基于混沌人工鱼群算法的输电网规划方法

人工鱼群算法收敛速度快,但存在早熟收敛现象;混沌优化算法具有遍历性、随机性和对初值敏感的特点,虽然全局搜索能力强,但收敛速度慢。大规模输电网规划方法对求解速度的要求越来越高,为此结合人工鱼群算法和混沌优化算法,提出了适用于输电网规划的混沌人工鱼群算法,该算法继承了混沌优化算法特点,使人工鱼群在搜索过程中避免陷入局部极值,同时改进了人工鱼的视野和游动步长,加快了寻优效率。算例结果验证了该算法的可行性。     

基于改进人工鱼群算法的输电网规划

结合输电网规划问题的特点提出了改进人工鱼群算法。改进人工鱼群算法引入生存竞争机制,在保证收敛性能的前提下减少了对人工鱼数量的需求,同时克服了人工鱼在非全局极值点大量聚集的弊端;采用分段自适应调整视野策略和拟遗传算法的交叉变异算子,有效兼顾了全局搜索与局部挖掘能力,提高了算法的收敛速度。最后通过算例证明了改进人工鱼群算法的正确性、有效性及优越性。     

基于改进人工鱼群算法的输电网规划

对传统的输电网规划模型增加考虑不确定信息因素的影响,建立了不确定因素影响下的数学模型,使得规划后的网络具有一定的剩余容量以适应未来不确定负荷的变化,可以满足未来小幅度的负荷波动以及未来短时的大幅度区域负荷增长的不确定性。使用改进的人工鱼群算法可以快速有效地求解该模型。24节点系统算例的计算结果验证了模型及算法的正确性及有效性。     

改进人工鱼群算法在输电网规划中的应用

针对离散人工鱼群算法在求解大规模输电网规划问题时易陷人局部极值的缺点,提出一种改进人工鱼群算法.该算法引入禁忌搜索算法的记忆功能,避免迂回搜索,有效提高了计算效率;并在深入研究人工鱼搜索机制的基础上,对人工鱼寻优行为进行一系列的改进,采用最好解优先策略选择前进路径以及以排序选择的方式接受劣解,进一步提高了算法效率.IEEE Garver-6系统和18节点系统的计算结果表明,该算法用于电力系统输电网规划是有效的,具有良好计算效率和优秀的全局收敛性能.     

基于混合人工鱼群算法的输电网扩展规划

应用于输电网扩展规划的人工鱼群算法(artificial fish school algorithm,AFSA)依靠随机移动无条件接受劣解以摆脱局部极值,具有盲目性大的特点,且该算法一般在优化初期收敛较快而后期收敛速度减慢。针对AFSA的上述缺点,文章结合模拟退火算法,提出一种混合人工鱼群算法(HAFSA)。HAFSA利用模拟退火算法的概率性突跳搜索机制,使局部极值跳跃能力具有可控性,降低了算法的盲目性,提高了算法效率;引入基于分段自适应调整视野策略的反馈机制,兼顾了全局搜索与局部挖掘能力;加入拟遗传算法的变异算子加快了优化后期的收敛速度。通过IEEE6节点和巴西南部46节点算例证明了HAFSA的正确性和有效性。     

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。     

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...     

种群优化人工鱼群算法在输电网扩展规划的应用

将遗传算法与人工鱼群算法有机融合,提出一种种群优化人工鱼群算法,采用分别对部分人工鱼个体进行选择、交叉、变异操作的策略,调整优化人工鱼种群结构,较好地兼顾局部搜索和全局搜索。通过与粒子群算法、基本的人工鱼群算法在Garver-6节点、Garver-18节点和Garver-24节点系统仿真计算比较,证明了种群优化人工鱼群算法的正确性和有效性。     

种群优化人工鱼群算法在输电网扩展规划的应用

将遗传算法与人工鱼群算法有机融合,提出一种种群优化人工鱼群算法,采用分别对部分人工鱼个体进行选择、交叉、变异操作的策略,调整优化人工鱼种群结构,较好地兼顾局部搜索和全局搜索.通过与粒子群算法、基本的人工鱼群算法在Garver-6节点、Garver-18节点和Garver-24节点系统仿真计算比较,证明了种群优化人工鱼群算法的正确性和有效性.     

