混沌粒子群算法的火電廠廠級負(fù)荷在線優(yōu)化分配

提出了一種改進(jìn)混沌粒子群算法,將拋物線與混沌序列相融合產(chǎn)生慣性權(quán)重,并引入遺傳算法中的交叉思想,增加種群中粒子的多樣性.建立了考慮汽輪機閥點效應(yīng)的火電廠經(jīng)濟(jì)負(fù)荷分配模型,并采用等概率負(fù)荷調(diào)整約束處理方法處理經(jīng)濟(jì)負(fù)荷分配中的約束條件,以40臺機組經(jīng)濟(jì)負(fù)荷分配為例進(jìn)行仿真計算.結(jié)果表明:與傳統(tǒng)混沌粒子群算法相比,改進(jìn)混沌粒子群算法優(yōu)化后的煤耗成本最佳值約降低0.78%;通過與其他智能優(yōu)化算法的對比,驗證了所提出的改進(jìn)算法具有更好的優(yōu)化效果和魯棒性.

電梯混合能源控制優(yōu)化是對電梯、太陽能、蓄電池、超級電容等設(shè)備間的能量交換進(jìn)行控制優(yōu)化。根據(jù)電梯系統(tǒng)的特點，在滿足電梯所需能量的前提下，以電網(wǎng)所需的耗電量最小為優(yōu)化指標(biāo)，建立電梯的混合能源優(yōu)化目標(biāo)函數(shù)。其中目標(biāo)優(yōu)化函數(shù)中的變量如0－1等非連續(xù)的開關(guān)變量，其混合能源管理優(yōu)化過程是非線性變參數(shù)優(yōu)化問題，難以用普通的解析方法進(jìn)行計算。采用混沌粒子群算法的智能求解策略，通過對某電梯的仿真，驗證了模型和算法的有效性。

在無功優(yōu)化、分布式電源(dg)有功優(yōu)化和網(wǎng)絡(luò)重構(gòu)協(xié)同的條件下,以有功網(wǎng)損最小為目標(biāo)函數(shù)、多種電氣限制和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為約束條件建立了配電網(wǎng)綜合運行優(yōu)化模型;針對基本粒子群算法容易陷入局部最優(yōu)、收斂速度慢等缺點,提出一種改進(jìn)的粒子群(ipso)算法,并將其用于求解配電網(wǎng)綜合運行優(yōu)化模型.結(jié)果表明,所建配電網(wǎng)綜合運行優(yōu)化模型能夠同時優(yōu)化補償電容器投切容量、有載調(diào)壓變壓器變比、dg出力和網(wǎng)絡(luò)開關(guān)狀態(tài),從而獲得配電網(wǎng)的最佳運行狀態(tài).同時,通過ieee33節(jié)點配電網(wǎng)算例的仿真結(jié)果驗證了配電網(wǎng)綜合運行優(yōu)化模型的有效性和ipso算法的高效性.

風(fēng)一火電力系統(tǒng)聯(lián)合優(yōu)化調(diào)度是一個極其復(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)重并混入隨機個體，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。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。

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.

為了提高接地網(wǎng)腐蝕故障診斷的精度和效率,提出基于混沌粒子群算法的分塊診斷方法;根據(jù)節(jié)點撕裂法將接地網(wǎng)分成若干個子網(wǎng)絡(luò)和自由支路,建立分塊多目標(biāo)優(yōu)化模型,并采用混沌粒子群優(yōu)化算法對診斷模型進(jìn)行求解;利用matlab對算例進(jìn)行仿真計算得到的診斷結(jié)果與實際故障倍數(shù)差都在±0.5之間,能夠有效地判斷出接地網(wǎng)腐蝕故障的情況,是一種可行的牽引變電所接地網(wǎng)腐蝕故障診斷方法。

提出了一種基于進(jìn)化機制的ebg(electromagneticbandgap)結(jié)構(gòu)優(yōu)化設(shè)計方法,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,實現(xiàn)ebg結(jié)構(gòu)自動優(yōu)化設(shè)計,使其達(dá)到設(shè)計指標(biāo)。算法實現(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,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)計了一個ebg結(jié)構(gòu),仿真試驗表明該ebg結(jié)構(gòu)性能優(yōu)異,進(jìn)而也驗證了ispso/ie3d自動設(shè)計方法對ebg結(jié)構(gòu)設(shè)計的有效性。最后將該ebg結(jié)構(gòu)用于微帶天線設(shè)計中,提高了天線的性能。

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,增強其全局收斂能力。通過ieee14節(jié)點系統(tǒng)算例證明本算法的有效性。

