基于双种群粒子群优化新算法的最优潮流求解

提出一种带赌轮选择的双种群粒子群优化算法(TSPSO)求解最优潮流问题。在该算法中,对2个种群采取不同的参数设置,使得粒子在进化过程中具有不同的飞行轨迹,从而尽可能地探索解空间,增强算法的全局搜索能力;基于赌轮算法的概率选择机制使粒子可以在较好的可行解邻近范围内高强度搜索,增强了算法的局部搜索能力;采用自适应惩罚因子能有效区分最优潮流的目标函数和约束条件对种群进化的影响,使种群可以跨越不可行域到可行域进行搜索。通过IEEE30节点系统对该算法进行测试,结果表明,采用该算法可以有效求解最优潮流问题。     

电力系统最优潮流算法综述

本文阐明了电力系统最优潮流研究目的及意义,总结了国内外关于电力系统最优潮流算法的研究现状,介绍了求解最优潮流的经典算法,智能优化方法,同时指出了各种算法的优缺点;并根据目前最优潮流存在的问题提出了今后的研究方向。     

粒子群优化算法及其在电力系统中的应用

粒子群优化(PSO)算法是一种新兴的基于群体智能的进化算法.介绍了PSO算法的基本原理及各种改进方法,总结了近年来PSO在电力系统中的应用研究成果,主要涉及负荷经济分配、机组组合问题、输电网规划、最优潮流计算、无功优化等领域,指出了PSO算法的广阔应用前景。     

带柯西变异因子的量子粒子群算法在电力系统经济调度中的应用

为了避免算法早熟,结合柯西分布具有较长两翼的特点,提出了带柯西变异因子的量子粒子群,对全局最优解进行变异,并结合惩罚函数处理约束条件来求解电力系统经济调度问题.通过对15个机组和40个机组的数值仿真表明,该算法在收敛精度和迭代速度上有较好的效果.     

求解环境经济调度问题的多目标差分粒子群优化算法

提出一种基于差分演化的改进多目标粒子群优化算法来求解电力系统环境经济调度问题。算法通过对Pareto最优解集的差分演化来增加Pareto最优解的多样性;通过循环拥挤距离来控制归档集中非劣解的分布,以提高对种群空间的均匀采样;采用一种新的多目标适应值轮盘赌法选择粒子的全局最优位置,使其更逼近Pareto最优前沿;自适应惯性权重和加速度因子的动态变化可增强算法的全局搜索能力。对电力系统环境经济负荷分配模型进行仿真,并与文献中的其他算法进行了比较。结果表明,改进的算法能够在保持Pareto最优解多样性的同时具有较好的收敛性能。     

修正的混沌粒子群算法求解经济负荷分配

为克服粒子群优化算法容易陷入局部最优、后期收敛慢等缺点,提出了一种修正的混沌粒子群优化算法.该算法通过修正粒子群迭代的行动策略,并引入遍历性较强的Tent混沌局部搜索机制,可以增强粒子的全局搜索能力,提高优化算法的全局寻优性能.将修正的混沌粒子群算法分别应用于6机组和15机组电力系统中求解经济负荷分配,在考虑系统网损和机组运行约束条件的情况下进行仿真实验.仿真结果表明:该算法用于求解高维、非凸、不连续等非线性复杂约束条件的电力系统经济负荷分配问题上,有着较快的收敛速度和较强的全局寻优能力.最后,通过与其它智能算法比较,验证了算法的有效性和优越性.     

一种改进PSO算法在经济调度中的应用研究

粒子群优化算法是一类新的基于群体智能的启发式全局优化技术,群体中的每一个粒子代表待解决问题的一个候选解,算法利用粒子之间的相互作用发现复杂问题解空间的最优候选区域.综述了算法的基本形式及其多种改进形式,通过比较提出了一种用于求解一般形式的非连续、非凸、非线性约束优化问题的改进粒子群算法,用于求解复杂的非凸、非线性电力系统经济负荷分配问题.仿真结果表明,所提出的方法搜索速度快,求解精度高,易于掌握,是解决电力系统经济负荷分配问题的有效手段.     

