考虑拥挤度的多目标粒子群优化算法在马斯京根参数估计中的应用

采用考虑拥挤度的多目标粒子群优化算法进行马斯京根模型参数估计,介绍了考虑拥挤度的多目标粒子群优化算法的计算步骤,用外部精英档案保存非支配解,并通过计算拥挤度维持解的多样性,以海河流域南运河称钩湾至临清段的一次洪水过程为例,选取高流量、低流量和时段内总量差比三个优化目标对优化结果进行了评价。结果表明,高流量与低流量之间为正比关系,而与总量差比之间存在制约关系;高流量和低流量目标值最小时模拟结果较好。     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化。     

基于多目标粒子群算法的水资源优化配置研究

在分析阿拉尔市水资源利用现状的基础上,构建了以区域供水系统总缺水量最小、水库损失水量最小为目标的水资源优化配置模型,应用多目标粒子群算法,对阿拉尔市2015、2020和2025年三个水平年,二种不同保证率(P=50%、P=75%)下的水资源优化配置方案进行求解。结果表明,该方法有效解决了阿拉尔市水资源系统不同水平年、多水源、多用户、多受水区、多工程、多目标的求解问题,得到了阿拉尔市各受水区及其各用水部门的分配水量,实现了阿拉尔市水资源的综合配置。     

基于改进粒子群算法的配电网多目标优化控制

随着光伏机组大量接入配电网,需要在增加间歇性可再生能源使用的同时,保持电力系统的电压稳定。储能技术的快速发展允许部署储能系统来支持电压调节。为了在光伏储能优化出力系统中达到网络损耗和调压措施成双优化的目的,提出了一种改进的Pareto档案粒子群多目标优化算法。在非支配排序环节计算拥挤距离时,加入小生境技术,避免陷入局部最优同时,增加Pareto解集分布的多样性。基于IEEE 30配电网系统测试了所提出的PV-ESS（photovoltaic-energy-storage-system）优化方法。结果证明,该算法对抑制光波动、提高电压稳定性以及降低网损有着良好的表现,进而维护系统运行的稳定性,降低电力行业经济成本。     

基于改进粒子群算法电力系统多目标无功优化

在传统的电力系统无功优化问题的基础上,建立了同时兼顾电力系统有功网损最小和电压偏移最小的多目标无功优化模型,并且针对多目标优化问题,提出了一种改进的多目标粒子群算法,该算法利用计算非支配排序和拥挤距离方式更新粒子的个体最优值和全局最优值并保留每一次迭代后的一部分精英解集,最终结果在精英集合中找寻所需的Pareto前端;引入变异算子和动态权重算子,增强了寻优能力,降低了结果早熟和陷入局部最小值的可能,最后将该算法应用于IEEE 14节点系统进行测试,结果表明该算法不仅实现了系统经济运行同时也提高了电网的电压稳定,并且为用户提供了多样化的解集,方便用户根据实际情况灵活选择.     

多目标粒子群优化算法在光伏MPPT中的应用

为提高光伏电池的利用率,需要进行光伏阵列的最大功率点跟踪(MPPT),针对传统粒子群优化算法在多目标优化中的不足,提出了基于最小粒子角度的多目标粒子群优化算法,利用目标空间中不同粒子之间的角度进行粒子全局极值更新,通过比较粒子的浓度值给出粒子群及粒子个体极值更新方法,并在Matlab/Simulink下进行了建模与仿真。仿真结果显示,该算法在外界环境变化时能快速准确地跟踪太阳能电池的最大功率点,并能保证系统的稳定性。     

改进粒子群算法在梯级水电站优化调度研究中的应用

针对梯级电站优化调度具有多阶段、非线性和组合性的特点,采用改进粒子群算法来求解。针对目前采用的基本粒子群算法在求解时存在易陷入局部最优和早熟的缺点,改进粒子群算法以混沌变量生成机制来增加种群的多样性,以逐步优化和随机生成相结合的方法生成初始种群,以增加粒子生成的有效性。实例计算结果表明,改进粒子群算法可以取得较好的效果,并为梯级电站优化调度提供了一种有效的方法。     

基于粒子群算法的水电站中长期优化调度研究

以洪家渡水电站为例,探讨了粒子群算法在水电站中长期优化调度的应用方法及效果。实例计算结果表明,该算法可以求解复杂约束条件的非线性水库优化调度,精度高、收敛速度快,为解决水电站中长期优化调度问题提供了一种有效的方法。     

基于文化粒子群算法的三亚市水资源优化配置

为解决三亚市水资源时空分布不均、部分地区缺水现象严重的问题,建立了系统总缺水量最小、供水效益最大的多目标水资源优化配置模型;并应用新型智能文化粒子群优化算法,对2010年为现状水平年,2020、2030年为规划水平年的多年平均情况下的水资源配置方案进行了模型求解。结果表明,规划水平年缺水率不断下降,基本实现了总缺水量最小的目标,可见优化配置有效缓解了三亚市用水紧张的问题,具有一定的借鉴意义。     

