飞蛾火焰优化算法在马斯京根模型参数优化中的应用

通过10个典型二维函数对一种新型群体智能仿生算法——飞蛾火焰优化(MFO)算法进行仿真验证,并与粒子群优化(PSO)算法的寻优结果进行对比。利用该算法优化马斯京根模型参数,并以相关文献中的3个实例进行验证。结果表明:MFO算法在二维函数极值寻优问题上具有较好的收敛精度和全局寻优能力,寻优精度较PSO算法提高了7个数量级以上。利用MFO算法优化马斯京根模型参数,可以获得比相关文献更高的模拟精度,为精确估计马斯京根模型参数提供了有效方法。     

动态自适应粒子群优化算法与最小二乘支持向量机在年径流预测中的应用

针对最小二乘支持向量机(LSSVM)依赖人为经验选择学习参数以及基本粒子群优化算法(PSO)存在早熟收敛等弊端,通过对PSO惯性因子、加速因子以及粒子飞行速度进行动态调整,以及借鉴遗传算法变异思想引入自适应变异算子,对PSO算法进行改进,提出动态自适应粒子群优化算法(DAPSO),利用DAPSO算法优化选择LSSVM惩罚因子和核函数参数,构建DAPSO-LSSVM年径流预测模型,并与PSO算法优化选择LSSVM学习参数的PSO-LSSVM模型以及GA-BP、RBF、BP模型作为对比,以云南省某水文站年径流预测为例进行实例研究,利用实例前30年和后17年资料分别对各模型进行训练和预测。结果表明DAPSO-LSSVM模型对实例后17年年径流预测的平均相对误差绝对值和最大相对误差绝对值分别为3.31%、5.95%,预测精度优于PSO-LSSVM模型,大幅优于GA-BP、RBF和BP模型。DAPSO算法全局寻优能力强、收敛速度快,稳健性能好,利用DAPSO算法优化得到的LSSVM学习参数可有效提高LSSVM模型的预测精度和泛化能力。     

基于PSO-SVM的碾压混凝土坝变形预测模型

为提升大坝变形预测能力,提出了一种基于粒子群算法(PSO)优化支持向量机(SVM)的混凝土重力坝变形预测模型.通过粒子群算法对支持向量机惩罚函数C与核函数σ进行寻优,避免了拟合过程中易陷入局部最优解的问题,提高了模型的拟合精度.以新疆北疆某碾压混凝土坝2014年～ 2019年变形监测数据为例,建立了逐步回归、SVM、P...     

粒子群算法在新安江模型参数率定中的应用

选用1997年中国水文预报竞赛中降雨、蒸发、径流数据,重点研究在应用粒子群优化算法(PSO)率定新安江模型参数时,PSO算法中惯性权重、加速度常数和种群规模3个参数对算法性能的影响,并优选出适合于该问题的最优PSO参数区间。在此基础上率定出与研究流域匹配的新安江模型参数,定量评价了降雨径流模拟效果的优劣。另外,对PSO算法的效率和稳定性进行了简要分析。研究结果表明,PSO算法率定新安江模型参数的收敛效率较传统方法明显提高,稳定性普遍较好。     

粒子群优化算法在确定河流水质参数中的应用

将粒子群优化(PSO)算法应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据,以及确定河流水质参数的函数优化问题。分别就粒子数目和待估水质参数的初始取值范围对算法运算过程的影响进行了数值实验。结果表明:①PSO算法能够有效地应用于求解分析河流水质试验数据,确定水质参数的函数优化问题;②粒子数目的多少对迭代次数、运算时间和算法是否收敛有一定的影响,在粒子数目较大的情况下,可以保证运算过程收敛;③待估参数初始猜测值的选取范围对迭代次数也有一定的影响,选取范围越大,需要的迭代次数越多。最后,指出了需要进一步研究的问题。     

果蝇优化算法与支持向量机在年径流预测中的应用

针对支持向量机(SVM)学习参数难以确定的不足,利用果蝇优化算法(FOA)搜寻SVM学习参数——惩罚因子和核函数参数,提出FOA-SVM预测模型,并构建基于粒子群优化(PSO)算法、遗传优化(GA)算法搜寻SVM学习参数的PSO-SVM和GA-SVM模型作为对比,以云南省董湖站年径流预测进行实例研究。结果表明,FOASVM模型预测精度优于PSO-SVM和GA-SVM模型,具有较高的预测精度和泛化能力。     

