基于粒子群和人工免疫融合算法的接地网优化设计

为了提高接地网的均压效果和降低接触电压与跨步电压,更好地保障人身和设备的安全,提出了基于粒子群和人工免疫融合算法的优化方法对接地网进行优化设计,在考虑接地网的自身电阻,电感和对地电容的基础上,基于场路结合法建立了接地网的不等电位分析模型,得到了接地网导体的散流分布和地面电位分布.同时,通过建立以地面电位分布最大电位差最小为目标的寻优函数,使用粒子群和人工免疫算法相结合的优化方法得到了接地网导体放置位置的最优解.计算结果表明,优化后的接地网的地面电位分布更加均匀,同时降低了接地网导体的散流密度.所提出的优化方法具有较强的搜索能力,收敛速度快且不易陷入局部最优的特点,便于工程设计人员使用,提高接地系统的安全性.     

基于ARMA误差修正和自适应粒子群优化的SVM短期负荷预测

利用最小二乘支持向量机( LS-SVM)进行短期负荷预测的精度及其泛化性能很大程度上取决于其参数选择.对于支持向量机中的核参数和惩罚系数C采用基于适应度函数惯性权重自适应调整的粒子群优化算法进行选择.在对LS-SVM回归模型参数优化的基础上,建立自回归滑动平均(ARMA)误差预测模型来修正负荷预测结果从而提高预测精度.选择某地区夏季96点负荷数据作为训练样本和测试样本进行分析,并且选择SVM模型进行对比,实验结果表明,同标准的SVM回归模型相比,APSO-ARMA-SVM负荷预测模型能明显改善预测精度,能够推广到电价预测等其他预测领域.     

含误差校正的粒子群优化GM(1,2)短期电价预测方法

在对电力市场现货电价的变动规律综合分析的基础上,提出了一种含预测误差校正的粒子群优化GM(1,2)短期电价预测方法.该方法对采用滑动平均法处理后的电价序列建立基于粒子群优化灰色背景值的GM(1,2)模型,利用时间序列分析的ARMA方法对灰色残差序列建立ARMA预测模型,并用ARMA模型的预测值修正GM(1,2)模型的预测结果.对PJM电力市场历史数据的算例分析表明,相对于传统GM(1,2)模型,该方法能够更加准确地反映电价的变化规律,具有较高的预测精度,可满足电力市场参与者制订竞价策略的需要.     

基于多目标粒子群算法的无源电力滤波器优化设计

综合考虑滤波装置的总费用、谐波电压畸变率和谐波电流残留率等设计目标,提出一种基于改进多目标粒子群算法的无源滤波器优化设计新方法.改进了传统的粒子群算法,引入快速排序法构造非支配集、精英集归档技术和拥挤度算子概念,提高了算法的寻优速度和精度.最后通过对具体工程算例的计算,表明了该方法的优越性和有效性.     

按日负荷图运行的梯级水电站群短期效益比较

为了适应电力市场环境下电网的需求,最大限度地发挥梯级水电站群的效益潜力,建立了按日负荷图调度的梯级水电站日调度模型,采用丰、平、枯三个典型年的日流量过程,计算某流域梯级水电站群在不同投产期下的各电站组合的单独运行与联合运行效益,在此基础上进行综合效益对比分析。结果表明,梯级水电站群短期联合运行效益较单独运行增幅明显,且随着投产期的推进电站组合中电站数量的增多,增幅有递增的趋势,经济效益显著,对落实国家节能减排政策以及促进环境保护低碳发展具有重要意义。     

含有分布式电源配电网重构算法的研究

分布式电源(DiStributed Generation,DG)发展很迅速,对配电网络的各个方面产生不可忽视的影响.为充分发挥分布式电源对配电网优化的有利作用,提出了粒子群优化(Particle Swarm Optimization,PSO)和变邻域搜索(VariableNeighborhood Search,VNS)二者的混合算法.根据含有分布式电源配电网络的特点,分布式电源视为可调度的模型,以配电网网损最小为主要目标函数.将二进制粒子群优化算法(Binary Particle Swarm Optimization,BPSO)和变邻域搜索算法相结合,对网络开关开合状态和分布式电源输出功率同时优化,达到降低配电网网损的目的.通过算例IEEE69节点系统的仿真表明,该算法能够快速收敛到全局最优解,适合优化含有分布式电源的配电网.     

含误差校正的粒子群优化GM(1，2)短期电价预测方法

在对电力市场现货电价的变动规律综合分析的基础上,提出了一种含预测误差校正的粒子群优化GM（1,2）短期电价预测方法。该方法对采用滑动平均法处理后的电价序列建立基于粒子群优化灰色背景值的GM（1,2）模型,利用时间序列分析的ARMA方法对灰色残差序列建立ARMA预测模型,并用ARMA模型的预测值修正GM（1,2）模型的预测结果。对PJM电力市场历史数据的算例分析表明,相对于传统GM（1,2）模型,该方法能够更加准确地反映电价的变化规律,具有较高的预测精度,可满足电力市场参与者制订竞价策略的需要。     

基于动态混沌粒子群的接地网腐蚀分块诊断方法

分析和总结了目前现有的接地网腐蚀诊断方法,提出了基于动态混沌粒子群优化算法的分块诊断方法。该方法针对不规则接地网拓扑结构,将其分块成规则的子模块,并根据电路分析原理,建立了数学关系模型及诊断方程组。通过诊断模型的优化和采用动态混沌粒子群优化算法来求解,以搜索全局最优解。该方法降低了诊断方程组的病态程度,提高求解精度。通过适应度评价准则动态增减混沌粒子数目,从而达到既提高了求解精度和加快求解速度的目的。通过某变电站地网结构的实际算例分析,证明了该算法的可行性。     

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。     

微粒群算法在SBR污水处理系统中的应用

污水处理过程是一个具有大时滞、非线性、强干扰的复杂控制对象,需要不断把当前最先进的优化算法应用到污水处理过程中以优化现有污水处理系统。详细介绍了微粒群算法(PSO)应用到各种污水处理系统中进行优化的方法并给出了PSO算法本身的优化。