含多种分布式电源的配电网概率无功优化

针对配电网无功优化时多种分布式电源出力以及负荷的随机性,建立了考虑多重不确定因素的概率无功优化模型.通过三点估计法将概率潮流计算转化为采样点处的确定潮流计算,以处理所建模型中的不确定因素对无功优化结果的影响.为克服粒子群算法易陷入局部最优的缺陷,将自适应控制策略应用于粒子群算法,采用一种改进粒子群算法(IPSO)用于模型的求解.在改进的IEEE33节点系统上进行仿真测试,其结果验证了所提概率无功优化模型和求解方法的可行性及有效性.     

一种改进的粒子群算法

粒子群优化算法是求解函数优化问题的一种新的进化算法,然而它在求解高维函数时容易陷入局部最优.为了克服这个缺点,通过调整粒子的速度更新公式,使粒子获得更多信息来调整自身的状态,以增强算法跳出局部最优的能力.通过对6个基准函数的仿真实验,表明了改进算法的有效性.     

约束优化的粒子群改进算法及应用

针对粒子群算法易于坠入局部最优、早熟而造成求解成功率不高的问题引入回退算法的思想,提出一种用于求解工程约束的改进粒子群算法。对优化过程中不合约束的粒子不是简单抛弃,而使其回退到该粒子历史最优,进行下次搜索,这样求解过程中的粒子群搜索能力更强,以增强算法的成功率和运算速度、收敛性。通过对测试函数和工程实例进行仿真测试,并与标准粒子群算法对比,结果表明该算法是有效可行的。     

基于量子粒子群优化的数字冲击滤波器自动设计

为了提高数字冲击滤波器设计的效率,提出了一种基于QPSO算法的优化设计方法.首先根据EBPSK通信系统中数字冲击滤波器的特殊滤波机理,在考虑有限字长效应的情况下对数字冲击滤波器进行建模,然后设计出合理的优化变量、目标函数和约束条件,并利用QPSO算法的全局搜索能力和惩罚函数法的约束处理机制设计数字冲击滤波器.仿真结果表明:种群适应度值能够逐步达到收敛,从而保证了寻优结果的最优性;设计得到的滤波器幅频响应在中心频率处呈现出极窄的陷波-选频特性,并可将EBPSK调制信号的微弱相位跳变转化为明显的幅度冲击,有利于解调.与已有的手调滤波器相比,该设计方法快速可靠,可节约0.3～0.5 dB的信噪比增益.     

考虑风电相关系数矩阵非正定的概率潮流计算

高比例风电并网导致电力系统的随机性因素急剧增加,概率潮流计算是电力系统运行和规划的必要工具.提出一种可灵活处理相关系数矩阵非正定的概率潮流方法.该算法通过改进近似贝叶斯计算,和结合奇异值分解的Nataf变换得到考虑相关性的状态变量样本,通过误差函数快速计算和比照统计特征值,进而将状态变量概率分布求解问题转变为一种参数反演问题.基于IEEE-30节点系统的仿真结果验证了所提方法的计算精度和时效性.     

电站载物爬楼机器人的动态稳定性建模与控制

针对电站载物爬楼机器人动态稳定性的控制问题,根据爬楼特点归纳出机器人可能出现的运动模式,并利用几何与运动学等关系构建被控对象的数学模型。根据电站载物爬楼机器人上下两部分的重心距离与期望距离间的误差、误差变化率及电动推杆伸缩速度之间的关系,设计动态稳定性控制系统的控制器,即一型模糊逻辑控制器(1 type of fuzzy logic,T1FLC)。针对模糊规则参数难以确定的问题,通过量子粒子群优化(quantum particle swarm optimization,QPSO)算法优化隶属度函数参数,将QPSO优化的T1FLC与粒子群优化(particles swarm optimization, PSO)算法优化的T1FLC、未优化的T1FLC、比例-积分-微分(proportion-integral-derivative, PID)控制方法进行对比,并进一步考虑外部干扰的影响。仿真和实验结果验证了模型的准确性及控制优化方法的有效性。     

