以差分進化算法(de)為基本框架,結(jié)合混沌算法(ca)和蛙跳算法(slfa)各自局部搜索優(yōu)勢以及多核并行計算技術(shù)(pc),提出一種新的并行混合差分進化算法(phde),即將de與ca、slfa進行有機融合,分別對精英個體進行混沌局部搜索和對較差個體進行蛙跳局部更新,且差分進化運算、混沌局部搜索和蛙跳局部更新均采用pc,以有效縮短計算時間。phde具有三點優(yōu)勢:一是保留了de簡單易行、收斂迅速的特點;二是繼承了ca、slfa的遍歷性,能夠避免早熟收斂現(xiàn)象;三是通過合理的并行模式,有效降低了計算時間。典型測試函數(shù)表明了phde的可行性、高效性和魯棒性。實例研究表明,phde具有較好的優(yōu)化性能和計算效率,為高效求解水庫群優(yōu)化調(diào)度問題提供了一種可行途徑。

以水電站運行成本最小為目標(biāo),提出了一種用差分進化算法(differentialevolution,de)實現(xiàn)大型水電站最優(yōu)運行的方法。差分進化算法是一種基于群體的多目標(biāo)進化算法,通過群體內(nèi)個體間的合作與競爭產(chǎn)生的群體智能指導(dǎo)優(yōu)化搜索。將改進的方法應(yīng)用于水電站經(jīng)濟運行,模型考慮了機組能量特性差異,并能在旋轉(zhuǎn)備用、啟停成本、氣蝕振動區(qū)、機組可用性等約束條件下,制定出電站日內(nèi)96段最優(yōu)運行計劃。計算表明,該方法避免了動態(tài)規(guī)劃等算法處理多約束、大型優(yōu)化問題的困難,同時提高了進化算法的精度。

風(fēng)一火電力系統(tǒng)聯(lián)合優(yōu)化調(diào)度是一個極其復(fù)雜的np問題，不易求解。，改進粒子群算法，并將其應(yīng)用于風(fēng)一火電力系統(tǒng)聯(lián)合優(yōu)化調(diào)度，提出了一種改進的慣性權(quán)重線性遞減的粒子群算法。針對粒子群算法容易局部收斂的缺陷，、首先，本文在慣性權(quán)重線性遞減（ldw）的基礎(chǔ)上，加入常數(shù)擾動，使慣性權(quán)重大幅增大，以便于跳出局部搜索，進行全局搜索，從而防止局部收斂；其次，為盡可能的避免粒子群算法出現(xiàn)粒子高度聚集在最優(yōu)粒子的周圍的情況，使得粒子趨于相同以致于大大損失粒子群的多樣性，一定概率的自適應(yīng)的改變慣性權(quán)重并混入隨機個體，以便于更好的保持種群多樣性、、最后，在matlab2010agui平臺下采用幾種不同的粒子群算法進行仿真試驗。仿真結(jié)果表明，在相同條件下改進的粒子群算法能夠?qū)さ礁_的解。

通過綜合考慮發(fā)電費用最小及污染氣體排放量最小這兩個調(diào)度目標(biāo)建立了水火電力系統(tǒng)多目標(biāo)環(huán)境經(jīng)濟調(diào)度模型,并提出一種混合多目標(biāo)差分進化算法對模型進行求解。該算法針對多目標(biāo)優(yōu)化問題的特點對差分進化算法的算子進行了修正,并基于混沌序列提出一種參數(shù)自適應(yīng)調(diào)整策略以克服算法參數(shù)率定的難題。設(shè)計了一種二次變異算子來防止算法陷入局部最優(yōu)。針對不同類型約束特性提出一種約束處理方法。實例計算結(jié)果及對比分析驗證了所提方法的可行性和有效性,為實現(xiàn)水火電力系統(tǒng)實現(xiàn)經(jīng)濟與減排雙目標(biāo)均衡優(yōu)化提供了一條嶄新途徑。

為提高電力系統(tǒng)短期負(fù)荷預(yù)測的精度,引入一種新型的群智能方法——粒子群優(yōu)化算法,并將這種智能算法與bp算法相結(jié)合,形成了粒子群優(yōu)化bp算法模型,建立了計及氣象因素的短期負(fù)荷預(yù)測模型.通過具體算例將此模型與單純的bp模型進行比較,結(jié)果表明:該算法具有較高的預(yù)測精度,完全能滿足實際工程的要求.

