改进二进制粒子群算法在配电网重构中的应用

将混合蛙跳思想引入粒子群算法,并结合遗传算法中的选择交叉操作,提出一种改进二进制粒子群算法,来解决配电网重构中的问题。并且动态调整粒子速度更新公式中的惯性系数,使粒子能够随更新次数的变化动态改变全局和局部搜索能力,防止算法早熟,以找到全局最优解。文章最后对典型IEEE33节点算例进行仿真,并与遗传算法进行对比分析,结果表明该方法不仅能有效避免算法早熟、快速收敛,而且稳定性好。

基于改进二进制粒子群算法的配电网故障定位

为提高配电网故障定位的快速性和准确性,并克服传统二进制粒子群算法的早熟早敛问题,提出一种基于改进二进制粒子群算法的配电网故障定位算法.粒子群的初始化采用均匀分布,并引入压缩因子、变异因子以及线性递减的惯性权重来提高算法收敛于最优解的能力,然后通过算例仿真验证改进二进制粒子群算法的可行性和高效性.结果表明改进二进制粒子群算法计算速度快、容错性高,可以实现配电网多种故障情况的准确定位.

基于改进二进制粒子群算法的LFSR种子优化方法研究

为降低BIST测试功耗,采用一种改进的二进制粒子群算法对LFSR种子进行优选,使测试图形的长度得到减小进而降低了测试功耗;以ISCAS’85 benchmark电路作为测试对象,同时用粒子群算法和模拟退火算法进行实验,通过对比结果证明了该方法简单有效,可以在不增加硬件开销的情况下大幅度降低BIST测试功耗。

基于改进二进制粒子群算法的孤岛划分方法

当分布式电源(distributed generation,DG)发生孤岛效应并停止运行时,可能导致重要负荷供电中断、DG弃光率升高和配电网供电可靠性降低。提出了一种基于改进二进制粒子群算法的孤岛划分新方法。根据线路电阻确定停电区域内负荷与各DG的电气距离,将其划分为多个单DG初级孤岛,以降低算法复杂度、避免功率远距离输送;给出具有“移动”“寻优”“突变”特性的速度更新公式和逐级约束的位置更新公式,并利用其划分各初级孤岛,以避免算法陷入局部最优解,从而提高其寻优速度;调整不满足约束条件和存在孤岛融合的供电区域,以保证孤岛运行的稳定性和最优性,实现孤岛划分。利用MATLAB/Simulink搭建IEEE 69节点配电系统,验证了该方法的有效性。

基于改进二进制粒子群算法的配电网多目标重构

配电网重构作为配电自动化系统的一个重要组成部分,能够有效提高配电网运行的经济性和可靠性。提出以网络有功网损和网络电压偏移构建配电网重构的多目标数学模型,根据系统初始状态将各指标归一化处理,利用权重系数法将多目标重构问题转化为单目标问题。为克服二进制粒子群算法容易陷入局部最优而难以跳出的问题,将非线性动态调整的惯性权重系数引入到粒子速度更新公式之中,以提高二进制粒子群算法的全局搜索效率和收敛速度。算例结果验证了所提方法的有效性。

考虑光伏接入的配电网台区间拓扑优化的改进二进制粒子群方法

部分光伏无序、不科学接入现象的出现,增加了网络的有功功率损耗并降低了电能质量。配电台区间拓扑优化及其智能化发展为该类问题提供了解决思路,提出了一种基于改进二进制粒子群(modified binary particle swarm optimization,MBPSO)的配电台区间拓扑优化方法。首先,构建了考虑分布式光伏接入的配电台区间拓扑优化数学模型;然后,基于功率矩计算方法建立自适应负荷调整网络矩阵,在此基础上考虑种群进化特征,基于各粒子与最优粒子间的海明距离计算海明距离均值和分布因子,分别来改进二进制粒子群的惯性权重和学习因子,减少不可行解出现的概率,更好地平衡了算法的全局和局部寻优能力,提升算法搜索效率和收敛速度;最后,基于山东省某实际配电网等效拓扑,采用所提MBPSO算法对模型进行求解,算例结果验证了所提方法的可行性。

改进的二进制粒子群算法的传感器优化配置

传感器组合优化问题是设备状态检测系统设计的重要问题。在研究传感器与故障有向图的基础上,提出了传感器优化配置模型;根据传感器组合优化自身特点,从位改变率、惯性权重两个方面对BPSO算法进行了参数分析。结合免疫算法的"亲和度"思想以及非线性惯性权重递减公式,提出了改进的二进制粒子群算法。案例显示,改进的二进制PSO算法提高了算法在整个解空间的搜索能力,加快了收敛速度,能够很好地用于解决传感器优化问题。

