改進(jìn)量子粒子群算法的電力系統(tǒng)經(jīng)濟(jì)調(diào)度仿真

風(fēng)一火電力系統(tǒng)聯(lián)合優(yōu)化調(diào)度是一個(gè)極其復(fù)雜的np問題，不易求解。，改進(jìn)粒子群算法，并將其應(yīng)用于風(fēng)一火電力系統(tǒng)聯(lián)合優(yōu)化調(diào)度，提出了一種改進(jìn)的慣性權(quán)重線性遞減的粒子群算法。針對粒子群算法容易局部收斂的缺陷，、首先，本文在慣性權(quán)重線性遞減（ldw）的基礎(chǔ)上，加入常數(shù)擾動，使慣性權(quán)重大幅增大，以便于跳出局部搜索，進(jìn)行全局搜索，從而防止局部收斂；其次，為盡可能的避免粒子群算法出現(xiàn)粒子高度聚集在最優(yōu)粒子的周圍的情況，使得粒子趨于相同以致于大大損失粒子群的多樣性，一定概率的自適應(yīng)的改變慣性權(quán)重并混入隨機(jī)個(gè)體，以便于更好的保持種群多樣性、、最后，在matlab2010agui平臺下采用幾種不同的粒子群算法進(jìn)行仿真試驗(yàn)。仿真結(jié)果表明，在相同條件下改進(jìn)的粒子群算法能夠?qū)さ礁_的解。

首次將量子粒子群優(yōu)化算法用于水電系統(tǒng)經(jīng)濟(jì)運(yùn)行研究中。該算法是量子理論與粒子群算法的融合,在粒子編碼過程中引入了量子的態(tài)矢量表達(dá),并將量子比特的概率幅表示應(yīng)用于粒子的編碼,使得粒子可以表達(dá)為多個(gè)態(tài)的疊加;在粒子更新操作過程中,利用量子邏輯門實(shí)現(xiàn)了粒子的演化,具有比常規(guī)粒子群算法更好的目標(biāo)優(yōu)化性能。仿真結(jié)果證實(shí)該算法可有效解決水電機(jī)組經(jīng)濟(jì)運(yùn)行問題。性能對比顯示,該算法求得的解優(yōu)于常規(guī)粒子群算法及其它優(yōu)化算法所求得的解。

船舶電力系統(tǒng)網(wǎng)絡(luò)重構(gòu)本質(zhì)上是帶約束的多目標(biāo)組合優(yōu)化問題。針對船舶電網(wǎng)重構(gòu)問題的特點(diǎn),建立了船舶電力網(wǎng)絡(luò)的無向圖模型;在此基礎(chǔ)上,進(jìn)一步建立了以負(fù)荷恢復(fù)量、開關(guān)操作次數(shù)和發(fā)電機(jī)效率均衡性為優(yōu)化目標(biāo)的船舶電力系統(tǒng)多目標(biāo)重構(gòu)模型;提出了一種結(jié)合\"背包策略\"和模擬退火算子的改進(jìn)粒子群算法進(jìn)行求解。其中\(zhòng)"背包策略\"可以明顯提高粒子群算法的搜索起點(diǎn)和加快收斂速度;模擬退火算子能夠很好地提高粒子群算法的局部搜索能力和克服粒子群算法易于陷入局部最優(yōu)解的缺點(diǎn)。測試算例結(jié)果表明,利用所提方法能夠獲得更好、更完備的船舶電力系統(tǒng)重構(gòu)方案,算法具有較好的優(yōu)化性能。

第28卷第19期電網(wǎng)技術(shù)vol.28no.19 2004年10月powersystemtechnologyoct.2004 文章編號：1000-3673（2004）19-0014-06中圖分類號：tm715文獻(xiàn)標(biāo)識碼：a學(xué)科代碼：470·4054 粒子群優(yōu)化算法在電力系統(tǒng)中的應(yīng)用 袁曉輝1，王乘1，張勇傳1，袁艷斌2 （1．華中科技大學(xué)，湖北省武漢市430074；2．武漢理工大學(xué)，湖北省武漢市430071） asurveyonapplicationofparticleswarmoptimization toelectricpowersystems yuanxiao-hui1，wangcheng1，zhangyong-chuan1，yuanya