針對梯級水電站優(yōu)化調(diào)度的復(fù)雜問題,結(jié)合差分進化算法和混合蛙跳算法各自優(yōu)勢,提出一種新的混合差分進化算法。該算法將差分進化策略嵌入到混合蛙跳算法框架中,對整個群體循環(huán)進行分組進化與混合操作,而在每個分組內(nèi)部按照差分進化策略對個體不斷進行更新。數(shù)值實驗表明該算法具有較強的全局搜索能力,克服了基本差分進化算法易早熟收斂的缺點。將該算法應(yīng)用于梯級水電站中長期優(yōu)化調(diào)度實例,并與傳統(tǒng)動態(tài)規(guī)劃法進行比較分析,進一步驗證了其可行性與有效性。

針對電力負(fù)荷短期預(yù)測問題,提出了一種基于相似日的神經(jīng)網(wǎng)絡(luò)預(yù)測方法,分析傳統(tǒng)bp算法的不足,提出一種基于levenbery-marquardt優(yōu)化法的bp模型學(xué)習(xí)算法,在建立具體模型時,對于24點負(fù)荷預(yù)測,采用24個單輸出的神經(jīng)網(wǎng)絡(luò)來分別預(yù)測每天的整點負(fù)荷值,具有網(wǎng)絡(luò)結(jié)構(gòu)較小,訓(xùn)練時間短的優(yōu)點,考慮了不同類型的負(fù)荷差異,并對四川省電力公司某區(qū)一條線路的供電負(fù)荷進行短期負(fù)荷預(yù)測仿真,仿真結(jié)果表明其具有較好的預(yù)測精度。

針對標(biāo)準(zhǔn)螢火蟲算法(fireflyalgorithm,fa)在求解電力系統(tǒng)優(yōu)化潮流(opf)問題上出現(xiàn)的早熟收斂和求解精度不高等問題,引入混沌優(yōu)化和萊維飛行,形成了混沌萊維螢火蟲優(yōu)化算法(chaoticlévyflightfirelyalgorithm,clfa).對改進的clfa算法進行了推導(dǎo)與分析,并將fa和clfa兩種算法對ieee30節(jié)點測試系統(tǒng)進行電力系統(tǒng)優(yōu)化潮流仿真,用實驗證實算法的有效性.仿真結(jié)果表明:改進后的clfa算法避免了早熟收斂,增強了局部搜索能力,提高了求解精度.算法的改進方式具有良好的創(chuàng)新性,學(xué)生可以自行開發(fā)不同的改進方式,改進后的算法更有利于進行后續(xù)的電力系統(tǒng)優(yōu)化潮流問題研究.

第28卷第19期電網(wǎng)技術(shù)vol.28no.19 2004年10月powersystemtechnologyoct.2004 文章編號：1000-3673（2004）19-0014-06中圖分類號：tm715文獻標(biāo)識碼：a學(xué)科代碼：470·4054 粒子群優(yōu)化算法在電力系統(tǒng)中的應(yīng)用 袁曉輝1，王乘1，張勇傳1，袁艷斌2 （1．華中科技大學(xué)，湖北省武漢市430074；2．武漢理工大學(xué)，湖北省武漢市430071） asurveyonapplicationofparticleswarmoptimization toelectricpowersystems yuanxiao-hui1，wangcheng1，zhangyong-chuan1，yuanya

隨著電力系統(tǒng)規(guī)模的日益擴大和電力市場改革的實施，保證電力系統(tǒng)安全、經(jīng)濟、穩(wěn)定、可靠地運行越來越重要。本文對pso算法在電力系統(tǒng)中應(yīng)用的研究現(xiàn)狀進行了較為全面的總結(jié)，主要包括在電網(wǎng)擴展規(guī)劃、檢修計劃、機組組合、負(fù)荷經(jīng)濟分配、最優(yōu)潮流計算與無功優(yōu)化控制、諧波分析與電容器配置、網(wǎng)絡(luò)狀態(tài)估計、參數(shù)辨識、優(yōu)化設(shè)計等方面的應(yīng)用研究成果。

