收藏本站
《东北大学》 2007年
收藏 | 手机打开
二维码
手机客户端打开本文

粒子群优化算法及其应用研究

李丹  
【摘要】: 科学领域、工程领域和经济领域都涉及到很多复杂的、非线性的甚至非凸形式的最优化问题。在电力系统分析和控制系统设计中同样存在大量的这类难优化问题,如无功优化、机组组合、负荷预测以及电机参数辨识等。因此高效的优化技术成为科学工作者的研究目标之一。 粒子群优化算法(Prticle Swarm Optimization,简称PSO)是一种新的群体智能优化算法。它的主要特点是原理简单、参数少、收敛速度快、所需领域知识少。该算法的出现引起了学者们极大的关注,已在函数优化、神经网络训练、组合优化等领域获得了广泛应用,并取得了较好的效果。尽管粒子群优化算法发展近十年,但无论是理论分析还是实践应用都尚未成熟,有大量的问题值得研究。 本文就如何改进标准PSO算法性能以及该算法在电力系统领域中的应用进行了深入的研究。本文的主要研究工作和创新点可归纳如下: (1)为了克服PSO算法在高维复杂问题寻优时有相当可能陷入局部极小的现象,提出了一种自适应粒子群优化算法。在算法进化过程中引入群体适应度方差和群体位置方差,非线性的调整惯性权重,调节算法的探索和开发能力,达到跳出局部极小点,获得全局最优的目的。在进化的中后期,根据粒子的表现不同,分别对其采用不同的变异策略和惯性权重,使群体在进化过程中始终保持惯性权重的多样性,在算法的全局收敛性和收敛速度之间做了一个较好的折中。将自适应粒子群优化算法应用于电力系统无功优化问题中,算例仿真表明该方法用于解决无功优化问题是有效可行的。 (2)对基于向量评价的粒子群算法进行了扩展,提出了基于向量评价的自适应粒子群优化算法(VEAPSO)来解决多目标优化问题。利用该方法解决多目标电力系统无功优化问题,确定出问题的Pareto最优解集。为帮助决策者在优化后得到的Pareto最优解集中选取较合适的最优解,本文提出了一种基于决策者偏好及投影寻踪模型的多属性决策法,该方法兼顾决策者的偏好,同时又力争减少主观随意性,使决策结果更加真实可靠。 (3)提出了一种基于动态双种群的粒子群优化算法(DDPSO)。DDPSO算法将种群划分成两个种群规模随进化过程不断变化的子种群,两个子种群分别采用不同的学习策略进行进化,并在进化过程中相互交换信息。为了保持种群的多样性,将免疫算法的多样性保持机制引入DDPSO算法中,提高了算法的全局收敛性。将该算法应用于机组组合问题中,采用实数矩阵编码方法对发电计划进行编码,将两层优化问题转化为单层优化问题,可直接运用DDPSO算法来求解。仿真结果表明,所提出的方法用来解决机组组合问题是有效可行的,具有良好的精度和鲁棒性。 (4)提出了一种基于物种概念的动态多种群粒子群优化算法(DMPSO)来解决多模态函数优化问题。在DMPSO中引入了物种概念,在进化过程中动态确定物种,利用种群多样性信息动态调整物种半径,通过物种对解空间的不同区域进行搜索,最终确定出各极值点。将DMPSO算法和支持向量机(SVM)相结合,形成了解决电力系统短期负荷预测问题的新方法(DMPSO-SVM)。在该方法中利用DMPSO算法来优化SVM中的参数,利用快速傅立叶变换(FFT)进行频谱分析并确定SVM的输入量。电力系统短期负荷预测的实际算例表明,与传统预测方法相比,该方法具有更高的预测精度和鲁棒性。 (5)提出了一种基于天体系统模型的粒子群优化算法(CSPSO)。在CSPSO算法中,参照天文学中的天体系统模型,将种群划分为多个相对独立的天体系统,每个系统按照自己的运行规则在不同的空间中运行,在算法的后期引入混沌优化,最终确定出优化问题的全局最优解。将CSPSO算法应用于异步电机参数辨识问题中,仿真结果表明CSPSO算法比GA算法和PSO算法具有更精确的参数辨识能力。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 向长城;黄席樾;杨祖元;杨欣;;小生境粒子群优化算法[J];计算机工程与应用;2007年15期
2 冯林,张名举,贺明峰,戚正君;用改进的粒子群算法实现多模态刚性医学图像的配准[J];计算机辅助设计与图形学学报;2004年09期
3 卢冰原;古春生;谷峰;;基于粒子群优化的模糊交货期惩罚问题的研究[J];计算机工程与应用;2006年19期
4 吴延科;徐晨;李国;;基于粒子群统计规律的PSO算法[J];郑州大学学报(理学版);2006年04期
5 周国雄;吴敏;曹卫华;雷琪;;基于粒子群优化的集气管压力变结构模糊控制[J];信息与控制;2008年03期
6 袁成;蔡自兴;陈白帆;;粒子群优化的同时定位与建图方法[J];计算机工程;2009年11期
7 许相莉;张利彪;刘向东;于哲舟;周春光;;基于粒子群的图像检索相关反馈算法[J];电子学报;2010年08期
8 冯纪强;谢维信;徐晨;;T-S模糊粒子群优化建模及稳定性分析[J];电子学报;2011年05期
9 侯志荣,吕振肃;基于MATLAB的粒子群优化算法及其应用[J];计算机仿真;2003年10期
10 王岩,周春光,黄艳新,丰小月;基于最小不确定性神经网络的茶味觉信号识别[J];计算机研究与发展;2005年01期
