收藏本站
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。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 徐小平;钱富才;刘丁;王峰;;基于PSO算法的系统辨识方法[J];系统仿真学报;2008年13期
2 袁君;陈贝;朱光灿;;采用混沌粒子群优化算法的水质模型参数辨识[J];东南大学学报(自然科学版);2009年05期
3 李丹;高立群;黄越;王珂;;基于天体系统粒子群算法的异步电机参数辨识[J];东北大学学报(自然科学版);2008年09期
4 宫向阳;赵振兴;;改进滑动平均滤波在PSO辨识中的应用[J];控制工程;2011年04期
5 李丙春;;粒子群优化算法及其应用[J];喀什师范学院学报;2006年03期
6 刘彤彤;;基于小波网络的复杂系统建模方法研究[J];科技咨询导报;2007年11期
7 吴文珍;梁兴柱;房会军;马爱琴;;粒子群优化算法在管道保温优化设计中的应用[J];大庆石油学院学报;2007年03期
8 史海军;王志刚;郭广寒;;引入变异算子的粒子群优化算法[J];长春理工大学学报(自然科学版);2007年03期
9 郭伟;陈广义;;神经网络基于改进型粒子群算法的研究[J];佛山科学技术学院学报(自然科学版);2007年05期
10 关圣涛;楚纪正;邵帅;;粒子群优化算法在非线性模型预测控制中的研究应用[J];北京化工大学学报(自然科学版);2007年06期
11 林令娟;刘希玉;;动态自适应微粒群优化算法[J];信息技术与信息化;2009年02期
12 杨晓燕;;一种离散型多目标粒子群优化算法[J];莆田学院学报;2010年02期
13 赵建辉;张宪;李志勇;李良洪;付少波;;粒子群优化点匹配算法[J];微计算机信息;2010年15期
14 湛燕;陈昊;;使用粒子群优化算法学习聚类算法的参数[J];大众科技;2010年06期
15 周洪斌;;基于OpenMP求解QAP的并行粒子群优化算法[J];微型机与应用;2010年10期
16 李炳宇;萧蕴诗;;新的进化计算算法——粒子群优化算法[J];计算机科学;2003年06期
17 李炳宇,萧蕴诗,汪镭;PSO算法在工程优化问题中的应用[J];计算机工程与应用;2004年18期
18 李辉,张安,赵敏,徐琦;粒子群优化算法在FIR数字滤波器设计中的应用[J];电子学报;2005年07期
19 刘玉敏,俞重远,张建忠,张晓光,杨红波,张娜,杨伯君;粒子群优化算法用于光纤布拉格光栅综合问题的研究[J];激光杂志;2005年04期
20 邹彤;李宁;孙德宝;岑翼刚;;带阴性选择的粒子群优化算法[J];华中科技大学学报(自然科学版);2006年02期
中国重要会议论文全文数据库 前10条
1 王光辉;陈杰;潘峰;;多种群协同粒子群优化算法求解动态环境优化问题[A];第二十七届中国控制会议论文集[C];2008年
2 徐东;李晔;唐旭东;庞永杰;廖煜雷;;基于变异行为的自适应粒子群优化算法[A];中国自动化学会控制理论专业委员会A卷[C];2011年
3 李猛;王道波;甄子洋;;基于改进混合粒子群优化算法的模型最优降阶[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
4 陈志盛;李勇刚;;改进粒子群优化算法及其在磨削加工中的应用[A];第二十七届中国控制会议论文集[C];2008年
5 马琰铭;;基于粒子群优化算法的晶体结构预测新技术及其在高压新结构研究中的应用[A];2011中国材料研讨会论文摘要集[C];2011年
6 文建辉;钟科军;唐丽娟;蒋健晖;;基于离散的粒子群优化算法结合主成分分析用于相似烟气样品的色谱区分[A];全国生物医药色谱学术交流会(2010景德镇)论文集[C];2010年
7 司维超;韩维;史玮韦;颜刚;;一种基于蜜蜂多群体觅食的粒子群优化算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
8 王群杰;齐美清;汪伟;李磊;;粒子群优化算法在波导高通滤波器设计中的应用[A];2011年全国微波毫米波会议论文集(上册)[C];2011年
9 张翔;李纲;熊伟清;;修正AHP中判断矩阵一致性的粒子群优化算法[A];第二十九届中国控制会议论文集[C];2010年
10 卓永强;;船舶车舵联动协同控制最优化的研究[A];1995-2009航海技术论文选集(第1集)[C];2010年
中国博士学位论文全文数据库 前10条
1 李丹;粒子群优化算法及其应用研究[D];东北大学;2007年
2 戴运桃;粒子群优化算法研究及其在船舶运动参数辨识中的应用[D];哈尔滨工程大学;2010年
3 刘波;粒子群优化算法及其在机电设备中的应用研究[D];中北大学;2011年
4 傅阳光;粒子群优化算法的改进及其在航迹规划中的应用研究[D];华中科技大学;2011年
5 徐星;融合热运动机制的粒子群优化算法研究及其应用[D];武汉大学;2010年
6 王大志;面向实际工程问题的粒子群优化算法应用技术的研究[D];东北大学;2009年
7 张玮;粒子群优化算法研究及在阵列天线中的应用[D];太原理工大学;2010年
8 谭佳琳;粒子群优化算法研究及其在海底地形辅助导航中的应用[D];哈尔滨工程大学;2010年
9 王宇嘉;多目标粒子群优化算法的全局搜索策略研究[D];上海交通大学;2008年
10 李军亮;基于广义灰色模型的极限承载力建模与预测研究[D];武汉理工大学;2009年
中国硕士学位论文全文数据库 前10条
1 孙晶晶;粒子群优化算法的改进及其应用研究[D];陕西师范大学;2010年
2 王婧;基于粒子群优化算法的集群调度策略研究[D];中国石油大学;2011年
3 张新娟;改进粒子群优化算法及其在图像分割中的应用[D];陕西师范大学;2011年
4 刘煌;基于GA的改进粒子群算法研究及其在TSP上的应用[D];武汉理工大学;2010年
5 苗爱敏;基于动态特征的粒子群优化算法研究[D];云南大学;2010年
6 杨洋;基于粒子群优化算法的准循环LDPC码构造[D];北京交通大学;2011年
7 沈锡;基于粒子群优化算法的船舶航向PID控制[D];大连海事大学;2011年
8 刘现;蛋白质结构预测的粒子群优化算法研究[D];福建农林大学;2011年
9 王莹;基于粒子群优化算法的无功优化及规划[D];天津大学;2005年
10 马艳伟;基于粒子群优化的异构多处理器任务调度算法研究应用[D];杭州电子科技大学;2010年
中国重要报纸全文数据库 前3条
1 记者 桑学勇;黑龙江电网首台机组参数辨识工作完成[N];中国电力报;2009年
2 本报记者 李智勇 通讯员 陈华 林梦捷;让电力插上科技的翅膀[N];福州日报;2009年
3 林梦婕 戴礼豪;以科技创新做强榕城电网[N];中国电力报;2009年
 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