混沌粒子群算法的火电厂厂级负荷在线优化分配

提出了一种改进混沌粒子群算法,将抛物线与混沌序列相融合产生惯性权重,并引入遗传算法中的交叉思想,增加种群中粒子的多样性.建立了考虑汽轮机阀点效应的火电厂经济负荷分配模型,并采用等概率负荷调整约束处理方法处理经济负荷分配中的约束条件,以40台机组经济负荷分配为例进行仿真计算.结果表明:与传统混沌粒子群算法相比,改进混沌粒子群算法优化后的煤耗成本最佳值约降低0.78%;通过与其他智能优化算法的对比,验证了所提出的改进算法具有更好的优化效果和鲁棒性.

电梯混合能源控制优化是对电梯、太阳能、蓄电池、超级电容等设备间的能量交换进行控制优化。根据电梯系统的特点，在满足电梯所需能量的前提下，以电网所需的耗电量最小为优化指标，建立电梯的混合能源优化目标函数。其中目标优化函数中的变量如0－1等非连续的开关变量，其混合能源管理优化过程是非线性变参数优化问题，难以用普通的解析方法进行计算。采用混沌粒子群算法的智能求解策略，通过对某电梯的仿真，验证了模型和算法的有效性。

在无功优化、分布式电源(dg)有功优化和网络重构协同的条件下,以有功网损最小为目标函数、多种电气限制和网络拓扑结构为约束条件建立了配电网综合运行优化模型;针对基本粒子群算法容易陷入局部最优、收敛速度慢等缺点,提出一种改进的粒子群(ipso)算法,并将其用于求解配电网综合运行优化模型.结果表明,所建配电网综合运行优化模型能够同时优化补偿电容器投切容量、有载调压变压器变比、dg出力和网络开关状态,从而获得配电网的最佳运行状态.同时,通过ieee33节点配电网算例的仿真结果验证了配电网综合运行优化模型的有效性和ipso算法的高效性.

风一火电力系统联合优化调度是一个极其复杂的np问题，不易求解。，改进粒子群算法，并将其应用于风一火电力系统联合优化调度，提出了一种改进的惯性权重线性递减的粒子群算法。针对粒子群算法容易局部收敛的缺陷，、首先，本文在惯性权重线性递减（ldw）的基础上，加入常数扰动，使惯性权重大幅增大，以便于跳出局部搜索，进行全局搜索，从而防止局部收敛；其次，为尽可能的避免粒子群算法出现粒子高度聚集在最优粒子的周围的情况，使得粒子趋于相同以致于大大损失粒子群的多样性，一定概率的自适应的改变惯性权重并混入随机个体，以便于更好的保持种群多样性、、最后，在matlab2010agui平台下采用几种不同的粒子群算法进行仿真试验。仿真结果表明，在相同条件下改进的粒子群算法能够寻到更精确的解。

盾构掘进优化能够提高施工的稳定性,确保施工效率和施工质量,因此,将改进粒子群算法应用于盾构掘进施工优化中.文章分析了盾构掘进施工参数对施工质量的影响,并设计了施工优化的数学模型;研究了改进粒子群算法,提出了惯性权重的调节算法和设计盾构掘进施工优化的算法流程;最后进行了盾构掘进施工优化的仿真分析.结果表明:该算法能够有效地控制盾构掘进施工的沉降量,从而确保了盾构掘进施工质量.

为了提高接地网腐蚀故障诊断的精度和效率,提出基于混沌粒子群算法的分块诊断方法;根据节点撕裂法将接地网分成若干个子网络和自由支路,建立分块多目标优化模型,并采用混沌粒子群优化算法对诊断模型进行求解;利用matlab对算例进行仿真计算得到的诊断结果与实际故障倍数差都在±0.5之间,能够有效地判断出接地网腐蚀故障的情况,是一种可行的牵引变电所接地网腐蚀故障诊断方法。

