基于改进标准钟方法和全时域仿真的电力系统安全性评估

在电力市场环境下,系统的安全性越来越受到人们的关注,但传统的可靠性评估方法可能难以发现系统运行中真正的危险所在。该文提出了一种基于改进标准钟方法(ISC)和全时域动态仿真的安全性评估方法,并采用双概率指标作为电力系统的安全性测度。仿真实践和结果说明了仿真方法的可行性及有效性,该仿真不仅能体现系统连续动态过程(如故障链锁演变);而且可以相对独立地评估出2个安全性指标。最后还基于仿真结果对复杂大系统中存在的所谓幂律(Power Law)在电力系统中的存在性进行了适当的分析。

采样粒子群优化模型及其动力学行为分析

本文提出一种变采样周期的粒子群优化模型,利用误差动力系统的李雅普诺夫函数分析优化行为的稳定性.通过粒子的轨迹分析,得出轨迹收敛的采样时间约束条件.算法收敛性理论分析结果表明该算法不能收敛到局部最优.针对多模态函数优化问题,提出一种基于量子群的变采样周期的粒子群优化模型.实验分析了采样周期对算法优化行为的影响.结果表明其相对于传统粒子群算法的优势.最后对基于量子群的采样子群优化算法的多极值寻优能力进行测试,结果表明其有效性.

多优解更新信息素的混合行为蚁群算法

蚁群算法在优化领域,尤其在组合优化问题中获得了较为成功的应用,然而它存在易于早熟收敛、搜索时间长等不足.针对该问题,提出了一种改进算法.该算法一方面在典型的状态转移规则中融合了一种随机选择策略,保证算法始终具有一定的探索能力;另一方面在搜索过程中保持一个优解池,通过交替使用池中最优解和其它次优解更新信息素,达到平衡算法强化搜索和分散搜索的目的.文中讨论了相关参数的选取方法,分析了所提算法的计算复杂度和收敛性,并针对典型的旅行商问题进行了仿真实验,结果表明该算法获得的解质量高于其他已有算法.

蚁群协同模式搜索算法及其收敛性分析

提出了一种解决无约束连续空间优化问题的蚁群协同模式搜索算法.该算法通过目标函数值启发式信息素引导群体进行区域搜索,而每个个体的模式搜索为算法提供进一步的局部搜索,其搜索结果以信息素融合的方式进行信息共享,为下一次的区域搜索提供依据.通过随机模式搜索算法理论得出了算法的收敛性定理.详细的测试结果体现算法的涌现智能特征,与其他算法的比较结果说明了算法的有效性及群体协同的优势.