基于改进PSO算法的水轮机PID调速器的参数设计

为了提高水轮机PID调速器的控制质量,引入PSO算法优化PID控制器的部分参数,针对传统粒子群算法的不足,引入自适应惯性权重调整因子对粒子速率更新策略进行改进,同时结合微分进化算子提高种群多样性,扩大PSO算法搜索解空间的能力,仿真实例表明,改进后的PSO算法收敛速度快,稳定性好,复杂程度低,具有良好的全局搜索能力。经过该算法优化过的PID调速器对负荷扰动具有较强的鲁棒性。     

负荷建模的多目标优化

改进了传统负荷参数辨识的目标函数,将现有负荷模型参数辨识的单目标优化问题转化成多目标优化问题,并在改进强度Pareto进化算法的基础上引入并行遗传算法的思想,进行多目标参数辨识,力求克服目前困扰负荷建模及其参数辨识中收敛速度慢、易发散等问题。解决了以前算法只能辨识出一组参数的问题,便于决策者根据不同侧重进行参数选取。高效、高精度的并行算法为网格平台下的负荷建模做了前期准备。最后,对上海地区的负荷进行实测建模,结果表明所述建模策略的可行性。     

黄金正弦算法在水文地质参数优化中的应用

为提高水文地质参数求解精度,利用黄金正弦算法(Gold-SA)优化求解泰斯(Theis)公式导水系数和储水系数2个关键参数。选取6个标准测试函数对Gold-SA算法进行仿真验证,并与粒子群优化(PSO)算法的仿真结果进行比较。以2个抽水试验资料为例,利用Gold-SA优化求解Theis公式导水系数和储水系数,求解结果与PSO算法、配线法和文献方法作对比。结果表明,Gold-SA算法对所选6个标准测试函数的寻优精度高于PSO算法,具有较好的寻优精度和全局搜索能力;对2个实例导水系数和储水系数参数的求解精度优于PSO算法、配线法和文献方法。将Gold-SA算法用于水文地质参数优化求解是可行和有效的。     

飞蛾火焰优化算法在承压含水层参数反演中的应用

通过10个典型低维函数对一种新型群体智能仿生算法——飞蛾火焰优化(MFO)算法进行仿真验证,并与粒子群优化(PSO)算法的寻优结果进行对比。以无界井流问题及直线隔水边界附近井流问题的解析解为基础,将MFO算法应用于分析抽水试验数据,进行反演承压含水层参数,并以2个实例对MFO算法进行验证。结果表明:MFO算法在低维函数极值寻优问题上具有较好的收敛精度和全局寻优能力,寻优精度较PSO算法提高了7个数量级以上。MFO算法对2个实例的反演精度较文献改进SA算法等提高了56.5%以上,具有较好的稳健性能、收敛速度和全局寻优能力。利用MFO算法对承压含水层参数进行反演,可获得比相关文献更高的反演精度,不但为精确估计承压含水层参数提供了有效方法,而且拓展了MFO算法在地下水模型参数反演中的应用,具有良好的应用价值和前景。     

基于混沌粒子群算法的水轮机调速系统参数辨识及建模试验

针对粒子群算法存在的后期收敛速度慢和易陷入局部最优等缺点,引入收缩因子和混沌优化思想对其改进,并将其应用于调速系统被控对象有关参数辨识问题上。提出一种水轮机调速系统参数辨识满意度函数设计的新方法,该方法直接计算系统响应的上升时间、调节时间、反调峰值功率、反调峰值时间等品质参数,并以系统总体满意度作为满意度函数。对某混流式水轮机调速器控制参数进行实测并对机组引水道参数进行辨识,试验结果表明仿真数据能够准确模拟机组负荷的频率阶跃扰动响应,可以满足电网稳定性计算要求;在系统受到较大干扰时,该算法仍具有精确的参数辨识能力和很高的收敛效率。     

考虑禁止区间约束的水火电力系统短期调度优化

由于火电机组组件的物理限制,发电机在某些区间内运行,会使其轴承振动放大,这对于机组的运行来说是不利的。基于上述原因,提出了一种含有火电机组禁止运行区间约束的水火联合调度优化模型。禁止区间约束条件采用逻辑运算的方式构建,并以惩罚项的形式加入到适应度函数中。基于MATLAB软件,运用SSA算法对包含6台火电机组和4个水电厂的梯级水电站群的测试系统进行仿真计算,与PSO算法与GWO算法对比,计算结果表明所提模型的合理性,以及SSA算法在求解该问题时的有效性。     

水布垭110 kV施工变电站功率因数分析及无功补偿方案

分析了水布垭施工变电站功率因数低的原因,通过计算说明在长距离输电的情况下,线路产生的电容功率对无功平衡可能产生很大的影响,在负荷较小的情况下还可能向系统倒送无功.同时,变电站在不同的运行方式下,无功潮流分布差异很大.通过计算提出了在不同的运行方式、不同负荷水平下的无功补偿方案.     