基于混合QPSO的LS-SVM参数优化及其应用

针对最小二乘支持向量机(LS-SVM)的参数寻优问题,提出一种基于混合量子粒子群算法(HQPSO)的LS-SVM参数选择方法,以提高LS-SVM模型的学习性能和泛化能力.该算法结合QPSO算法的全局优化能力和Powell的局部寻优能力,分别对粒子初始位置、新局部最优位置以及全局最优位置进行Powell局部寻优,提高求解速度和解的精确性.利用测试函数对该建模方法进行仿真测试,与PSO LS-SVM模型进行比较,并利用湿法炼锌净化过程现场数据进行工业验证.研究结果表明:HQPSO LS-SVM模型具有较好的泛化性能,模型预测精度高,预测结果满足工艺生产的要求.     

考虑概率潮流的分布式电源优化配置

为了解决电动汽车和分布式电源并网为电力系统带来的较强的随机性、间歇性和相关性的问题,以分布式电源和电动汽车的概率模型为基础,建立了以分布式电源总费用、供电可靠性和有功网损为目标函数的优化配置模型,将概率潮流计算嵌入基于成功历史的自适应参数差分进化算法求解目标函数。采用无迹变换利用输入随机变量的均值和协方差近似描述系统状态变量统计特性,直接方便地处理具有不确定性的随机变量。然后利用径向基神经网络求解功率方程,避免了计算雅可比矩阵和偏导,减少了算法运行时间。最后采用基于成功历史的自适应参数差分进化法并行计算多目标函数。通过IEEE33节点配电系统进行仿真,验证了该方法的有效性和高效性,节约了规划成本。     

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Voronoi图和量子粒子群算法的无人机航路规划

 无人机(UCAV)是自主控制执行任务的无人驾驶飞机,其航路规划是一类复杂优化问题,因此难以在多项式时间内获取精确解,为此提出了一种基于Voronoi图和量子粒子群(QPSO)算法的UCAV航路规划方法。首先,在综合考虑航路的雷达威胁和燃油耗费的基础上定义了航路规划的代价模型;然后,根据已知的威胁源生成Voronoi图,通过连接起点、Voronoi图中顶点以及终点获得初始规划解集;最后,通过引入柯西变异随机数和扰动对QPSO算法进行改进,以增强其全局寻优能力和收敛速度,并定义了采用此改进的QPSO算法对UCAV进行最终航路规划的具体算法。仿真实验表明,该方法能求解出UCAV航路规划的最优解,且与经典的PSO算法和QPSO算法相比,具有全局寻优能力强和收敛速度快的优点。     

基于集中式MIMO雷达的多目标跟踪功率分配优化算法

针对集中式MIMO雷达对多个运动目标进行跟踪的问题,提出一种基于后验克拉美罗下界的功率分配方法。首先给出了多个运动目标定位误差的后验克拉美罗下界,并将其作为代价函数进行优化,从而将雷达功率分配转化为求解凸优化问题;然后,运用SDP算法对该凸优化问题进行处理,将其转化为SDP问题并求解,从而实现对雷达功率的优化分配;最后,通过仿真验证了算法的有效性。结果表明,与功率平均分配和一种基于最大信噪比的贪婪算法相比,该功率优化分配方法能明显提高目标跟踪精度。     

48脉冲轻型电压逆变STATCOM利用遥测信号抑制次同步振荡的仿真分析

电力系统串联补偿可能会引起次同步谐振问题(SSR)。灵活交流传输系统(FACTS)控制器广泛应用于抑制次同步振荡。静止同步无功补偿器(STATCOM)是FACTS家族的重要成员之一,用在电力系统以控制功率潮流,提高电网的暂态稳定性。随着广域测量技术的出现,大区域的互联电力系统同步相位检测(PUM)成为可能。用于STATCOM控制器的辅助次同步阻尼控制器(SSDC),采用遥测到的发电机功率加速信号作为稳定器信号,设计用于阻尼次同步振荡。基于MATLAB/Simu-link环境下的PSB模块,采用IEEE第二标准模型分析和完成STATCOM数字仿真。