通過電梯群控粒子群算法和技術(shù)工程分析．給出了算法原理、最優(yōu)調(diào)度轎廂以響應(yīng)層站呼叫的流程．得到基礎(chǔ)參數(shù)的取法。結(jié)論電梯運行模式是決定電梯群控設(shè)計和最優(yōu)調(diào)度的主要因素；在電梯群控諸多智能算法的評價函數(shù)中，主要由最短候梯時間決定最優(yōu)調(diào)度轎廂?；诹Ｗ尤核惴ǖ碾娞萑嚎卦O(shè)計與量化分析例說明了上述結(jié)論。

介紹了混沌粒子群算法,并將其用于水庫調(diào)度中,指出:混沌粒子群優(yōu)化算法引入了混沌搜索機制,增加了粒子的多樣性,擴大了搜索的范圍,不僅保持了粒子群優(yōu)化算法收斂速度快的優(yōu)點,而且還增強了全局收斂能力,能避免陷入局部最優(yōu)的情況,可以更好地解決水庫優(yōu)化調(diào)度的強約束、多階段、非線性組合問題。

為降低變電站工頻電場曝露水平,避免工作人員長期曝露其中可能造成的健康威脅,通過優(yōu)化電站設(shè)備布局來降低一次設(shè)備周圍近地面空間電場強度。建立220kv戶外配電設(shè)備3維幾何模型,采用軟件仿真計算出220kv戶外配電區(qū)電場分布,并將電場強度高于限值的設(shè)備區(qū)作為待優(yōu)化區(qū)域。提出適用于變電站電場優(yōu)化問題的粒子群優(yōu)化算法的適應(yīng)度函數(shù)和限制條件。以降低設(shè)備區(qū)外部電場分布作為優(yōu)化目標(biāo),對其進(jìn)行整體優(yōu)化計算,在此基礎(chǔ)上,以降低設(shè)備區(qū)內(nèi)部高場強分布作為優(yōu)化目標(biāo)對相關(guān)設(shè)備位置進(jìn)行微調(diào)。最后將計算所得最優(yōu)電場分布與原電場分布進(jìn)行對比,整體優(yōu)化后的適應(yīng)度函數(shù)值減小了83.4%,局部優(yōu)化后適應(yīng)度函數(shù)值再次減小了29.1%。優(yōu)化結(jié)果表明,利用粒子群算法對設(shè)備排布重新優(yōu)化,可以在不增加建設(shè)成本的前提下降低目前變電站工頻電場曝露水平。

為了優(yōu)化極限學(xué)習(xí)機的參數(shù),提高短期負(fù)荷預(yù)測的準(zhǔn)確率,提出一種改進(jìn)粒子群算法的極限學(xué)習(xí)機(cspso-elm)預(yù)測模型。該模型利用粒子群算法(particleswarmoptimization,pso)尋找極限學(xué)習(xí)機(elm)網(wǎng)絡(luò)中最優(yōu)的輸入權(quán)值和隱層偏差值,得到輸出權(quán)值矩陣,以達(dá)到減少隨機參數(shù)誤差的目的。同時引入混沌自適應(yīng)策略,增強粒子群算法的多樣性,防止粒子群陷入局部收斂。在充分考慮天氣、濕度、假日因素和當(dāng)?shù)毓I(yè)產(chǎn)值對預(yù)測結(jié)果的影響下,提出一種基于該方法的極限學(xué)習(xí)機預(yù)測模型。最后,針對揚州市高新區(qū)用電總量預(yù)測問題,通過與其它模型的對比實驗,證明了改進(jìn)的粒子群算法優(yōu)化了極限學(xué)習(xí)機的參數(shù)結(jié)構(gòu),提高了電力負(fù)荷預(yù)測的精準(zhǔn)度。

針對地鐵區(qū)間隧道支護(hù)結(jié)構(gòu)在施工期的安全性問題,結(jié)合地下結(jié)構(gòu)變形監(jiān)測和位移反分析技術(shù),對隧道支護(hù)結(jié)構(gòu)荷載的反演問題進(jìn)行了探討。研究了適合地鐵隧道支護(hù)荷載反演分析的基礎(chǔ)信息和荷載函數(shù)形式,并將粒子群算法引入到支護(hù)荷載的位移反分析求解中。算例表明,采用粒子群算法結(jié)合有限元技術(shù)將有效提高支護(hù)荷載反演分析計算的效率,可為隧道結(jié)構(gòu)的信息化設(shè)計和施工提供參考。

