基于混沌优化算法的电力系统经济调度和最优潮流

针对电网及电厂经济运行的要求，依据混沌运动的遍历性、规律性、随机性等特点，采用了一种改进的混沌优化方法对电厂与电网进行经济调度。该方法利用混沌变量进行搜索寻优，能不断缩小优化变量的搜索空间并不断提高搜索精度，从而有较高的搜索效率，仿真结果表明，本方法搜索速度快，求解精度高，且使用方便。     

电力系统经济调度的量子粒子群改进算法

电力系统经济调度(economic dispatch,ED)通过合理配置电力资源,在满足实际运行约束的前提下,使发电成本率最小化。针对ED问题,将量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法与随机扰动策略相结合,提出了一种改进的随机扰动量子粒子群优化(QPSO with random perturbation,RPQPSO)算法。扰动策略采用2种方式,在进化后期根据随机概率对群中的每个粒子进行扰动,避免算法陷入局部最优。为了验证其有效性,利用一组标准测试函数对RPQPSO算法进行了性能测试,测试表明,该算法有助于增加种群多样性,提高算法的全局搜索能力。通过将该算法应用到典型电力系统中进行测试,该算法相较于传统遗传算法、粒子群算法和QPSO算法,在解的质量、鲁棒性和收敛性等方面都取得了较大的提高,表现出优异的求解性能。     

基于和声搜索算法的电力系统经济调度

针对风电并网对电力系统经济调度的影响,以火电机组的燃料成本及火电厂环境成本为目标函数建立模型。通过惩罚系数将污染气体排放量转化为环境成本。提出了基于模拟退火的和声搜索算法。通过与传统的遗传算法比较,验证了该算法的可行性与有效性。     

基于扩展神经网络的网格资源调度优化算法

针对具有时间约束和若干资源约束的网格资源调度问题,提出了一种基于扩展神经网络的求解新方法GRSENN。资源调度问题首先被分解为一系列多维背包问题并提出相应的数学模型,然后通过把问题的各种约束表示为Hopfield神经网络的能量函数项,进而导出神经网络模型。实验仿真结果表明该方法的有效性,并可避免通常神经网络所具有的容易陷入局部极小点的缺陷。     

基于改进BP网络的西安供水水库群优化调度函数的求解方法

提出了基于累积误差,动态调整网络参数的改进BP网络方法,并用于求解西安供水水库群优化调度函数,结果表明,与传统算法相比,改进BP网络方法不仅可以全面反映水库调度决策变量与影响因子的复杂非线性关系,而且可以反映出调度过程中水库群间的相互关系,且应用简便。     

基于CQPSO算法的含风电场电力系统经济调度研究

为了克服风电场出力波动的不利影响,提高调度经济性,构建含常规火力发电燃料费用、风电预测误差备用费用以及风电弃风成本的多目标动态调度模型,并提出一种混沌量子粒子群算法对模型进行求解。标准测试函数的仿真结果表明本算法比对照算法具有较高的收敛精度和稳定性。对含风电场的IEEE30节点系统算例进行仿真实验,结果表明采用混沌量子粒子群算法对调度模型求解的调度费用最低。     

基于改进海鸥算法的微电网经济调度研究

为保证微电网经济可靠运行的同时,减少对环境的污染,提出了一种综合考虑微电网的运行成本和环境污染等因素的微电网优化调度模型。通过自适应权重法为不同的适应度函数分配权重,把多目标问题转化成单目标问题,采用改进的海鸥算法寻找最优的配置方案。实验结果表明,经过改进的海鸥算法具有很好的全局寻优能力和求解精度,收敛速度相比于标准算法也有一定的提高,在对微电网经济调度问题的求解上具有一定的优势,既降低了微电网的运行成本,又减少了环境的污染,提高了微电网运行的可靠性。     

大型水火电力系统经济调度的分解协调算法

本文研究了大型水火电力系统经济调度采用二级及三级协调结构时的分解、协调和优化方法。提出了Ａ协调级的灵敏系数法和水电子系统采用的快速二次规划法和关联预测法。避免了一维搜索，大大提高了计算速度和减少了计算机存储量。编制的实用程序，已被某大系统所采用。     

电力系统有功安全经济再调度

本文用网流规划法研究了具有安全约束的有功安全经济再调度问题。对违反安全约束事故状态的有功再调度,本文提出了通过消除暂时性缺负荷以达到安全状态的另一途径。解算方法采用了计算速度快的OKA法,并用增量校正模型求解再调度问题,提高了网流法的计算精度。文中以IEEE30节点系统为例进行了计算,获得了较为满意的结果。     

基于神经网络的逻辑最小造价覆盖算法

提出一种基于神经网络求解逻辑综合中最小造价覆盖问题的优化算法。首先给出了最小造价覆盖问题与能量函数的映射关系，并以此构造了改进的两级Ｈｏｐｆｉｅｌｄ网络模型。然后利用该网络的动态特性，求出最小造价覆盖问题的最优解。最后对算法进行了分析和小结。     

基于混合智能算法的电力系统经济调度优化模型研究

在以电力系统的发电总燃料量、氮氧化物排放量和电价等3个因素为目标函数,以系统有功平衡、系统正负备用、输出功率以及输出功率上升速率等相关约束条件的基础上建立了电力系统经济调度的加权优化模型.同时,在综合了粒子群-人工鱼群算法的基础上构建了混合智能算法.最后,用10个机组所组成的火电厂的优化调度问题作为案例,采用混合算法进行求解及结果分析,以说明电力系统经济调度加权优化模型的有效性以及综合智能算法的收敛性和稳定性.     

