-
公开(公告)号：CN107017640B
公开(公告)日：2019-11-22
申请号：CN201710438269.1
申请日：2017-06-12
Applicant: 广东工业大学
Abstract: 本发明实施例公开了一种电力系统最优潮流的计算方法、装置及系统，包括初始化预设参数；利用初始化后的预设参数、差分进化算法以及粒子群优化算法对预先建立的最优潮流优化数学模型进行求解，得到最优潮流解；最优潮流优化数学模型为依据发电机的参数建立的、满足约束条件的、使机组耗煤成本最低的最优潮流优化数学模型；最优潮流优化数学模型包括目标函数及约束条件。可见，在优化前期粒子群优化算法具有较快的收敛速度，优化后期差分进化算法可以增强种群跳出局部最优解的能力，从而避免算法陷入局部最优解。通过粒子群优化算法和差分进化算法的混合算法对预先建立的最优潮流优化数学模型进行求解以得到收敛速度更快、精度更高的全局最优解。
-
公开(公告)号：CN107240923A
公开(公告)日：2017-10-10
申请号：CN201710680281.3
申请日：2017-08-10
Applicant: 广东工业大学
CPC classification number: Y02E40/30 , Y02E40/76 , Y04S10/545 , H02J3/18 , G06N3/006 , G06N7/08 , H02K2213/03
Abstract: 本发明实施例公开了一种电力系统无功优化方法与装置，建立目标函数、初始化目标参数；依据组合混沌序列，得到父代粒子群中各粒子各自对应的父代速度和父代位置；依据目标函数，确定出粒子最优位置和种群最优位置；依据更新规则，更新得到子代速度和子代位置；并依据子代速度和惯性权重规则，调整子代粒子群的惯性权重；利用目标函数，计算混沌化处理后的子代粒子群中各粒子的适应度，保留适应度最优的粒子作为下一次迭代的父代粒子群，完成对粒子最优位置和种群最优位置的更新；当迭代次数达到预设的最大迭代次数，则结束操作；若否，则重复上述更新粒子群的操作。该技术方案，提高了粒子群算法整体寻优性能，实现了电力系统的无功优化。
-
Patent Agency Ranking
公开(公告)号：CN107273968A
公开(公告)日：2017-10-20
申请号：CN201710520458.3
申请日：2017-06-30
Applicant: 广东工业大学
CPC classification number: G06N3/006 , G06Q10/04 , G06Q10/0631
Abstract: 本发明公开了一种基于动态混沌模糊混沌粒子群的多目标调度方法，包括初始化粒子群，对所述初始种群进行混沌处理，并计算各粒子的适应度，在迭代次数未达到终止迭代次数时，在超过预先设定的迭代次数时，通过模糊隶属度函数确定所述目标函数，筛选出Pbest和Gbest的值后更新粒子位置；对上述过程进行混沌处理后重新确定目标函数直至达到最终迭代次数。由此可知，本发明实施例提供的多目标调度方法通过模糊隶属度函数把各目标函数转化为满意度，避免人为主观设置加权系数，得到结果的数值稳定性好，提高了多目标粒子群的调度效率。本发明实施例还提供了一种基于动态混沌模糊混沌粒子群的多目标调度装置，同样能达到上述技术效果。
-
公开(公告)号：CN107221936A
公开(公告)日：2017-09-29
申请号：CN201710541788.0
申请日：2017-07-05
Applicant: 广东工业大学
CPC classification number: H02J3/06 , H02J3/386 , H02J2003/007
Abstract: 本发明实施例公开了一种含风电场的最优潮流计算方法及装置，包括采用场景分析法对预先建立的风电场模型进行分析，确定出风电机组输出功率各个典型场景，并计算出各个典型场景的风电出力；依据潮流计算、混沌自适应粒子群算法及各个典型场景的风电出力计算出与各个典型场景对应的含风电场最优潮流模型的最优潮流解；含风电场最优潮流模型为预先建立的、满足约束条件的含风电场最优潮流模型，含风电场最优潮流模型包括目标函数及约束条件。本发明实施例在使用过程中提高了含风电场最优潮流模型的准确度，使计算得到的最优潮流解在避免局部最优的同时更加精确。
-
公开(公告)号：CN107017640A
公开(公告)日：2017-08-04
申请号：CN201710438269.1
申请日：2017-06-12
Applicant: 广东工业大学
Abstract: 本发明实施例公开了一种电力系统最优潮流的计算方法、装置及系统，包括初始化预设参数；利用初始化后的预设参数、差分进化算法以及粒子群优化算法对预先建立的最优潮流优化数学模型进行求解，得到最优潮流解；最优潮流优化数学模型为依据发电机的参数建立的、满足约束条件的、使机组耗煤成本最低的最优潮流优化数学模型；最优潮流优化数学模型包括目标函数及约束条件。可见，在优化前期粒子群优化算法具有较快的收敛速度，优化后期差分进化算法可以增强种群跳出局部最优解的能力，从而避免算法陷入局部最优解。通过粒子群优化算法和差分进化算法的混合算法对预先建立的最优潮流优化数学模型进行求解以得到收敛速度更快、精度更高的全局最优解。
-
公开(公告)号：CN108921280A
公开(公告)日：2018-11-30
申请号：CN201810332802.0
申请日：2018-04-13
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司江门供电局 , 广东工业大学
IPC: G06N3/04 , G06N3/08 , G06N3/00 , G01R31/327
Abstract: 本发明涉及一种基于改进混沌粒子群优化神经网络的高压断路器状态评估方法，其特征在于，该方法包括以下步骤：1）高压断路器输入特征值与输出状态的选取；2）改进混沌粒子群优化神经网络算法参数设置；3）采用基于改进混沌粒子群优化神经网络（CPSOBP）评估高压断路器状态评估，并通过与标准神经算法(BP)、粒子群优化神经网络（PSOBP）对比，证明算法的优越性。与现有技术相比，本发明能很好地解决了高压断路器状态评价的准确性低、判断速度慢等问题，提高了高压断路器状态评价的精度及效率。
-
公开(公告)号：CN107317338A
公开(公告)日：2017-11-03
申请号：CN201710765977.6
申请日：2017-08-30
Applicant: 广东工业大学
CPC classification number: H02J3/06 , G06N3/006 , G06Q10/04 , G06Q50/06 , H02J2003/007
Abstract: 本发明实施例公开了电力系统的最优潮流解计算方法及装置，包括对预设参数进行初始化操作，得到初始化参数；初始化参数包括粒子群规模、最大迭代次数、控制参数的范围及每个发电机的发电机参数；依据初始化参数、组合混沌序列和量子粒子群算法对预先建立的优化数学模型进行最优潮流求解，得到全局最优潮流解；组合混沌序列用于对量子粒子群算法的控制参数进行优化；其中，优化数学模型的建立过程为依据各个发电机参数及运行约束条件，建立满足运行约束条件的、使机组煤耗成本最低的优化数学模型；优化数学模型包括目标函数。本发明实施例能够有效提高种群中粒子的多样性，提高算法的收敛速度和算法精度，使最终得到全局最优潮流解的精度提高。
-
-
-
-
-
-
Search Results
7
records
(took 0.023 seconds)