隨著電力系統(tǒng)規(guī)模的日益擴(kuò)大和電力市場改革的實(shí)施，保證電力系統(tǒng)安全、經(jīng)濟(jì)、穩(wěn)定、可靠地運(yùn)行越來越重要。本文對pso算法在電力系統(tǒng)中應(yīng)用的研究現(xiàn)狀進(jìn)行了較為全面的總結(jié)，主要包括在電網(wǎng)擴(kuò)展規(guī)劃、檢修計(jì)劃、機(jī)組組合、負(fù)荷經(jīng)濟(jì)分配、最優(yōu)潮流計(jì)算與無功優(yōu)化控制、諧波分析與電容器配置、網(wǎng)絡(luò)狀態(tài)估計(jì)、參數(shù)辨識、優(yōu)化設(shè)計(jì)等方面的應(yīng)用研究成果。

為科學(xué)求解梯級水電站群多目標(biāo)優(yōu)化調(diào)度模型,提出一種基于量子行為進(jìn)化機(jī)制的多目標(biāo)量子粒子群算法(moqpso)。該方法以標(biāo)準(zhǔn)量子粒子群算法(qpso)為基礎(chǔ),引入外部檔案集合存儲非劣粒子,利用個(gè)體支配關(guān)系實(shí)現(xiàn)檔案集合的動態(tài)更新維護(hù);依據(jù)個(gè)體領(lǐng)導(dǎo)能力優(yōu)劣選擇粒子歷史最優(yōu)位置與種群全局最優(yōu)位置,維持搜索過程中個(gè)體進(jìn)化方向的多樣性;采用混沌變異算子對個(gè)體進(jìn)行局部擾動,提升算法的全局收斂性能。烏江流域模擬調(diào)度結(jié)果表明,所提方法具有良好的收斂速度與尋優(yōu)能力,可快速獲得兼顧梯級水電系統(tǒng)經(jīng)濟(jì)性與可靠性要求的pareto解集,能夠?yàn)楣こ倘藛T提供科學(xué)的決策依據(jù)。

介紹了標(biāo)準(zhǔn)粒子群算法的基本思想,提出了鋼框架抗震優(yōu)化設(shè)計(jì)的量子粒子群算法,建立了多層鋼框架優(yōu)化設(shè)計(jì)數(shù)學(xué)模型,最后通過一個(gè)算例驗(yàn)證了該方法的效率和有效性,結(jié)果表明該方法科學(xué)可行,具有很好的應(yīng)用前景。

電力系統(tǒng)機(jī)組組合問題的改進(jìn)粒子群優(yōu)化算法

為優(yōu)化電力市場競價(jià),以發(fā)電機(jī)組實(shí)際報(bào)價(jià)結(jié)算購電費(fèi)用最低為目標(biāo)函數(shù),提出了基于粒子群算法的電力市場競價(jià)方法。算例仿真計(jì)算的結(jié)果表明,在滿足電力系統(tǒng)多種約束的前提下,能取得較好的收斂結(jié)果,進(jìn)一步驗(yàn)證算法的正確性和有效性。

盾構(gòu)掘進(jìn)優(yōu)化能夠提高施工的穩(wěn)定性,確保施工效率和施工質(zhì)量,因此,將改進(jìn)粒子群算法應(yīng)用于盾構(gòu)掘進(jìn)施工優(yōu)化中.文章分析了盾構(gòu)掘進(jìn)施工參數(shù)對施工質(zhì)量的影響,并設(shè)計(jì)了施工優(yōu)化的數(shù)學(xué)模型;研究了改進(jìn)粒子群算法,提出了慣性權(quán)重的調(diào)節(jié)算法和設(shè)計(jì)盾構(gòu)掘進(jìn)施工優(yōu)化的算法流程;最后進(jìn)行了盾構(gòu)掘進(jìn)施工優(yōu)化的仿真分析.結(jié)果表明:該算法能夠有效地控制盾構(gòu)掘進(jìn)施工的沉降量,從而確保了盾構(gòu)掘進(jìn)施工質(zhì)量.

提出了一種基于進(jìn)化機(jī)制的ebg(electromagneticbandgap)結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法,該方法結(jié)合改進(jìn)的簡化粒子群算法ispso(improvedsimpleparticleswarmoptimization)和電磁仿真軟件ie3d,實(shí)現(xiàn)ebg結(jié)構(gòu)自動優(yōu)化設(shè)計(jì),使其達(dá)到設(shè)計(jì)指標(biāo)。算法實(shí)現(xiàn)過程中,ebg結(jié)構(gòu)的幾何參數(shù)通過外部改進(jìn)的粒子群優(yōu)化算法來優(yōu)化設(shè)計(jì),結(jié)構(gòu)特性的仿真通過電磁仿真軟件ie3d來完成的。利用ispso/ie3d方法優(yōu)化設(shè)計(jì)了一個(gè)ebg結(jié)構(gòu),仿真試驗(yàn)表明該ebg結(jié)構(gòu)性能優(yōu)異,進(jìn)而也驗(yàn)證了ispso/ie3d自動設(shè)計(jì)方法對ebg結(jié)構(gòu)設(shè)計(jì)的有效性。最后將該ebg結(jié)構(gòu)用于微帶天線設(shè)計(jì)中,提高了天線的性能。