粒子群改进算法在配电网故障定位中的应用

为了满足含分布式电源配电网故障定位的要求,对传统二进制粒子群算法进行改进,利用改进二进制粒子群算法(BPSO)解决配电网故障定位问题。改进BPSO初始化随机数采用均匀分布,同时引入收缩因子和线性变换的惯性权重来提升算法收敛于最优解的能力,避免陷入局部最优,提升故障定位的精确性。对算例配电网中的多种故障情形进行仿真分析,包含少量故障信息畸变的情况,诊断结论全部正确。仿真结果表明,改进算法在精确性和收敛速度上均优于传统粒子群算法,对含分布式电源的配电网故障定位具有一定的有效性和容错性。改进BPSO可以满足电网定位对准确和实时性的要求。

基于粒子群算法的配电网故障定位研究

本文以IEEE-33节点配电网作为仿真环境,分别采用经典二进制粒子群算法与改进二进制粒子群算法进行故障定位的仿真研究,结果表明本文提出的改进算法有更强的收敛性质. 前言:如今分布式电源的接入成为配电网的主要发展方向,在提高经济性与排放性的同时,却增加了故障发生的风险,传统配电网继电保护技术难以发挥作用.本文将讨论粒子群算法在配电网故障定位中的运用,借助该技术提高配电网故障定位的准确性与快速性.

基于同伦延拓的冗余机械臂逆运动学优化算法研究

目的针对偏置冗余机械臂的逆运动学,采用传统数值法存在依赖初始值、奇异位姿收敛性差等问题,提出一种改进数值法。方法首先将非线性方程组转化为同伦方程组,引入同伦延拓算法能够有效避免依赖初始值的问题,同时能够获取逆运动学解空间。然后考虑奇异位姿,将同伦方程组转化为最小二乘问题,采用Levenberg Marquardt算法对同伦方程组进行路径追踪,以获取逆运动学解空间。最后将关节极限避免问题映射为解空间优化问题,引入二进制改进粒子群优化算法,获得最优逆运动学解。结果实验结果表明,相较于传统数值法,文中所提数值法针对逆运动学求解具有更高的收敛率、更快的收敛速度,同时二进制改进粒子群算法能够有效避免关节极限问题。结论采用文中所提数值法求解逆运动学的精度较高,能够满足实时性要求,对于机械臂用于包装作业具有一定的理论意义和工程应用价值。

宽频域谐波谐振监测装置优化配置

近年来,宽频谐波谐振成为危害电力系统安全稳定运行的重要问题之一。为构建宽频域谐波谐振监测系统,提出一种基于电网拓扑结构的监测装置优化配置方法。首先,从谐波谐振可观性的角度定义综合节点关键度;然后,在保证电力系统关键线路发生N-1故障仍全网可观的前提下,以监测装置配置数目最低以及关键度最高为目标,构建0-1整数规划数学模型,并利用改进二进制粒子群算法求解模型得出最优配置方案;最后,通过IEEE 14、IEEE 30节点系统的仿真试验,验证所提算法的可靠性和经济性。

考虑时间尺度的含DG配电网故障动态恢复策略

提出了考虑分布式电源(Distributed generation,DG)随时间变化的动态模型来解决含分布式电源的配电网故障恢复问题。实际情况中不同类型DG的实时输出功率随时间变化,考虑将时间尺度拉长,进行多时段的动态故障恢复。选取故障恢复时段内损失电量之和最小为主要目标函数,开关操作次数最少作为次要目标函数。该算法首先利用改进二进制粒子群算法(Binary Particle Swarm Optimization,BPSO)求得辐射状网络结构,排除大量不可行解,然后利用所提出的基于最优故障恢复路径策略进行切负荷操作。最后通过枚举组合对最小开关次数进行求解,得出最优的开关操作方案。算例结果证明,进行配电网故障恢复时考虑主网和DG的动态配合,能够最大限度恢复供电。

基于IBPSO的非侵入式多负荷投切行为辨识方法

对多负荷投切行为的有效辨识,为了解用户用电行为,实现智能用电提供了有力支撑。首先,为解决多种负荷投切行为的辨识问题,提出改进的二进制粒子群优化算法(Improved Binary Particle Swarm Optimization,IBPSO),并在IBPSO的适应度函数中引入距离测度法。其次,针对单一负荷特征辨识精度并不理想的问题,融合电流谐波和有功功率作为负荷投切行为的特征。仿真结果表明,所提算法对多负荷投切行为的辨识在收敛速度和精度上都有所提高。

