基于遗传算法与粒子群算法的配电网无功优化

根据遗传算法(GA)收敛效果好和粒子群算法(PSO)收敛速度快的特点,将两者相结合对配电网无功优化模型进行求解。计算结果表明:该算法是收敛的、有效的。     

基于动态规划法和遗传算法的配电网无功优化

对配电网无功优化规划问题进行研究,针对配电网的辐射型结构,在无功二次精确矩选择补偿点方法的基础上,提出了配电网无功优化分区的方法,并在选点时考虑已选补偿点对后续优化选点的影响,运用动态规划法来确定最优补偿位置;用改进遗传算法求解补偿点的最优补偿量,对选择、交叉、变异等算子进行改进,每一代群体进行分组进化,并采用自适应罚因子、交叉率和变异率,以提高收敛速度和解的质量.采用IEEE 33节点系统验证了本算法的有效性和实用性.本研究提出的算法能使配电网各分区得到合理的无功补偿,从而提高配电系统经济性和电压质量.     

粒子群算法及其应用研究

粒子群优化算法(PSO)源于对鸟群捕食系统的模拟,是近年来被广为关注和研究的一种智能优化算法。PSO算法属于进化算法的一种,比遗传算法(GA)更简单易实现,且没有交叉和变异操作,需要设定的参数也不多,收敛速度快。目前已广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法等领域。目前PSO的研究主要集中在算法本身和算法的应用研究两个方面。     

基于改进群搜索优化算法的车辆路径问题研究

针对标准群搜索优化(GSO)算法存在的早熟、后期迭代效率低和容易陷入局部极优点等问题,提出了一种改进的群搜索优化算法用于车辆路径问题的研究。该算法先是通过交叉因子的引入来曾加粒子的多样性并增强群成员的优良性,从而减小后期搜索中算法易陷入局部极优点的概率;然后借助于模拟退火算法的优势来有效的提高算法收敛性能。实验表明,基于交叉因子和模拟退火的群搜索优化(CMGSO)算法相比于标准群搜索优化(GSO)和粒子群优化(PSO)算法来说,具有较快的收敛性能和较好的全局寻优能力,因此该算法适用于物流车辆路径寻优问题的研究和解决。     

基于智能软开关的农村配电网无功优化

农村配电网建设是农村电气化和电力发展规划的重要组成部分。目前农村配电系统整体电压低,无功补偿不足,损耗大,使得供电质量低。为了优化农村低压配电网,本研究提出了1种电容器组与智能软开关(Soft openpoint,SOP)共存的双层优化模型,上层进行电容器组的选址定容,使得配电网节点电压偏差最小,下层利用上层优化得出的电容器位置与容量,规划出SOP的位置,使得网络有功损耗最小。采用改进狼群算法对所提模型进行求解,并在IEEE33节点系统中进行仿真,验证算法可行性。     

基于动态维度交叉的粒子群高维函数优化

提出一种优化高维函数的改进粒子群算法.粒子群算法在高维函数优化方面精度比较低,种群容易陷入停滞,分析粒子群算法在针对高维函数方面难以优化的原因,提出一种基于动态维度交又的改进粒子群算法,通过对五个典型测试函数的仿真,说明该算法具有摆脱较快的收敛能力和较高的收敛精度.     

粒子群优化算法拟合Logistic方程的研究

提出了一种新的拟合Logistic方程与估计其参数的方法.首先利用三段和法对参数进行初步估计,得到参数的粗略值,然后利用粒子群优化算法进行寻找最优参数,并对所得结果进行统计检验.结果表明三段和法与粒子群优化算法相结合具有很强的拟合Lgistic方程的能力.此方法可推广应用到对其他非线性生长曲线方程的拟合.     

多区域协调调度架构下的农机服务资源优化配置方法

针对多区域互联农机服务资源分配不合理所导致的区域整体经济效益低下的问题,采用数学建模与智能优化算法相结合的仿真方法,对多区互联农机服务资源配置进行研究。结合智慧农业发展现状和多区域互联农机服务调度特点,构建多区域协调调度架构,获取全局农机服务资源状况;建立价值可变的多背包农机服务调度模型,设计改进模拟退火和粒子群优化的混合智能算法求解调度模型;通过实例分析本研究设计的协调调度方法与传统分散调度方法的区域总效益、订单响应率和农机效用比的差异性以及农田面积对调度方法的影响。仿真结果表明,当订单数量375时,2种调度方法所产生的效果相同;当订单数量≥375时,协调调度方法所得农机效用比高于传统分散调度方法2.74%,当订单数量≥625时,协调调度方法所得区域总效益和订单响应率比传统分散调度方法分别高10.65%和14.88%。     

DP-ADPSO算法在机组负荷优化组合分配问题中的应用

针对离散粒子群应用于机组负荷优化问题中存在早熟收敛的难题,提出了动态规划-自适应离散粒子群算法求解机组负荷优化组合问题.该方法首先保证所有随机生成的粒子均为满足基本约束条件的可行解,使整个算法只在可行解区域内进行动态优化搜索,缩短了计算时间.计算实例表明:动态规划-自适应离散粒子群算法能较好地收敛到最优解,而且该方法得出的解具有精度高、收敛速度快的优点,应用效果优于动态规划法和离散粒子群算法,说明该方法是有效的、合理的,具有较好的应用前景.     