濟(jì)鋼的氧氣系統(tǒng)一直存在著供需不平衡的問題,導(dǎo)致氧氣放散率高,影響經(jīng)濟(jì)效益。通過對氧氣系統(tǒng)的生產(chǎn)、存儲和使用等環(huán)節(jié)進(jìn)行綜合分析,以氧氣放散率最低,經(jīng)濟(jì)效益最大為目標(biāo)函數(shù),建立氧氣系統(tǒng)優(yōu)化調(diào)度的模型,并利用改進(jìn)的粒子群算法求得最優(yōu)解,取得了良好的效果。

針對火電系統(tǒng)生產(chǎn)過程中的環(huán)境污染問題,提出以火電系統(tǒng)節(jié)能環(huán)保為重點(diǎn)研究對象的多目標(biāo)優(yōu)化調(diào)度模型,并以改進(jìn)的粒子群算法進(jìn)行求解。結(jié)合灰色系統(tǒng)理論中有關(guān)灰色關(guān)聯(lián)度的概念對粒子群算法多目標(biāo)求解機(jī)制進(jìn)行改進(jìn),對煤耗量、污染氣體和煙塵排放等的多目標(biāo)火電系統(tǒng)優(yōu)化求解,引入壓縮因子改善粒子群算法的性能,增強(qiáng)其全局收斂能力。通過ieee14節(jié)點(diǎn)系統(tǒng)算例證明本算法的有效性。

為提高電力系統(tǒng)短期負(fù)荷預(yù)測的精度,引入一種新型的群智能方法——粒子群優(yōu)化算法,并將這種智能算法與bp算法相結(jié)合,形成了粒子群優(yōu)化bp算法模型,建立了計(jì)及氣象因素的短期負(fù)荷預(yù)測模型.通過具體算例將此模型與單純的bp模型進(jìn)行比較,結(jié)果表明:該算法具有較高的預(yù)測精度,完全能滿足實(shí)際工程的要求.

在物聯(lián)網(wǎng)時(shí)代利用計(jì)算機(jī)信息技術(shù)與通信技術(shù),基于粒子群算法可實(shí)現(xiàn)對電力調(diào)度分級管理的技術(shù)手段。本文在應(yīng)用現(xiàn)代微電子技術(shù)、通信技術(shù)和控制理論的基礎(chǔ)上,選取常用測試函數(shù)的兩種方式利用軟件matlab完成測試與驗(yàn)證。通過粒子群算法,按照調(diào)度分級管理劃分的范圍,實(shí)現(xiàn)電力系統(tǒng)最優(yōu)化的信息收集與交換、安全監(jiān)視和控制、經(jīng)濟(jì)運(yùn)行和維護(hù),力求保障各電力控制功能的自動協(xié)調(diào),有效防止了算法陷入局部最優(yōu),輔助調(diào)度人員正常穩(wěn)定的指揮電力系統(tǒng)的生產(chǎn)運(yùn)行。

針對粒子群算法易陷入局部最優(yōu)的缺點(diǎn),提出了一種雙適應(yīng)度方法、動態(tài)鄰域算子和隨機(jī)動態(tài)調(diào)整慣性權(quán)重機(jī)制有機(jī)結(jié)合的混合改進(jìn)策略。算例計(jì)算表明,該改進(jìn)策略能增強(qiáng)粒子的局部收斂能力,加快算法的收斂速度,便于處理復(fù)雜約束條件,為求解具有復(fù)雜約束條件的非線性規(guī)劃問題提供了一種簡單有效的方法。文中探討了梯級水電站優(yōu)化調(diào)度的相關(guān)問題,考慮了豐枯分時(shí)電價(jià)因素,建立了梯級水電站長期優(yōu)化調(diào)度數(shù)學(xué)模型,并應(yīng)用改進(jìn)粒子群算法進(jìn)行求解。實(shí)際梯級水電站計(jì)算表明,該模型使枯水期大部分時(shí)間出力均勻平穩(wěn),豐水期能兼顧防洪和蓄水的不同要求,有利于電力系統(tǒng)的穩(wěn)定運(yùn)行。改進(jìn)粒子群算法計(jì)算速度快、收斂精度高,為梯級水電站長期優(yōu)化調(diào)度提供了一種簡單實(shí)用的求解方法。