基于最大后验概率候选集更换法的多故障诊断策略研究

给出了一种基于最大后验概率候选集更换法的多故障诊断策略，并深入阐述了基于最大后验概率候选集更换法的形式化描述，分析了对单故障诊断和多故障诊断的计算模型，提出了基本的故障诊断算法——改进二进制粒子群算法，并对抽象实例进行验证，结果表明，采用改进BPSO算法能有效地求解基于最大后验概率候选集更换法的多故障诊断问题。

隶属函数与欧氏距离相结合的配电网优化重构

基于模糊数学隶属函数和空间欧氏距离,提出一种配电网多目标优化重构方法。从降低网络有功功率损耗和提高系统静态电压稳定性2个角度,建立配电网多目标优化重构模型,得到可同时降低网络有功损耗、提高线路功率传输裕度、减少节点电压偏移的重构方案。采用隶属函数将不同属性、不同量纲的多个目标转换为单目标满意度,再与欧氏距离相结合确定整体模糊满足度,将复杂多目标优化问题简化为单目标问题,避免了传统多目标问题权重选择的不准确性。采用改进开关状态更新、自适应惯性权重的二进制粒子群算法,综合分析满足约束条件、目标函数达到综合最优的重构结果。通过IEEE 33节点系统仿真,结果表明该方法的可行性和有效性。

基于ACBPSO的板级电路测试性优化设计

边界扫描布局优化是复杂系统测试性设计的重要内容,属于典型的组合优化问题。提出了一种基于自适应混沌二进制粒子群优化算法(ACBPSO)的板级电路测试性设计最小化优化方法。该算法利用混沌运动的遍历性来初始化粒子群参数,惯性权重则根据粒子群的早熟收敛程度自适应调整。随着算法迭代运行,离散粒子群算法(BPSO)的随机性越来越强,缺乏后期的局部搜索能力,故引入新的概率映射函数。仿真实例验证了该算法有效地克服了二进制粒子群的早熟收敛现象,提高了搜索效率,具有良好的优化效果。

融合核搜索的演化算法求解多维背包问题

多维背包问题(MKP)具NP难、约束强的特点,特别是高维MKP的求解比较困难.核问题的引入可以降低问题的维度,减少算法的搜索空间,提高效率.依据定标效用指标运用贪婪方法确定MKP的核问题,避免了使用收敛速度慢的优化算法.此外,在求解MKP的核问题阶段基于粒子群算法的寻优模式改进算法的位取值方式,减小了在进化过程中停滞于局部解的概率;并在算法中引入了局部搜索策略,以提高解决方案的质量.通过对高维MKP实例的测试,验证了算法在求解质量和效率方面的优势.

一种谐波量测点优化配置的两阶段算法

考虑实际系统中某些节点安装谐波量测装置的困难性、经济性以及谐波状态估计的准确性等问题,提出一种两阶段谐波量测点优化配置算法。第一阶段在保证电力系统谐波状态完全可观的前提下,以谐波量测装置数量最少为目标,运用改进二进制粒子群优化算法得到多组可行方案,针对二进制粒子群优化算法易陷于局部最优且收敛速度较慢的不足,结合谐波量测配置规则提出了两个粒子更新机制。第二阶段在第一阶段所得多组可行配置方案基础上,考虑估计精度和经济性确定一组最具有工程监测意义的配置方案。最后,采用IEEE14节点系统和IEEE30节点系统算例对所提方法进行了验证。

考虑交通网络流量的电动汽车充电站规划

充电站的合理选址和定容对电动汽车的规模化应用具有重要意义。考虑到充电站具有城市交通公共服务设施以及普通用电设施的双重属性,以俘获的交通流量最大、配电系统网络损耗最小以及节点电压偏移最小为目标,建立了充电站最优规划的一个多目标决策模型。首先,采用超效率数据包络分析评价方法,确定归一化后各个目标函数合理的权重系数,把多目标优化问题转换成单目标优化问题。之后,采用改进的二进制粒子群优化算法求解该单目标优化模型。最后,以33节点配电系统以及25节点交通网络为例,说明了所发展的模型和方法的基本特征。

基于多种负荷方式的含分布式电源的配电网重构

建立了含分布式电源的基于多种负荷方式(最大、最小和一般负荷方式)配电网重构模型,取折算后的综合网损最小的方案为最佳方案。对二进制粒子群算法(BPSO)按其适应值方差大小进行分类,对不同类别的粒子采取不同的进化策略和不同的自适应动态惯性权重,加快粒子收敛的速度;并引入遗传算法的变异操作,克服了粒子群算法易早熟的缺点。仿真结果表明,重构后系统的网损有较大降低,从而验证了所提算法的有效性。