中,得出配电网架运维成本最低、用户总运行成本最小的最优方案。     

改进支持向量机在电力变压器故障诊断中的应用研究

针对电力变压器故障诊断中状态量判断指标过于绝对、智能算法准确率受参数影响等问题,在分析电力变压器故障的基础上,提出将支持向量机(Support Vector Machine,SVM)和细菌觅食算法(Bacterial Foraging Algorithm,BFA)相结合用于电力变压器的故障诊断方法。通过细菌觅食算法的寻优能力找到最优的支持向量机惩罚因子和核参数,提高了故障诊断能力。通过仿真和实例进行对比分析,验证了该方法的优越性。结果表明,相比于粒子群优化,细菌觅食算法具有更好的寻优能力。基于BFA-SVM的故障诊断模型,相比于改进前,具有更高的准确性、鲁棒性和寻优能力,故障诊断准确率相比于粒子群优化提高了7.50%,具有一定的实用价值。     

基于伪动态的混沌人工鱼群算法在多阶段输电网络规划中的应用

与传统输电网络规划不同,多阶段输电网络规划需要考虑时段因素,在何阶段搭建何种路线使全局规划方案最优。多阶段规划的难点是阶段之间的过渡,后面阶段的决策要根据前面阶段的决策来定,对于大规模输电网规划经典的动态规划方法无法解决。利用伪动态规划的思想处理多阶段问题,这样减少了算法的迭代次数和运算时间。将混沌优化算法和人工鱼群算法相结合,摆脱了混沌搜索的盲目性和人工鱼搜索的局限性,使该混合算法效率高、收敛速度快。对巴西南部46节点系统的计算结果表明,该混合算法具有可行性和高效性。     

基于改进人工蜂群算法的输电网扩展规划

针对标准人工蜂群算法存在计算精度不高、容易陷入局部最优和迭代后期速度慢等缺点,对算法提出四点改进:(1)引领蜂阶段引入差分变异算子和交叉算子更新蜜源位置,并用退火选择策略接受新蜜源;(2)选择阶段采用锦标赛选择策略计算蜜源被跟随蜂选择的概率;(3)跟随蜂阶段引入学习因子更新蜜源位置,并用退火选择策略接受新蜜源;(4)增加对当前最优蜜源的混沌局部搜索。改进的算法提高了全局和局部搜索能力,有效避免算法过早陷入局部最优。建立以年新建费用与年网损费用之和最小的输电网规划模型,以Garver-6节点系统和Garver-18节点系统为例,验证改进人工蜂群算法应用于输电网规划中的有效性。     

基于改进人口迁移算法的输电网扩展规划

输电网扩展规划是一个非常复杂的大规模组合优化问题,对比提出了一种改进人口迁移算法的求解方法.标准人口迁移算法在求解过程中搜索容易陷入局部最优解和后期收敛时间较长等问题,针对以上缺点,对算法的迭代初始化、种群生成策略以及参数设置进行了改进,将遗传算法的最优保留思想引入到算法中,提高了算法搜索全局最优解的能力与收敛到最优解...