基于粒子群优化Friele模型木材染色配色算法研究

为提高木材染色计算机智能配色的准确性和实用性,选择水曲柳单板为染色材,基于Friele模型为基础,对模型参数进行循环赋值计算出最优参数值和预测配方,利用粒子群优化Friele模型预测其拟合配方与拟合反射率,并根据基于人眼的CIEDE2000色差评价标准公式计算色差,比较2种方法的预测配方和光谱反射率得出,当模型参数固定时,平均拟合色差为0.820 2,优化模型后,平均拟合色差为0.728 7。基于粒子群优化Friele模型进行参数循环赋值相比较固定模型参数对木材配色效果有显著提高。     

Research of Rural Power Network Reactive Power Optimization Based on Improved ACOA

In view of the serious reactive power loss in the rural network, improved ant colony optimization algorithm （ACOA） was used to optimize the reactive power compensation for the rural distribution system. In this study, the traditional ACOA was improved in two aspects： one was the local search strategy, and the other was pheromone mutation and re-initialization strategies. The reactive power optimization for a county＇s distribution network showed that the improved ACOA was practicable.     

模糊自适应遗传算法在农村电站无功补偿优化中的应用

运用模糊自适应遗传算法对农村电站无功补偿优化数学模型进行了优化计算,通过实例的计算机仿真,搜索到了电站无功补偿费用最低的优化补偿点,结果符合实际应用情况,表明自适应遗传算法应用于农业工程优化设计计算切实可行。     

配电网无功优化控制研究

设计了无功优化控制系统的软件体系结构，建立了动态无功优化数学模型。提出的高压配电网无功优化控制基于现有地调自动化系统，在母线负荷预测的基础上，利用遗传算法求解整个电网的无功优化问题，得到的优化结果为各个变电站VQC的合理限值。该方法将全局优化与VQC分散控制的优点结合起来，克服了各变电站无功、电压就地最优控制的弊端，节电效益显著。在某地区电网的应用中验证了该系统和方法的有效性，经过优化计算，在满足电压约束和控制设备动作次数限制的条件下，降低了电能损耗，有功损耗比优化前下降约3％。     

基于混合智能算法的无功优化研究

为了降低输电网电能损耗,采用混和智能算法(粒子群算法与差异进化算法相结合)作为无功优化算法。该算法对不断变化的个体极值与整体极值进行研究,并且引入第三值分离相似性状,寻找最优补偿点的位置,从而有效补偿电能传输过程中的无功功率。通过IEEE系统例证分析,结果表明混合智能算法性能优于粒子群算法。说明混合智能算法对电能传输过程中所需无功功率有良好的补偿作用,对电网经济安全运行有良好的保障性。     

基于反馈动态神经网络的油田异常井诊断模型研究

针对油田异常井诊断的问题,提出基于反馈动态神经网络的模型,该模型具有适应性强、学习效率高等特点。结合粒子群算法弥补其训练速度慢和容易陷入局部最小的缺点,给出模型及算法的优化原则和实现技术。最后根据实际问题,进行油田异常井诊断模型的具体应用,实验结果证明模型对于异常井诊断具有较高准确性及可行性。     

电网动态负荷有功模型参数辨识研究

针对动态负荷模型的参数辨识问题进行研究。通过对实测电网有功功率和电压信号的实验分析,借助MATLAB系统优化工具箱,给出了动态负荷模型参数辨识的具体方法和步骤。结果表明:利用参数辨识方法得到的负荷模型能够较好地体现电网实测有功功率的变化规律,对于深入研究电网动态负荷模型的特性有重要意义。     

配电线路无功动态补偿综合装置的设计

介绍一种以AD90S2333单片机为核心构成的配电线路无功动态补偿综合装置，该装置采用先进的微型控制器跟踪配电线路无功功率的变化，由晶闸管电路对多级电容器组进行自动投切，实验对线路无功功率的实时补偿，其特点是：电路设计简单，运行可靠，性能价格比高。     

人工神经网络在电力系统无功电压优化中的应用

电力系统无功电压的优化是提高电能质量.保证电压稳定的有效而重要的手段,国内外对无功优化的研究历时已久,但系统中实时的无功优化控制仍是一大难题.人工神经网络集若十新兴学科于一体,具有强大的信息分布式存储和并行处理功能,适于解决大型复杂的非线性多变量系统的相关问题.利崩人工神经网络中的BP网络.对目前愈趋复杂的电力系统的无功电压优化问题提出解决方案,避免了求解多变量非线性混合约束方程组的难题.使得问题的解决方案更简易可行.通过对IEEE-30节点系统和辽宁省某局的实际数据分析测试表明,BP神经网络应用于无功电压优化是可行的.同时,探讨了BP神经网络中的结构参数和算法参数的改进对网络泛化性能的影响,从而提出了一些提高神经网络泛化性能,减小泛化误差的有效措施,使神经网络的输出精度得到进一步提高.