采用改进的粒子群算法进行无功优化

针对电力系统中具有高度复杂约束条件的无功优化问题,提出一种改进的粒子群算法(IPSO)。根据粒子适应度确定粒子的速度范围,对全局最优的粒子进行克隆和变异,然后用疫苗接种算法种群中的较差粒子,有效地抑制了遗传算法在进化过程中出现的退化现象,能够提高粒子的质量,提高算法的收敛速度。对IEEE 57节点系统中的57个节点,用MATLAB进行实例分析,与遗传算法和标准粒子群算法相比,所提算法在搜索能力、收敛精度、收敛速度方面都有一定程度的提高,有效降低了电力系统无功损耗,优化了系统电压。

基于帝国竞争算法的电网碳排放优化模型

针对传统电力系统碳排放评估过程中的不足,充分考虑发电和输电过程中的产生的碳能损耗,建立了基于比例分享的电网碳排放模型。以电力系统运行经济性以及安全性为首要条件,考虑电网损耗中的总碳排放率,建立起基于帝国竞争算法的电网碳排放优化模型。该模型在划分模型中的国家联盟过程中应用了模糊动态聚类分析的方法,并通过竞争度共享法来调节联盟中个体的竞争度,提高了全局寻优效果,防止了早熟以及局部收敛的问题。IEEE 57节点仿真实例验证了基于帝国竞争算法的电网碳排放优化模型在电网碳排放评估和优化领域的有效性。