基于群智能算法对比的城市配电网故障停电预测研究

随着我国电网的发展规模逐渐扩大,对于城市配电网的安全性能要求也越来越高。需要实时监测电网结构,从而准确判断故障区域以及进行停电预测。因此,基于电网故障信息源,提出了1种群智能算法下的混合蛙跳算法(SLFA),并使用粒子群优化(PSO)算法和未来搜索算法(FSA)作为比较。通过对3种算法的常规性能指数进行测试,发现SLFA相比于另外2种算法,拥有运行时间长、结果正确率高、受初值影响小、收敛精度高的优势。因此,SLFA能够广泛应用于城市配电网的故障检测和停电预测,为城市电网的安全运行提供保障。

粒子群优化鱼群算法仿真分析

针对标准粒子群算法(PSO)寻优多维多极值函数成功率低,基本人工鱼群算法(AFSA)收敛速度和精度有待提高等问题,提出粒子群优化鱼群算法(PSO-FSA).该算法将速度惯性、个体记忆和个体间交流等特征引入鱼群算法,使鱼群行为模式扩充至追尾、聚群、记忆、交流以及觅食.此外,定义参数max动态限定鱼群搜索的视野和步长.仿真分析表明,粒子群优化鱼群算法较两种基本算法而言具有更快的收敛速度和寻优精度.