改进粒子群算法求解水火电系统短期负荷分配问题

粒子群优化（PSO）算法是一种基于群体智能的启发式搜索方法，应用领域很广。文中将PSO算法用于求解水火电系统短期负荷的经济分配，属于高维、强约束工程问题。分析了算法参数设置对解的影响，发现算法的局部开发能力和粒子的多样性是影响解的优劣的关键因素;提出多子群辅助的PSO算法，兼顾了对解空间的全局搜索和局部开发。实际算例证明，改进的算法是有效的。     

Improved particle swarm optimization algorithm for multi-reservoir system operation

In this paper, a hybrid improved particle swarm optimization (IPSO) algorithm isproposed for the optimization of hydroelectric power scheduling in multi-reservoir systems. The conventional particle swarm optimization (PSO) algorithm is improved in two ways: (1) The linearly decreasing inertia weight coefficient (LDIWC) is replaced by a self-adaptive exponential inertia weight coefficient (SEIWC), which could make the PSO algorithm more balanceable and more effective in both global and local searches. (2) The crossover and mutation idea inspired by the genetic algorithm (GA) is imported into the particle updating method to enhance the diversity of populations. The potential ability of IPSO in nonlinear numerical function optimization was first tested with three classical benchmark functions. Then, a long-term multi-reservoir system operation model based on IPSO was designed and a case study was carried out in the Minjiang Basin in China,where there is a power system consisting of 26 hydroelectric power plants. The scheduling results of the IPSO algorithm were found to outperform PSO and to be comparable with the results of the dynamic programming successive approximation (DPSA) algorithm.     

基于遗传算法的变电站电压无功自动控制

针对当前用户无功负荷激烈变化时,变电站电压无功自动控制装置动作频繁的缺陷,提出一种基于遗传算法的变电站电压无功综合控制方法,并通过仿真计算,结果表明该方法是有效的。     

改进粒子群算法在大坝力学参数分区反演中的应用

为反演大坝的力学参数,需克服粒子群算法不能保证收敛到全局最优解的缺点,本文应用了一种新的粒子群算法:采用了拉伸目标函数法、Metropolis算法和自适应权重。同时将上述改进算法同量子粒子群算法和灾变粒子群算法进行了比较,将实际反演结果同超声波检测和常规基于混合模型的反演结果进行了比较,解释了常规反演结果偏小的原因。工程实例表明,改进算法具有计算量小、全局收敛性能高的特点,与灾变粒子群算法和量子粒子群算法性能相当。     

小型水电站励磁系统对水轮机组运行的影响分析

针对小型水电站普遍存在的无功不足及功率送出困难等问题,分析探讨了励磁系统对水轮机组运行的影响。分析成果表明,励磁系统通过改造励磁绕组、提高温升限制、选择三相全控桥以及采用功能齐全的励磁调节器,可充分提高水轮机组的励磁电流,改善水轮机组的无功调节及功率外送功能,保障机组安全运行。     

含分布式电源的配电网综合优化方法研究

讨论了不同位置和容量的分布式电源并网后对配电网的影响,对含有分布式电源的配电网络无功优化进行了研究。采用改进遗传算法,以综合经济效益最大为目标函数,将配电网中分布式电源选址定容与电容器投切相结合进行了综合优化。实例分析结果表明,该方法能够同时实现配电网络中分布式电源最优配置和配电网无功优化,从而有效降低配电系统损耗、改善电压质量,获得更好的综合经济效益。     

机组并网瞬间抢无功现象分析及定值整定策略

发电机组并网瞬间从系统大量抢无功功率,引发本侧母线电压和相邻并网其他机组间无功功率的大幅波动等现象.文中主要从理论和无功功率大幅波动现象进行分析,发现二滩水电站同期装置的电压差、励磁调差系数、机端初始电压等参数的定值整定不合理,从而提出对上述参数的一些整定策略.