基于序优化人工鱼群混合算法的输电网规划

建立了输电网规划的数学模型,采用序优化人工鱼群混合算法求解数学模型,在保证规划方案高概率可信度的同时提供较多次优解以供选择。采用IEEE-18节点算例进行了求解,求解结果验证了数学模型及混合算法的可行性和有效性。     

基于人工蜂群算法的配电网无功优化

针对配电网电压质量较低的问题,建立了完整的无功优化模型。首先提出了一种新的无功补偿候选点的方法,即先基于网损最小选择无功补偿点,在此基础上再用动态优化选择无功补偿点;然后建立以网损最小、并联电容器容量最小、电压水平最好、两类电压稳定裕度最大的无功优化目标函数,用模糊方法将含有量纲的多目标问题转化为没有量纲的单目标问题;接着用人工蜂群(ABC)算法确定无功补偿点和容量。最后对IEEE-33节点配电网系统进行了测试分析,并与其它两种优化算法相比较,结果表明使用该优化算法,配电网无功配置方案较优,线路损耗明显降低,电压质量和电压稳定裕度明显提高。     

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。     

基于关联模糊神经网络和改进型蜂群算法的负荷预测方法

为提高负荷预测精度,考虑历史负荷数据之间相关联的特性,利用关联模糊神经网络建立了负荷预测模型。与其他负荷预测方法相比,基于关联模糊神经网络和改进型蜂群算法的负荷预测方法,减少了模型所需要的模糊规则的数量,降低了模型的复杂度。将该方法应用于某地实际负荷预测,数值结果表明,该方法具有较高的预测精度。     

基于改进蚁群算法的"N-1"安全输电网优化规划

满足N-1安全准则的输电网络扩展规划是一个复杂的非线性组合优化问题。蚁群算法是一种解决组合最优化问题的高效的启发式方法,但容易出现停滞和陷入局部最优。为此,结合满足N-1安全准则的输电网络规划问题的特点,用罚函数方法建立了网络扩展规划性能指标。通过改变蚁群算法中信息增量的选择方法,有效地减小了算法的全局搜索能力和计算效率之间的矛盾。该方法不需初始可行解,在提高计算效率的同时加大了找到全局最优解的概率。通过对IEEE-6节点和IEEE-24节点两个算例的测试,验证了这种方法能有效地解决直接求解满足N-1安全检验的输电网最优扩展规划问题。     

基于混沌优化的双种群人工蜂群算法

为提高人工蜂群算法(ABC)的全局搜索能力,加快收敛速度,提出了一种基于混沌优化的双种群人工蜂群算法(BCABC)。算法将种群随机分为2个种群,在子种群中分别采用不同的选择策略,并通过种群间的信息交互,提高算法的收敛速度。在算法陷入局部最优时,利用混沌思想的遍历性产生新解,跳出局部最优,获得最优解。仿真实验结果表明,改进算法在收敛速度和算法精度上都有明显提高。     

基于改进人工蜂群算法的无线电能传输系统输出控制

磁耦合谐振式无线电能传输系统中,当耦合系数较大时系统将发生频率分裂现象导致输出功率降低。采用软件调频的输出控制可以稳定输出性能。然而输出功率是一个极值个数和半径都可变的多峰函数,因此需要改进标准人工蜂群算法以搜索所有极值。首先通过系统模型的分析,说明频率分裂现象的影响和多峰搜索的必要性,提出一种原边控制方法,得到输出性能的函数。然后提出3种策略对标准人工蜂群算法进行改进,包括采用正交生成法改进了食物源的分布;采用比较父代与子代之间的欧式距离选择食物源,避免漏峰;通过对适应度排序确定个体增量动态地缩小小生境的范围。最后搭建了一个两线圈无线电能传输系统,通过计算和实验证明,改进的人工蜂群算法收敛速度快、优化精度高,在保证传输效率的前提下,能够提高并稳定系统在过耦合状态时的输出功率。