為了確保電力系統(tǒng)建模的精確性和安全穩(wěn)定分析的可靠性,進(jìn)行輸電線路參數(shù)辨識測試是1項重要的工作。粒子群算法是近幾年來迅速發(fā)展起來并得到廣泛應(yīng)用的1種新型模擬進(jìn)化優(yōu)化算法。在簡要介紹粒子群算法的基礎(chǔ)上,將其應(yīng)用于輸電線路的參數(shù)辨識,并給出了參數(shù)辨識過程的理論分析,算例表明該算法具有可行性和有效性,對電力系統(tǒng)的發(fā)展有一定意義。

分析了大規(guī)模風(fēng)電給電力系統(tǒng)實時調(diào)度所帶來的若干問題,依據(jù)節(jié)能減排原則,以消納風(fēng)電最大化和火電機組一次能源消耗最小化為雙重目標(biāo),建立了含大規(guī)模風(fēng)電的實時調(diào)度模型。在量子粒子群算法基礎(chǔ)上加入混沌初始化和混沌擾動,形成混沌量子粒子群優(yōu)化算法?；谛薷牡膇eee-118節(jié)點系統(tǒng)進(jìn)行仿真計算,結(jié)果表明:建立的模型能在最大程度消納風(fēng)電的前提下,最大限度地減少一次能源消耗,達(dá)到節(jié)能減排的目的;采用的算法計算速度快、收斂性能好,滿足實時性的要求。

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。

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)用于電機的速度控制,使得自動門的開門關(guān)門速度和時間可以快速地響應(yīng)外部要求,達(dá)到控制要求。

以洪家渡水電站為例,探討了模擬退火粒子群算法(sapso)在水電站中長期優(yōu)化調(diào)度中的應(yīng)用方法及效果。結(jié)果表明:該算法可以求解具有復(fù)雜約束條件的非線性水庫優(yōu)化調(diào)度問題,并具備求解精度高、收斂速度快的優(yōu)點,為解決水電站中長期優(yōu)化調(diào)度問題提供了一種有效的方法。

華北電力大學(xué)（保定） 碩士學(xué)位論文 基于粒子群算法的城市中壓配電網(wǎng)架優(yōu)化規(guī)劃研究 姓名：李林 申請學(xué)位級別：碩士 專業(yè)：電力系統(tǒng)及其自動化 指導(dǎo)教師：李燕青 20071219 基于粒子群算法的城市中壓配電網(wǎng)架優(yōu)化規(guī)劃研究 作者：李林 學(xué)位授予單位：華北電力大學(xué)(保定) 本文鏈接：http://d.g.wanfangdata.com.cn/thesis_y1455790.aspx

針對分布式能源接入配電網(wǎng)的經(jīng)濟(jì)調(diào)度問題,本文在考慮光伏、風(fēng)能、燃?xì)廨啓C及蓄電池等分布式能源接入配電網(wǎng)的基礎(chǔ)上,建立以配電網(wǎng)總成本最小為目標(biāo)函數(shù)的主動配電網(wǎng)的經(jīng)濟(jì)優(yōu)化調(diào)度模型,并將粒子群算法用于該調(diào)度問題的求解,最后通過算例仿真驗證調(diào)度的優(yōu)化性,大大提高了電網(wǎng)經(jīng)濟(jì)效益.

為優(yōu)化電力市場競價,以發(fā)電機組實際報價結(jié)算購電費用最低為目標(biāo)函數(shù),提出了基于粒子群算法的電力市場競價方法。算例仿真計算的結(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)一步驗證算法的正確性和有效性。

針對最小二乘支持向量機在電力負(fù)荷預(yù)測應(yīng)用中的參數(shù)優(yōu)化問題,將改進(jìn)粒子群算法引入到最小二乘支持向量機參數(shù)中,建立一種新型的電力負(fù)荷預(yù)測模型(ipso-lssvm)。首先將最小二乘支持向量機參數(shù)編碼為粒子初始位置向量;然后通過粒子個體之間的信息交流、協(xié)作找到最小二乘支持向量機的最優(yōu)參數(shù),并針對標(biāo)準(zhǔn)粒子群算法的不足進(jìn)行相應(yīng)改進(jìn);最后將其應(yīng)用于電力負(fù)荷建模與預(yù)測,并通過仿真對比實驗測試其性能。實驗結(jié)果表明,ipso-lssvm可以獲得較高準(zhǔn)確度的電力負(fù)荷預(yù)測結(jié)果,大幅度減少了訓(xùn)練時間,滿足電力負(fù)荷在線預(yù)測要求。