鄭州大學(xué) 碩士學(xué)位論文 電力系統(tǒng)短期負(fù)荷預(yù)測方法的研究 姓名：張德玲 申請學(xué)位級別：碩士 專業(yè)：電力系統(tǒng)及其自動化 指導(dǎo)教師：陳根永 20070515 電力系統(tǒng)短期負(fù)荷預(yù)測方法的研究 作者：張德玲 學(xué)位授予單位：鄭州大學(xué) 本文鏈接：http://d.g.wanfangdata.com.cn/thesis_y1059836.aspx

首先,簡要介紹了深度學(xué)習(xí)算法的有關(guān)內(nèi)容,包括深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)的比較和深度學(xué)習(xí)的訓(xùn)練過程。其次,從負(fù)荷的日屬性、負(fù)荷的周屬性、溫度因素、節(jié)假日因素這幾個方面對負(fù)荷的特性進行了研究。最后,根據(jù)負(fù)荷的歷史數(shù)據(jù),應(yīng)用深度學(xué)習(xí)算法進行了短期負(fù)荷預(yù)測,并將其預(yù)測結(jié)果與bp神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果做了比較。

針對電力負(fù)荷短期預(yù)測問題,提出了一種基于相似日的神經(jīng)網(wǎng)絡(luò)預(yù)測方法,在建立具體模型時,對于24點負(fù)荷預(yù)測,采用24個單輸出的神經(jīng)網(wǎng)絡(luò)來分別預(yù)測每天的整點負(fù)荷值,具有網(wǎng)絡(luò)結(jié)構(gòu)較小,訓(xùn)練時間短的優(yōu)點,考慮了不同小時類型的負(fù)荷差異,具有較高的預(yù)測精度。分析了如何采用bp多層感知器的隱層數(shù)及隱層單元數(shù)。最后對四川省電力公司某區(qū)一條線路的供電負(fù)荷進行短期負(fù)荷預(yù)測仿真,仿真結(jié)果表明其具有較好的預(yù)測精度。

分析了大規(guī)模風(fēng)電給電力系統(tǒng)實時調(diào)度所帶來的若干問題,依據(jù)節(jié)能減排原則,以消納風(fēng)電最大化和火電機組一次能源消耗最小化為雙重目標(biāo),建立了含大規(guī)模風(fēng)電的實時調(diào)度模型。在量子粒子群算法基礎(chǔ)上加入混沌初始化和混沌擾動,形成混沌量子粒子群優(yōu)化算法?；谛薷牡膇eee-118節(jié)點系統(tǒng)進行仿真計算,結(jié)果表明:建立的模型能在最大程度消納風(fēng)電的前提下,最大限度地減少一次能源消耗,達到節(jié)能減排的目的;采用的算法計算速度快、收斂性能好,滿足實時性的要求。

提出一種求解梯級水電系統(tǒng)短期發(fā)電計劃問題的新方法——混沌雜交進化算法(chea)。該算法將混沌序列與進化算法有機結(jié)合在一起,同時采用浮點數(shù)編碼并構(gòu)造一種新的自適應(yīng)誤差反向傳播變異算子,從而有效抑制了進化算法的“早熟”現(xiàn)象和收斂速度慢等缺陷。仿真計算結(jié)果表明,該方法可以求解具有復(fù)雜約束條件的非線性優(yōu)化問題,算法求解精度高、收斂速度快,從而為水電系統(tǒng)的短期發(fā)電計劃問題提供了一種有效的方法

針對水火電系統(tǒng)的多約束、時滯非線性特點,建立了帶有梯級水電廠的電力系統(tǒng)模型,并采用量子粒子群(qpso)算法對系統(tǒng)進行優(yōu)化求解。為了解決基本量子粒子群算法容易陷入局部最優(yōu)解的問題,提出了一種改進量子粒子群(iqpso)算法。為了驗證該算法的性能,運用matlab編寫程序,利用典型的4水電3火電系統(tǒng)算例進行仿真。算例表明,改進的量子粒子群算法具有更好的收斂特性。