提出了一种基于进化机制的ebg(electromagneticbandgap)结构优化设计方法,该方法结合改进的简化粒子群算法ispso(improvedsimpleparticleswarmoptimization)和电磁仿真软件ie3d,实现ebg结构自动优化设计,使其达到设计指标。算法实现过程中,ebg结构的几何参数通过外部改进的粒子群优化算法来优化设计,结构特性的仿真通过电磁仿真软件ie3d来完成的。利用ispso/ie3d方法优化设计了一个ebg结构,仿真试验表明该ebg结构性能优异,进而也验证了ispso/ie3d自动设计方法对ebg结构设计的有效性。最后将该ebg结构用于微带天线设计中,提高了天线的性能。

针对火电系统生产过程中的环境污染问题,提出以火电系统节能环保为重点研究对象的多目标优化调度模型,并以改进的粒子群算法进行求解。结合灰色系统理论中有关灰色关联度的概念对粒子群算法多目标求解机制进行改进,对煤耗量、污染气体和烟尘排放等的多目标火电系统优化求解,引入压缩因子改善粒子群算法的性能,增强其全局收敛能力。通过ieee14节点系统算例证明本算法的有效性。

通过电梯群控粒子群算法和技术工程分析．给出了算法原理、最优调度轿厢以响应层站呼叫的流程．得到基础参数的取法。结论电梯运行模式是决定电梯群控设计和最优调度的主要因素；在电梯群控诸多智能算法的评价函数中，主要由最短候梯时间决定最优调度轿厢。基于粒子群算法的电梯群控设计与量化分析例说明了上述结论。

介绍了混沌粒子群算法,并将其用于水库调度中,指出:混沌粒子群优化算法引入了混沌搜索机制,增加了粒子的多样性,扩大了搜索的范围,不仅保持了粒子群优化算法收敛速度快的优点,而且还增强了全局收敛能力,能避免陷入局部最优的情况,可以更好地解决水库优化调度的强约束、多阶段、非线性组合问题。

为降低变电站工频电场曝露水平,避免工作人员长期曝露其中可能造成的健康威胁,通过优化电站设备布局来降低一次设备周围近地面空间电场强度。建立220kv户外配电设备3维几何模型,采用软件仿真计算出220kv户外配电区电场分布,并将电场强度高于限值的设备区作为待优化区域。提出适用于变电站电场优化问题的粒子群优化算法的适应度函数和限制条件。以降低设备区外部电场分布作为优化目标,对其进行整体优化计算,在此基础上,以降低设备区内部高场强分布作为优化目标对相关设备位置进行微调。最后将计算所得最优电场分布与原电场分布进行对比,整体优化后的适应度函数值减小了83.4%,局部优化后适应度函数值再次减小了29.1%。优化结果表明,利用粒子群算法对设备排布重新优化,可以在不增加建设成本的前提下降低目前变电站工频电场曝露水平。

为了优化极限学习机的参数,提高短期负荷预测的准确率,提出一种改进粒子群算法的极限学习机(cspso-elm)预测模型。该模型利用粒子群算法(particleswarmoptimization,pso)寻找极限学习机(elm)网络中最优的输入权值和隐层偏差值,得到输出权值矩阵,以达到减少随机参数误差的目的。同时引入混沌自适应策略,增强粒子群算法的多样性,防止粒子群陷入局部收敛。在充分考虑天气、湿度、假日因素和当地工业产值对预测结果的影响下,提出一种基于该方法的极限学习机预测模型。最后,针对扬州市高新区用电总量预测问题,通过与其它模型的对比实验,证明了改进的粒子群算法优化了极限学习机的参数结构,提高了电力负荷预测的精准度。

针对地铁区间隧道支护结构在施工期的安全性问题,结合地下结构变形监测和位移反分析技术,对隧道支护结构荷载的反演问题进行了探讨。研究了适合地铁隧道支护荷载反演分析的基础信息和荷载函数形式,并将粒子群算法引入到支护荷载的位移反分析求解中。算例表明,采用粒子群算法结合有限元技术将有效提高支护荷载反演分析计算的效率,可为隧道结构的信息化设计和施工提供参考。

