考虑风电机组电压均衡性的风电场无功优化策略

双馈风电场的拓扑结构对风电场电压的调控有较大影响,因此提出计及风电机组无功调整时机组机端电压偏差的无功优化方法,首先分析风电场内馈线电压、无功分布对机组机端电压的影响,建立以风电场并网点电压和机端电压偏差最小为目标的无功优化模型,然后利用网络分析法-智能粒子群法对所建模型求解。最后,以新疆某实际风电场为例进行仿真验证仿真。结果表明,该控制方法可增强风电并网点电压的稳定性,降低风电场内机组机端电压的偏差,提高风电并网的可靠性。     

混沌蚁群算法在水库优化调度中的应用

提出一种基于混沌优化算法和蚁群算法相结合的混合算法,在求解水库优化调度问题的方法。根据混沌变量的随机性和遍历性,利用混沌变量进行优化搜索,从而有效地克服了蚁群算法存在的效率低、易于演化停滞及陷入局部最优等问题。又利用蚁群算法信息素正反馈的优点,改善了混沌搜索的盲目性,提高了搜索的效率。通过实例计算,结果表明该算法具有效率高及较强的全局寻优能力。     

基于改进蚁群算法的渡槽结构优化设计

渡槽结构优化设计属于混合离散变量优化问题,针对利用一般连续变量方法进行离散变量优化设计的不足,对基本蚁群优化算法进行了改进:引入蚁群更新、沿途搜索等策略,在搜索过程中对设计变量进行工程化处理,蚂蚁按处理后的变量进行离散搜索。开发了基于改进的蚁群优化算法的混合离散变量渡槽优化设计的程序。实例研究表明,该算法对优化设计问题的特性无特殊要求,而且程序运行可靠,全局收敛能力强。     

水库优化调度混沌蚁群算法数学模型实例研究

本文在分析研究混沌优化和蚁群算法的基础上,将两种算法的思想组合优化,研究建立了混沌蚁群算法水库优化调度数学模型,并结合混沌优化和蚁群算法求解了该模型,完成了水库的优化调度计算。     

基于蒙特卡罗仿真和电压安全约束的无功优化算法

传统的电压无功优化采用确定性方法，并且主要考虑经济性，而在规划阶段需要对运行方式的不确定性进行更深入的研究。文中提出了基于蒙特卡罗仿真和电压安全约束的无功优化模型，以尽量提高节点的电压水平作为优化的目标。算法采用非序贯蒙特卡罗仿真实现，考虑了系统各种可能的运行状态及其出现的概率。该模型的优化结果对提高节点电压水平和整个系统的电压安全性效果显著，使系统在电压安全的基础上达到经济优化。以IEEE可靠性标准测试系统为例进行了分析计算。算例表明：该模型和算法可行，结果合理且对电力系统的规划运行有重要的参考意义。     

基于混沌蚁群算法的辽宁中部地区农业灌溉水量预测研究

本文采用混沌蚁群算法对GM(1,1)模型计算结构进行优化,提高GM(1,1)模型计算效率和精度。并将基于该算法的GM(1,1)模型用于辽宁中部地区农业灌溉用水预测计算中。研究结果表明:相比于区域农业灌溉统计水量,模型预测的年灌溉水量误差小于20%,不同月份计算误差也小于25%,基于混沌蚁群算法的GM(1,1)模型在农业灌溉水量预测上具有一定精度和适用性。研究成果可为辽宁中部节水增量农业用水规划提供参考。     

蚁群算法求解梯级电站短期优化调度改进研究

本文提出一种改进蚁群算法(Improved ant Colony Optimization Algorithm)求解梯级水库群短期优化调度问题。该算法的改进主要包括嵌入邻域搜索的单库轮换寻优、基于出力反推的初始解生成技术和约束优先的目标函数比较方法。以四川某中型流域梯级三级电站联合运行为背景,对蚁群算法和改进蚁群算法的求解质量和收敛性进行比较,实例验证表明,改进蚁群算法可以获得较好的优化调度结果。     

改进蚁群算法及其在水利工程项目管理中的应用

为了更加有效解决水利工程项目管理中的多目标决策问题,提出了一种改进蚁群算法。该算法首先利用遗传算法的全局搜索能力将信息素初始化,然后在算法进行遍历过程中引入变异操作和交叉操作,提高算法的鲁棒性和有效性。水利工程项目多目标优化案例分析表明,较传统遗传算法和蚁群算法,本文提出的方法对于解的寻找速度更快,解的质量更高,该算法具有较高的全局寻优能力。该研究为水利工程项目管理多目标决策问题的解决提供了一种新的思路和方法。     

计及时序递进的风电场多级无功电压协调控制策略

由于现行风电场汇集线路较长,缺少电源支撑、短路容量小,以及风电随机波动性的影响,风电场无功电压不协调问题进一步加深。针对这一问题,提出了考虑时序递进的风电场多级主从无功电压协调控制策略,并将该协调控制策略应用到新疆某地区风电场。通过无功电压协调控制方案现场试验可以发现,多级无功电压协调控制策略不参与动作时,并网点以及汇集母线处的电压较参与动作时的电压值明显偏大。     