電力系統(tǒng)負(fù)荷預(yù)測是電力系統(tǒng)中的一個重要的研究課題。對神經(jīng)網(wǎng)絡(luò)算法和時間序列預(yù)測算法進行加權(quán)融合,提出一種混合算法對eunite競賽數(shù)據(jù)進行了短期電力負(fù)荷預(yù)測。實驗結(jié)果表明負(fù)荷預(yù)測精度得到了很大的提升。

為解決bp神經(jīng)網(wǎng)絡(luò)應(yīng)用于入侵檢測時檢測率較低、訓(xùn)練時間過長的問題,對改進差分進化算法(samde)優(yōu)化bp神經(jīng)網(wǎng)絡(luò)并用于入侵檢測的可行性進行研究.該算法引入模擬退火算法(sa)和一種融合de/rand/1與de/best/1的變異算子對差分進化算法進行改進以提高其全局尋優(yōu)能力.用改進后的算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)權(quán)值閾值.通過逐次的迭代訓(xùn)練使bp神經(jīng)網(wǎng)絡(luò)收斂,將優(yōu)化過的bp神經(jīng)網(wǎng)絡(luò)用于入侵檢測.仿真實驗結(jié)果顯示,優(yōu)化的bp網(wǎng)絡(luò)在收斂速度和精度方面有明顯提升,用于入侵檢測時提高了檢測準(zhǔn)確率,縮短了訓(xùn)練時間.

???????????????????????????????????(63?ì1.???.???.????????????????19882.????????????????19873.???.??.?.???.???.????????????????????[?????-????2003(3)4.perryshort-termloadforecastingusingmultipleregressionanalysis19995.apapalexopoulos.thesterburgaregression-basedapproachtoshort-termloadforecasting1990(04)6.???.???.??????????

【目的】針對傳統(tǒng)優(yōu)化算法的不足,將微分進化算法應(yīng)用到水電站水庫優(yōu)化調(diào)度問題中,建立新的優(yōu)化算法模型?！痉椒ā拷⒒谖⒎诌M化算法的水電站水庫優(yōu)化調(diào)度模型,并給出具體求解步驟。為驗證算法的有效性,將其應(yīng)用于具體水電站水庫的優(yōu)化調(diào)度計算中,最后將該方法與遺傳算法的計算結(jié)果進行了對比?！窘Y(jié)果】實例計算結(jié)果表明,與遺傳算法相比,微分進化算法收斂速度快,可調(diào)參數(shù)少,計算精度高,穩(wěn)定性好,且該算法簡單、容易實現(xiàn),具有較強的全局搜索能力。【結(jié)論】微分進化算法在解決水電站水庫優(yōu)化調(diào)度問題時具有很強的適用性,為求解水電站水庫優(yōu)化調(diào)度問題提供了新思路。

基于使用優(yōu)化算法來計算果蠅,提出了一種修正算法研究,即無功優(yōu)化和控制算法。這些算法有利于降低電力系統(tǒng)的有功損耗。設(shè)β為修正因子,然后代入基礎(chǔ)的算法中對這個基礎(chǔ)的foa算法進行修正和優(yōu)化,從而避免foa算法容易僅將焦點關(guān)注于局部而非整體。采用foa、pso、mfoa以及內(nèi)點法來研究ieee30節(jié)點系統(tǒng),通過研究對比發(fā)現(xiàn),mfoa相較于其他幾種算法,計算結(jié)果較為準(zhǔn)確,且收斂效率更高。

針對傳統(tǒng)粒子群算法在無功優(yōu)化中易陷入局部最優(yōu)和后期收斂慢等問題,提出了基于量子粒子群混合算法的無功優(yōu)化計算方法。該算法將量子疊加態(tài)思想引入到粒子群算法中,使得單個粒子能表示更多的狀態(tài)和量級,增加了種群的多樣性;采用量子旋轉(zhuǎn)門更新粒子的速度和位置,提高了收斂的速度。用該算法對ieee30節(jié)點系統(tǒng)進行無功優(yōu)化計算,并與粒子群算法和遺傳算法的優(yōu)化結(jié)果進行比較,仿真結(jié)果表明,該算法能夠更好地獲得全局最優(yōu)解,具有實用意義。