基于改进差分进化和粒子群混合算法的电力系统最优潮流计算附视频

被引:9
作者
陈璟华
邱明晋
唐俊杰
田明正
谭耿锐
机构
[1] 广东工业大学自动化学院
基金
广东省自然科学基金;
关键词
差分进化算法; 粒子群优化算法; 最优潮流; 混合算法;
D O I
暂无
中图分类号
TM744 [电力系统的计算]; TP18 [人工智能理论];
学科分类号
080802 [电力系统及其自动化]; 140502 [人工智能];
摘要
针对电力系统最优潮流典型的非线性多峰值的非凸规划问题,提出一种将差分进化与粒子群优化算法结合在一起的混合优化算法.采用双种群进化策略,分别利用粒子群优化算法和差分进化算法进行寻优迭代,通过信息分享机制,使两个种群在寻优过程中协同进化.提出一种老化机制和精英改选机制,根据最优粒子的引导能力动态改变其寿命.在其引导能力不足时,采用一种多项式变异策略引入一个竞争个体与最优粒子竞争,使算法全局寻优能力得到加强.IEEE30节点系统仿真结果表明,算法收敛速度快、精度高,具有一定的有效性和可行性.
引用
收藏
页码:22 / 28
页数:7
相关论文
共 14 条
[1]
计及风电场并网的机会约束规划的机组组合优化 [J].
陈璟华 ;
梁丽丽 ;
丁林军 ;
周俊 ;
刘国祥 .
广东工业大学学报, 2017, 34 (01) :50-54+64
[2]
自适应混沌变异的万有引力搜索算法 [J].
罗萍 ;
刘伟 ;
周述波 .
广东工业大学学报, 2016, (01) :57-61
[3]
基于组合混沌序列动态粒子群算法的电力系统无功优化 [J].
郭经韬 ;
陈璟华 ;
周俊 ;
许伟龙 .
广东工业大学学报, 2014, (02) :85-89+103
[4]
基于量子差分进化算法的电力系统无功优化 [J].
马玲 ;
于青 ;
刘刚 ;
王泽黎 .
电力系统保护与控制, 2013, 41 (17) :39-43
[5]
一种改进的Newton算法在电力系统潮流计算中的研究与应用 [J].
杨跃光 ;
刘璇 .
陕西电力, 2011, 39 (10) :4-6+10
[6]
一种混沌差分进化和粒子群优化混合算法 [J].
阳春华 ;
钱晓山 ;
桂卫华 .
计算机应用研究, 2011, 28 (02) :439-441
[7]
一种改进粒子群优化算法在多目标无功优化中的应用 [J].
李鑫滨 ;
朱庆军 .
电工技术学报, 2010, 25 (07) :137-143
[8]
基于非线性互补方法的内点最优潮流算法 [J].
蔡广林 ;
韦化 .
电网技术, 2005, (21)
[9]
基于改进粒子群优化算法的最优潮流计算 [J].
俞俊霞 ;
赵波 .
电力系统及其自动化学报, 2005, (04) :83-88
[10]
基于自适应模拟退火遗传算法的多目标最优潮流 [J].
乐秀璠 ;
覃振成 ;
尹峰 .
继电器, 2005, (07) :10-15