基于免疫-中心点聚类算法的无功电压控制分区

针对传统分区方法电气距离定义的缺点，提出一种新的电气距离即空间电气距离。依据系统中各节点之间无功电压变化关系，将系统各节点映射到一个多维空间中，节点之间的空间距离便是其电气距离，依据此距离将各节点进行归类，从而把无功电压控制分区问题转化为数学上的空间聚类问题。针对无功电压控制分区的特点并借鉴聚类算法，提出免疫 — 中心点聚类的无功电压控制分区算法并将其运用于IEEE 118节点系统，对分区结果进行分析并与其他算法结果比较，验证所提出的算法的准确性和可行性。     

用于求解函数优化的蚁群算法设计

为了求解一般的函数优化，在标准蚁群算法的基础上，引入了遗传算法的编码方式，对蚁群算法的信息素更新进行改进。通过对几个经典测试函数的求解，证明了该算法的有效性。     

一种新型智能仿生类算法-蚁群算法

蚁群算法是一种新型智能仿生类算法,是受到蚂蚁在觅食过程中建立蚁巢到食物最短路径时的搜索机制启发而提出的一种算法。蚁群算法在求解一系列困难的组合优化问题上取得成效,成为解决TSP、VRP、QAP、JSP等典型问题的一种新型强有力算法。本文对蚁群算法理论研究的主要内容和方法、基于算法的改进等,进行了系统的总结与综述。     

改进蚁群算法优化PID控制在水力发电机组中的应用研究

水力发电机组是一个非线性、时变系统,常规PID控制不能达到理想的控制效果。提出一种基于改进蚊群算法的PID参数优化方法,讨论了蚁群算法的模型,水力发电机组的模型,对蚁群算法的不足进行改进,并给出了算法的具体实现步骤。实验结果表明,采用改进蚁群算法PID控制器的水电机组具有更好的控制精度和动态特性,验证了该方法的可靠性和有效性。     

基于蚁群算法的配电网络综合优化方法

配电网络综合优化是改善电压质量、降低网损、实现配电网络自动化的重要环节，针对现有配电网络综合优化算法的不足，建立了融配电网络重构和电容器投切于一体的配电网络综合优化数学模型，提出了基于蚁群算法的配电网络综合优化计算新方法，新算法不依赖各种初始参数，不易陷于局部最优，通过实例分析表明，新算法与现有各种方法相比，具有适应性好、计算效率高、优化效果好的优点。     

蚁群算法在水科学中的应用研究进展

蚁群算法是优化领域中相对较新的一种随机启发式搜索算法,通过模拟蚂蚁的觅食行为来解决复杂组合优化问题,是迄今为止昆虫算法中较为成功的例子。主要介绍了蚁群算法的生物原理及其算法的基本模型,对近些年来蚁群算法在水土资源新领域中的多种应用研究进行了分析与归纳,并指出了存在的问题及其研究展望。     

基于连续蚁群算法和小波支持向量机的位移反分析

提出一种基于连续蚁群算法和小波支持向量机的位移反分析模型。一方面利用具有良好时域、频域分辨能力和非线性学习功能的小波支持向量机建立反演参数和位移之间的非线性关系,避免了大量的数值计算,提高了预测精度;另一方面利用全局优化的连续蚁群算法代替传统的优化算法,避免优化过程中目标函数陷入局部最优,提高了反演的精度。应用该模型对三峡工程永久船闸高边坡4种介质弹性模量进行位移反分析,并利用反演所得参数进行监测点位移预测,计算值与监测值吻合较好,表明该方法适合解决具有非线性和不确定特性的岩土工程问题,在位移反分析中具有良好的实际应用价值。     

改进的蚁群算法在溶质运移参数识别问题中的应用

非饱和土壤水分和溶质运移参数(扩散率、导水率和水动力弥散系数)取值范围较大,往往跨越几个数量级。采用传统离散化蚁群算法求解此类问题,所需节点较多,这会造成算法收敛时间较长。该文在传统蚁群算法基础上,对蚂蚁搜索路径进行改进,改进后的蚁群算法寻优路径由参数精度位数(整数位和小数位)、参数个数以及0–9十个数字构成,并将路径解码公式修改为具有判别参数正负功能的解码公式。采用改进的连续蚁群算法对非饱和溶质运移参数识别优化模型进行求解。数值模拟表明相同迭代次数下改进的蚁群算法比传统蚁群算法耗时少,算法计算时间与迭代次数满足线性关系,含水率和溶质浓度实测值与计算值吻合较好、相关性较高。     

蚁群算法求解梯级水电厂日竞价优化调度问题

应用蚁群算法(Ant Colony algorithm,ACA),即利用蚂蚁群体相互协作和邻域搜索寻找功能,求解梯级水电站日竞价优化调度问题。计算中定义水库调度线为蚂蚁路径,利用状态转移、信息素更新和邻域搜索,不断调整路径逐步向最优值逼近。计算结果表明,梯级电站电量时空分配合理,并且满足约束条件,该算法可以求解具有复杂约束条件的非线性梯级优化调度问题。