基于人工鱼群算法的最优潮流计算

提出了基于人工鱼群优化算法(AFSA)的最优潮流(OPF)计算方法;算法结合动态调整罚函数的方式,将最优潮流问题转化为一个无约束求极值问题,有效提高了算法的全局收敛能力和计算精度。应用此算法对标准IEEE30节点的电力系统进行最优潮流计算,并与粒子群算法和遗传算法进行了比较,仿真结果表明,该算法能够更好地获得全局最优解,具有实用意义。

基于改进粒子群优化算法的最优潮流计算

提出应用粒子群优化算法(PSO)求解最优潮流问题(OPF),并结合动态调整罚函数法将最优潮流问题转化成一个无约束求极值问题,有效提高了PSO算法的全局收敛能力和计算精度。应用此算法对标准IEEE30节点系统进行潮流计算,并与线性规划算法和遗传算法进行了比较,结果表明,该算法能够更好地获得全局最优解,具有实用意义。

基于混合优化算法的最优潮流计算

应用粒子群(PSO)与人工鱼群(ASFA)混合优化算法求解最优潮流(OPF)问题[1];该算法利用ASFA良好的全局收敛性与PSO的局部快速收敛性等优点,结合动态调整罚函数,将最优潮流问题转化为一个无约束求极值问题。最后,应用此算法对IEEE-30系统进行仿真,并与遗传算法、标准PSO算法、ASFA算法进行比较,结果表明该混合算法具有更好的优化性能。