经济调度发电功率分配中网损微增率的分析与计算

对电力系统经济调度中的网损微增率进行了分析和计算,结合电力系统潮流计算的Ｂ系数法计算网损微增率,并应用于山西电网经济调度程序中。计算结果表明,计及网损微增率修正的经济调度更精确、更适用,为山西电网的经济运行提供了更为科学的依据。     

基于改进遗传算法的递归神经网络模型辨识

将递归内时延神经网络应用于非线性动力学系统中，引入遗传算法作为其学习算法，提出遗传算法新的编码方案，并且在遗传操作中采用适应度的调整策略，通过仿真实验，表明该方法是有效的。     

基于氢储能的含大规模风电电力系统经济调度

针对由大规模风力发电并网带来的消纳困难问题,文章利用由碱式电解槽、储氢罐、氢氧燃料电池构成的氢储能系统将弃风转换成氢气储存起来,用以满足外界氢气负荷需求或于负荷高峰期发电补充上网。文章先对风电出力的不确定性和氢储能系统进行建模。为了降低传统鲁棒优化求解的保守度,利用考虑保守度可调的鲁棒优化盒式集合描述风电出力。在此基础上,以降低弃风和提高系统总体的经济性为目标,建立了基于氢储能的含大规模风电电力系统经济调度模型。算例表明,文章所建立的优化调度模型兼顾求解的鲁棒性和经济性,并且可以显著减少弃风、降低系统的总成本。     

改进灰色神经网络的作动系统功率预测

为提高飞机上作动系统的功率预测精度,建立了改进的多变量灰色神经网络预测模型。考虑了对系统功率需求有较大影响的相关因素,采用主成分分析法提取综合变量作为输入,在提升准确性的基础上有效减少了输入维数;在利用递增方式对初始值进行选择的过程中,引入粒子群优化算法快速求解最优初始值和背景值,模型预测的平均误差由13.35%降为7.53%;考虑到序列波动对预测精度的影响,采用BP神经网络对预测值进行误差修正,进一步将模型的平均预测误差降为4.07%。仿真实验表明,含主成分分析的改进灰色神经网络对飞机作动系统的功率有较高的预测精度,有利于飞机的电能调度。     

基于改进的PSO算法的神经网络集成

提出了一种新的神经网络集成结论生成方法,即基于可重复采样技术(Bootstrap)的粒子群优化(PSO)算法——BPSO算法,通过限制组合权值的范围来减小“多维共线性”的影响,还利用采样技术构造不同的适应度函数,增加“粒子”的多样性从而便于在一定范围内灵活调节组合权值,并减小噪声对集成的影响．实验表明。BPSO算法是优化组合权值的有效方法,提高了神经网络集成的泛化能力．     

基于人工免疫算法的神经网络电力系统短期负荷预测

在BP神经网络（Baek-propagatlon neural network, BPNN）模型中引入人工免疫算法（Artificial Immune Algo-rithm,AIA）,给出了AIA-BPNN模型,基本思想是结合AIA算法的搜索特性和BPNN 模型的优良性能,可以进一步提高学习能力．与实际电力系统结合构造了AJA-BPNN电力系统短期负荷预测模型,通过使用AIA算法,优化BPNN的权值和阈值。使BPNN权值和阈值选择的盲目性得以克服．     

基于神经网络和 PRONY 算法的电力系统谐波分析

研究了基于神经网络模型算法和Prony改进算法的电力系统谐波分析问题．为了验证神经网络算法和Prony改进算法在电力系统谐波分析中的有效性,本文进行了计算机仿真研究以及和其它算法的比较研究．研究结果表明,本文提出的电力系统谐波分析方法具有计算精度高和计算速度快的特点．     

基于神经网络和遗传算法的无功优化设计

无功优化是一个复杂的混合优化问题,传统方法较难获得全局最优解.文中提出了将并行遗传算法和Hopfield网络相结合的算法.该方法利用遗传算法的并行搜索和解空间搜索的优点进行网络参数的选取,并采用Hopfield网络简单、快速、规范的优点来优化样本空间,以取得整体的优化效率.     

基于改进U-Net神经网络的图像去噪算法

针对目前常见的U-Net网络结构以及现有的图像去噪算法在去除图像噪声时,处理后得到的图像较为模糊且图像的边缘纹理过于光滑缺乏真实性的问题,提出了一种改进的U-Net网络结构去噪算法。它由去噪模块以及边缘信息提取模块组成,首先,利用U-Net++中的跳跃连接应用到原始的U型去噪子网中,密集连接的U型去噪网络可以减少编码器与解码器特征映射之间的语义差距,还原出更清晰的图像。其次,基于VGG-16网络结构的边缘信息提取模块对去噪网络处理后的图像进行特征提取,同时反向优化U型去噪模块,还原出更真实的图像。实验表明,在常见的Set5、Set12、Kodak24和CBSD68数据集测试所提出的算法,在图像的客观评价指标上均优于目前具有代表性的去噪算法,同时图像的边缘细节和纹理特征更清晰真实,视觉效果上更好。