一种混合聚类的粒子群差分进化算法

针对差分进化算法在运行后期收敛速度慢和容易陷入局部最优的不足,提出一种混合聚类的粒子群差分进化算法.利用一步K-均值聚类算法改进粒子群优化算法的速度更新,使用线性递减的选择概率将改进后的粒子群算法与差分进化算法相融合,并在一定条件下对种群中部分较差个体进行重置.对9个典型测试函数的数值试验和与其他三种进化算法的比较结果表明:所提算法收敛速度快,寻优能力强并且鲁棒性好.

基于粒子群和差分进化算法的含分布式电源配电网故障区段定位

配电网中引入分布式电源将导致传统的故障区段定位方法不再适用。通过构建新的开关函数,提出了基于二进制混合算法的配电网故障区段定位方法。该方法可动态适应分布式电源的投切,在进行多重故障定位时只需确定一次正方向,利用双种群进化策略和信息交换机制实现了粒子群和差分进化算法的混合。算例分析结果表明该方法能够对含分布式电源的配电网中的单一和多重故障进行准确定位,并且具有一定的容错性和高效性。

新安江模型参数优选的改进粒子群算法

借鉴竞争演化和多种群混合的思想,对粒子群算法(PSO)进行改进,建立并行种群混合进化的粒子群算法(PMSE-PSO)和序列主-从种群混合进行的粒子群算法(SMSE-PSO)。数值模拟结果表明,这两种改进的粒子群算法具有较高的计算效率、较强的自适应性和稳定性。将PMSE-PSO和SMSE-PSO应用于新安江模型的参数优选中,通过与PSO和SCE-UA的比较可以看出,PMSE-PSO和SMSE-PSO不仅具有较好的全局优化性能和稳定性,而且在调用目标函数次数相同的情况下精度较高,是一种有效的新安江模型参数优选方法。

基于函数型特征数据的光伏短期功率预测方法

短期光伏发电功率预测对电网的安全、经济和稳定运行具有重要的意义。随着"互联网+"和"大数据时代"的到来,光伏电站收集的数据更加密集和连续,呈现出函数型特性。目前,光伏发电预测研究还局限于稀疏、离散的传统数据。针对具有函数型特征的min级数据对光伏电站短期功率进行预测。首先,通过傅里叶基函数变换将具有函数型特征的离散数据转化为函数型数据;利用函数主成分分析将数据降维,得到少量函数主成分特征向量,使用高斯混合模型—最大期望算法对特征向量聚类,结合天气信息验证聚类的效果;然后使用改进PSO-ELM算法分别对聚类得到的典型场景进行预测;最后,通过四川某地区实例验证了模型的有效性。

一种计及需求侧竞价的非合作信息完全环境下的发电机组竞价方法研究

为了充分考虑需求响应对发电机组竞价策略的影响,提出了一种计及需求侧竞价的非合作信息完全环境下的发电机组竞价模型,考虑了自身成本、对方的报价行为、需求侧用户的报价行为及电网运行等限制约束。上层模型描述了在发电商非合作信息完全博弈环境下的收益,下层模型描述了不计入网损安全约束经济调度出清。并同时提出了一种基于混合混沌萤火虫-粒子群算法的博弈理论方法求解该双层模型,用于提高算法的收敛性能及更好地反映发电商的报价行为。最后,采用标准IEEE30节点系统验证了所提算法在求解计及需求侧竞价的发电侧策略双层模型时的优越性,为计及需求侧竞价的发电机组竞价方法提供验证。

基于目标蓄水量的限制供水规则模型研究

就如何确定最优的限制供水启动标准、停止条件以及限制供水量这三个限制供水规则研究的核心问题,建立了一种新的基于目标蓄水量的限制供水规则模型,该模型由两时段模型和目标蓄水量模拟优化模型构成,前者在给定的各时段目标蓄水量条件下求解限制供水规则,后者以解得的限制供水规则为基础优化各时段目标蓄水量.从理论上给出了考虑约束条件的限制供水规则解析表达式,同时采用主-从种群混合进化的粒子群算法对模型进行求解.在徐家河水库调度实例中,将模型与动态规划、标准运行策略和调度图方法调度结果进行了对比,结果表明了新模型的合理性及有效性.

基于双启动标准的限制供水解析规则

建立了一种基于双启动标准的限制供水解析规则.新规则由3个子规则组成,并考虑了未来潜在缺水量与当前可利用水量的关系.首先通过时段初蓄水量与时段末两级目标蓄水量的关系决定潜在缺水量,从而确定调用何种子规则;然后在每个子规则中,根据当前可利用水量决定是否启动限制供水.从理论上给出了新规则的解析表达式,同时采用主-从种群混合进化的粒子群算法优化规则参数.徐家河水库供水调度的实例研究表明:新规则具有一定的合理性和有效性,结果明显优于标准运行策略、调度图以及常规连续型限制供水规则.