为了确保电力系统建模的精确性和安全稳定分析的可靠性,进行输电线路参数辨识测试是1项重要的工作。粒子群算法是近几年来迅速发展起来并得到广泛应用的1种新型模拟进化优化算法。在简要介绍粒子群算法的基础上,将其应用于输电线路的参数辨识,并给出了参数辨识过程的理论分析,算例表明该算法具有可行性和有效性,对电力系统的发展有一定意义。

分析了大规模风电给电力系统实时调度所带来的若干问题,依据节能减排原则,以消纳风电最大化和火电机组一次能源消耗最小化为双重目标,建立了含大规模风电的实时调度模型。在量子粒子群算法基础上加入混沌初始化和混沌扰动,形成混沌量子粒子群优化算法。基于修改的ieee-118节点系统进行仿真计算,结果表明:建立的模型能在最大程度消纳风电的前提下,最大限度地减少一次能源消耗,达到节能减排的目的;采用的算法计算速度快、收敛性能好,满足实时性的要求。

济钢的氧气系统一直存在着供需不平衡的问题,导致氧气放散率高,影响经济效益。通过对氧气系统的生产、存储和使用等环节进行综合分析,以氧气放散率最低,经济效益最大为目标函数,建立氧气系统优化调度的模型,并利用改进的粒子群算法求得最优解,取得了良好的效果。

以自动门的控制系统中的主要的受控对象无刷直流电动机为研究对象,对其速度控制进行了深入的研究。首先对无刷直流电动机的参数和结构进行分析,建立起数学模型,然后将粒子群群算法与pid控制相结合,应用于电机的速度控制,使得自动门的开门关门速度和时间可以快速地响应外部要求,达到控制要求。

以洪家渡水电站为例,探讨了模拟退火粒子群算法(sapso)在水电站中长期优化调度中的应用方法及效果。结果表明:该算法可以求解具有复杂约束条件的非线性水库优化调度问题,并具备求解精度高、收敛速度快的优点,为解决水电站中长期优化调度问题提供了一种有效的方法。

针对最小二乘支持向量机在电力负荷预测应用中的参数优化问题,将改进粒子群算法引入到最小二乘支持向量机参数中,建立一种新型的电力负荷预测模型(ipso-lssvm)。首先将最小二乘支持向量机参数编码为粒子初始位置向量;然后通过粒子个体之间的信息交流、协作找到最小二乘支持向量机的最优参数,并针对标准粒子群算法的不足进行相应改进;最后将其应用于电力负荷建模与预测,并通过仿真对比实验测试其性能。实验结果表明,ipso-lssvm可以获得较高准确度的电力负荷预测结果,大幅度减少了训练时间,满足电力负荷在线预测要求。

针对高维、复杂的梯级水库优化调度在求解时易出现\"维数灾\"或陷入局部最优解的问题,本文提出了基于免疫进化算法的粒子群优化算法,该算法充分利用了免疫进化算法的全局搜索特性和粒子群算法的局部搜索能力,克服了粒子群寻优中对初始种群的依赖和易陷入局部最优的不足。通过实例计算表明,应用该算法求解梯级水库优化调度问题,结果可靠、合理,计算效率高,从而为求解高维,复杂的梯级水库优化调度提供了新的思路。

提出了一种利用改进粒子群算法来解决变电站选址定容的问题,在改进的方法中,通过对基本粒子群算法的惯性权值的研究和测试,将其由一个定值变为一个随着迭代次数而变化的量,有效的解决了粒子群算法在局部收敛上的问题;在模型上,将一些在选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紧密结合,共同作用于选址过程,使其科学合理;并通过实例规划实例验证了该文所提模型和方法正确性和有效性。

针对逆变控制系统中pid控制器参数整定困难的问题,提出了基于粒子群算法的逆变电路pid控制器设计方法。通过推导逆变电路模型得到逆变电路传递函数,以该传递函数作为pid控制对象,利用粒子群算法搜索pid参数。matlab仿真结果证明了该方法的可行性和优越性。与采用遗传算法相比较,该粒子群算法能更快的获得合适的pid控制参数,所需迭代次数更少。