11 刘淳安,何广平,雍龙泉;解多目标优化问题的新粒子群存档算法[J];陕西理工学院学报(自然科学版);2005年03期
12 佘远俊;张翠芳;鄢田云;;粒子群神经网络及其在非线性系统辨识中的应用[J];成都信息工程学院学报;2006年02期
13 高飞;童恒庆;;一类求解方程根的改进粒子群优化算法[J];武汉大学学报(理学版);2006年03期
14 方峻;唐普英;任诚;;一种基于加权有向拓扑的改进粒子群算法[J];计算机技术与发展;2006年08期
15 朱进军;段高燕;王秋国;张晓光;杨伯君;;使用PSO算法的二阶偏振模色散自适应补偿实验[J];光子技术;2006年03期
16 刘欢;旷虚波;肖根福;;基于粒子群算法的自整定PID控制器[J];电脑知识与技术(学术交流);2007年15期
17 孔力;程晶晶;宋胜利;苏日建;;基于改进粒子群优化技术的拜耳法物料平衡计算[J];华中科技大学学报(自然科学版);2008年01期
18 成伟明;唐振民;赵春霞;陈得宝;;利用改进粒子群求解TSP问题的一种新方法[J];中国工程科学;2008年07期
19 李木子;闫建华;;基于PSO的MWT求解[J];福建电脑;2009年02期
20 唐英干;黄娜;关新平;;基于二维Fisher线性鉴别分析和粒子群优化的红外图像分割(英文)[J];电子器件;2009年01期
中国重要会议论文全文数据库 前10条
1 赵建玉;贾磊;陈月辉;张勇;;基于粒子群优化的信号交叉口交通流预测模型[A];第二十六届中国控制会议论文集[C];2007年
2 王晓燕;王东风;韩璞;;一种分数阶系统的粒子群优化辨识方法[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年
3 范业坤;梁新荣;;基于粒子群优化的高速公路匝道PI控制器[A];第二十七届中国控制会议论文集[C];2008年
4 薛艳红;胡立坤;;基于粒子群优化的配电网静止同步补偿器PI控制器整定[A];中南六省(区)自动化学会第二十九届学术年会论文集[C];2011年
5 徐俊杰;忻展红;;粒子群优化在0/1背包问题中的应用[A];中国运筹学会第七届学术交流会论文集(上卷)[C];2004年
6 冯祎;李霞;;一种K最近邻分类的改进算法及应用[A];2011年全国通信安全学术会议论文集[C];2011年
7 赵秋玲;周雅莉;张奇志;;基于粒子群优化的结构振动分布式反馈控制[A];2005年中国智能自动化会议论文集[C];2005年
8 薛云灿;郑东亮;岳兴汉;杨启文;;混沌粒子群优化算法及其在水库优化调度中的应用[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
9 张奇志;周亚丽;;移动机器人运动规划的粒子群优化算法[A];2009年中国智能自动化会议论文集(第二分册)[C];2009年
10 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 窦全胜;求解优化问题的演化计算方法研究[D];吉林大学;2005年
2 刘丽;人工免疫网络研究及应用[D];江南大学;2008年
3 李磊;六自由度并联平台位置正解及控制方法研究[D];哈尔滨工程大学;2008年
4 马瑞新;基于粒子群的网络社区动态角色挖掘研究[D];大连理工大学;2012年
5 刘东;粒子群优化算法及其工程应用研究[D];西南交通大学;2013年
6 程军;基于生物行为机制的粒子群算法改进及应用[D];华南理工大学;2014年
7 陈虹;分离流动的电磁力主动控制[D];华中科技大学;2011年
8 林川;粒子群优化与差分进化算法研究及其应用[D];西南交通大学;2009年
9 王纵虎;聚类分析优化关键技术研究[D];西安电子科技大学;2012年
10 韩晓霞;混沌与支持向量机结合的多相催化建模与优化研究[D];太原理工大学;2010年
中国硕士学位论文全文数据库 前10条
1 雷烨;基于粒子群最小二乘支持向量机的故障诊断算法研究[D];兰州交通大学;2010年
2 马培培;基于粒子群的图像阈值化分割的研究及应用[D];合肥工业大学;2010年
3 姚杰;基于PSO混沌神经网络电力系统负荷预测[D];大庆石油学院;2009年
4 刘杨;粒子群优化算法在电力系统无功优化中的应用[D];天津大学;2005年
5 任晓娜;DNA计算中的编码设计优化算法[D];湖南大学;2010年
6 王琳;基于粒子群优化的数据流挖掘的聚类算法分析[D];长沙理工大学;2010年
7 李涛;基于SVM和PSO的非线性模型预测控制及应用研究[D];上海交通大学;2008年
8 孙巍;供热管网的建模分析及水力平衡调节[D];北京化工大学;2008年
9 李峰;大规模场景绘制中的纹理合成技术研究[D];哈尔滨理工大学;2008年
10 陈亚洲;基于粒子群优化的协同优化方法研究[D];华中科技大学;2007年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978