粒子群優(yōu)化算法是通過粒子記憶、追隨當(dāng)前最優(yōu)粒子,并不斷更新自己的位置和速度來尋找問題的最優(yōu)解。為了克服標(biāo)準(zhǔn)粒子群算法存在著早熟收斂、難以處理問題約束條件等缺點(diǎn),本研究對遞減慣性權(quán)值進(jìn)行了改進(jìn),將其表示為粒子群進(jìn)化速度與群體平均適應(yīng)度方差的函數(shù);給出了適合pso算法的約束處理機(jī)制,提出了一種改進(jìn)自適應(yīng)粒子群算法,并將其應(yīng)用于水庫優(yōu)化調(diào)度中。實(shí)例計(jì)算并與經(jīng)典方法相比,表明該方法原理簡單、易編程實(shí)現(xiàn),能以較快的速度收斂于全局最優(yōu)解。

提出了一種利用改進(jìn)粒子群算法來解決變電站選址定容的問題,在改進(jìn)的方法中,通過對基本粒子群算法的慣性權(quán)值的研究和測試,將其由一個(gè)定值變?yōu)橐粋€(gè)隨著迭代次數(shù)而變化的量,有效的解決了粒子群算法在局部收斂上的問題;在模型上,將一些在選址定容中不可量化的因素引用到模型中,使量化因素和非量化因素緊密結(jié)合,共同作用于選址過程,使其科學(xué)合理;并通過實(shí)例規(guī)劃實(shí)例驗(yàn)證了該文所提模型和方法正確性和有效性。

基于改進(jìn)粒子群算法的水電站水庫優(yōu)化調(diào)度研究——針對粒子群優(yōu)化算法容易陷入局部最優(yōu)解的問題，提出一種基于模擬退火機(jī)制的改進(jìn)粒子群優(yōu)化算法，并將其引入水庫調(diào)度領(lǐng)域，設(shè)計(jì)了基于該算法的水電站水庫優(yōu)化調(diào)度問題的求解方法。計(jì)算實(shí)例表明，該方法采用并行搜...

以自動門的控制系統(tǒng)中的主要的受控對象無刷直流電動機(jī)為研究對象,對其速度控制進(jìn)行了深入的研究。首先對無刷直流電動機(jī)的參數(shù)和結(jié)構(gòu)進(jìn)行分析,建立起數(shù)學(xué)模型,然后將粒子群群算法與pid控制相結(jié)合,應(yīng)用于電機(jī)的速度控制,使得自動門的開門關(guān)門速度和時(shí)間可以快速地響應(yīng)外部要求,達(dá)到控制要求。

針對高維、復(fù)雜的梯級水庫優(yōu)化調(diào)度在求解時(shí)易出現(xiàn)\"維數(shù)災(zāi)\"或陷入局部最優(yōu)解的問題,本文提出了基于免疫進(jìn)化算法的粒子群優(yōu)化算法,該算法充分利用了免疫進(jìn)化算法的全局搜索特性和粒子群算法的局部搜索能力,克服了粒子群尋優(yōu)中對初始種群的依賴和易陷入局部最優(yōu)的不足。通過實(shí)例計(jì)算表明,應(yīng)用該算法求解梯級水庫優(yōu)化調(diào)度問題,結(jié)果可靠、合理,計(jì)算效率高,從而為求解高維,復(fù)雜的梯級水庫優(yōu)化調(diào)度提供了新的思路。

針對基本混合蛙跳算法收斂速度慢,優(yōu)化精度低的問題,提出了改進(jìn)的混合蛙跳算法:通過引入自適應(yīng)因子,保持了算法開發(fā)與探索的平衡,維持了種群的多樣性,提高了個(gè)體向局部最優(yōu)或全局最優(yōu)個(gè)體學(xué)習(xí)的能力,加快了算法的收斂速度。通過對4個(gè)測試函數(shù)和電力系統(tǒng)中經(jīng)濟(jì)調(diào)度問題進(jìn)行優(yōu)化實(shí)驗(yàn),并與基本混合蛙跳算法和相關(guān)文獻(xiàn)中的改進(jìn)算法進(jìn)行比較,實(shí)驗(yàn)結(jié)果表明所提出的改進(jìn)算法取得了更加理想的運(yùn)算結(jié)果,具有更好的優(yōu)化性能。