基于多目标粒子群算法的微电网优化调度

提出了一种经济与环保相协调的微电网优化调度模型,针对光伏电池、风机、微型燃气轮机、柴油发电机以及蓄电池组成的微电网系统的优化问题进行研究,在满足系统约束条件下,建立了包含运行成本、可中断负荷补偿成本以及污染物处理费用的微电网多目标优化调度模型,并利用多目标粒子群算法（MOPSO）求解微电网优化调度问题,仿真结果表明该模型对微电网优化调度具有一定的指导作用。     

基于PSO算法的水库防洪优化调度模型及应用

针对传统的交互式洪水调度方案生成方式存在的缺陷,由基于PSO算法的洪水优化调度模型,提出了有条件限制的随机自动生成方式,并利用罚函数法处理边界条件和其他非等式约束.实例应用结果表明,较之常规的动态规划法,改进后的PSO算法计算速度快、结果合理,为流域防洪优化调度提供了有效途径.     

基于自组织映射遗传算法的水库多目标优化调度研究

为了弥补遗传算法易陷入局部解的缺陷,使该算法产生的非劣解更好更均匀地靠近非劣解前沿,并且使多目标调度结果更贴近真实情况,将自组织映射和遗传算法相结合,应用到以发电和供水为目标的水库多目标调度中,并分别与NSGA2算法、主要目标法进行比较分析,验证该算法的合理性与优越性。结果表明,自组织映射遗传算法能在满足约束条件的情况下,使发电供水两目标调度的非劣解更好地向非劣解前沿靠近,给出的实时供水方案更符合实际情况。     

基于位置动态参数PSO算法的水库防洪调度研究

介绍了一种易于实现、参数少且收敛快的集群智能算法——粒子群算法。针对标准PSO算法的缺陷,提出了在位置进化方程中引进动态参数的方法,改进了标准粒子群算法的收敛速度。根据建立的水库优化调度数学模型,将改进的粒子群优化算法运用到水库优化调度计算中,并通过算例验证该算法的可行性和有效性。     

基于距离学习粒子群算法的NO_x减排优化

研究了燃烧优化降低NO_x排放量的方法,介绍了3类NO_x的生成机理,利用集成支持向量机建立NO_x排放预测模型,并利用粒子群算法优化NO_x排放.为了有效克服粒子群的早熟问题,提出了带系数的距离学习粒子群算法.将所提方法应用于某电厂的NO_x减排优化中,并与其他方法进行对比.结果表明:集成支持向量机可以有效提高预测结果的准确性,改进的优化算法可以使NO_x排放量更低,搜索结果也更加稳定.     

基于粒子群算法的设计洪水过程线推求优化方法

针对设计洪水过程线同频率放大法中手工修匀的不足,提出采用计算机优化方法实现洪水过程的自动放大.基于相似原理建立了一种推求设计洪水过程线的优化模型,并采用杂交粒子群算法求解该模型,以改进标准PSO算法的全局寻优能力.实例表明,该模型完全控制了设计洪水洪峰和洪量,有效保持了典型洪水模式,避免了人工修匀的任意性和复杂性.     

基于粒子群算法的水资源优化配置研究

为了合理分配引大济湟工程从大通河调出的7.5×108 m3水量,以满足引大济湟工程受水区的生活、生产及生态用水需求,通过建立以供水净效益最大、供水系统总缺水量最小为目标函数的水资源优化配置模型,运用粒子群算法得到了受水区4类水源、5类用水户在2015、2020、2030三个规划水平年的多年平均情况下的水资源优化配置方案。结果表明,2015、2020、2030年净外调水量分别为3.10×108、6.05×108、7.34×108 m3,缺水量分别为0.69×108、0.64×108、2.15×108 m3,部分区域农业用水存在缺口,仍需采取必要的节水措施。     

基于改进粒子群算法的机组负荷优化分配

针对标准粒子群算法存在容易早熟收敛的问题,在分析机组负荷优化问题的基础上,提出了一种基于解约束机制、边界反弹规则、高斯分布序列和混沌序列的改进粒子群算法。算法采用解约束机制和边界反弹规则处理优化问题的约束条件,同时在粒子移动过程中引入了高斯分布序列和混沌序列,从而克服了算法过早收敛的缺陷,提高了算法的全局优化能力。实例计算结果表明,该算法具有稳定的全局优化能力,为机组负荷优化分配问题的求解提供了新的方法。     

基于粒子群算法的神经网络在冰凌预报中的应用

为提高神经网络预报模型的泛化能力和预测精度,将粒子群算法与BP神经网络相结合,建立了粒子与神经网络参数的映射关系,利用粒子群算法全局搜索网络的最优权值,赋值于神经网络进行训练,从而建立了PSO-BP预报模型,并将模型应用于黄河宁蒙河段的冰凌预报中。结果表明,该模型预报合格率较高,属于甲等预报,且与GA-BP模型相比偏差更小、精度更高。