离散猴群算法及其在输电网扩展规划中的应用

合集下载

基于协同粒子群优化算法的输电网络扩展规划

基于协同粒子群优化算法的输电网络扩展规划邬开俊;鲁怀伟【期刊名称】《计算机应用研究》【年(卷),期】2011(028)003【摘要】Transmission network expansion planning (TNEP) is a complex multivariate constrained nonlinear integer optimization problems.In order to overcome PSO' s easy to get into local optimum area and slow astringe, investigated an algorithm of collaborative particle swarm optimization to solve transmission network expansion planning by combining the idea of cooperative coevolution and particle swarm optimization.Established the mathematic mode which minimized annual expenditure and developed the solution algorithm.The algorithm has been successful applied to a 10-node system and a 22-node system, and the simulation results demonstrate the feasibility and efficiency of the method in TNEP.%输电网络扩展规划是一个复杂的多变量多约束的非线性整数规划问题.针对传统粒子群算法易陷入局部最优、收敛慢的缺陷,将协同进化思想与粒子群优化算法结合,提出了一种协同粒子群优化算法.并将该算法应用于输电网络规划,建立了数学模型.该模型以达到线路的年综合费用最小为目标函数,并在此基础上设计了相应的算法.算例将其应用到一个10节点系统和一个22节点系统,计算结果证明了该算法在输电网络扩展规划中应用的可行性和有效性.【总页数】3页(P862-864)【作者】邬开俊;鲁怀伟【作者单位】兰州交通大学,电子与信息工程学院,兰州,730070;兰州交通大学,数理与软件工程学院,兰州,730070【正文语种】中文【中图分类】TP301【相关文献】1.基于多目标粒子群优化算法的输电网规划 [J], 周刘喜;张兴华;李纬2.基于改进模拟植物生长算法的输电网络扩展规划 [J], 赵颖;罗伟强3.基于改进人工鱼群算法的输电网络扩展规划 [J], 尹立敏;李想;孟涛;尹杭4.基于改进蚁群算法的输电网络扩展规划 [J], 翟海保;程浩忠;陈春霖;江峰青;房领峰5.基于蚁群最优的输电网络扩展规划 [J], 陈根军;王磊;唐国庆因版权原因，仅展示原文概要，查看原文内容请购买。

多目标粒子群优化算法在城市供电中的应用

多目标粒子群优化算法在城市供电中的应用摘要：多目标粒子群优化算法是一种新型群智能进化计算技术，它模拟鸟群觅食的行为，在鸟群彼此个体之间共享信息和根据自身经验总结来修正其行动策略，既体现了个体影响也体现了社会群体影响，最终取得问题最优解。

粒子群算法能够方便地处理大量的等式、不等式约束，以及包含连续变量和离散变量的优化问题。

基于此，文章对多目标粒子群优化算法在城市供电中的应用进行了总结和分析。

关键词：多目标粒子群优化算法；城市供电；应用1 多目标粒子群优化算法在城市供电中的必要性电力是国家主要能源基础，涉及到国家经济命脉。

现代电力的发展已经进入到了多效益时代，关乎全球资源、环境保护和可持续发展。

同时，用户对电能质量和可靠性的要求不断提高，未来电力事业的发展需朝着向更加安全可靠、清洁环保的优质电能的发、输、配、变发展。

目前，我国已经进入了电力全面建设的阶段。

在电力建设中，合理的发、输、配、变规划不仅增强了电网的可靠性，而且提高了电网的经济性，节省了人力和财力。

例如，在发电过程中，如何做到更低的燃料消耗，同时考虑能否减小发电过程中燃料消耗对环境的影响。

在输电过程中，输电网如何规划能达到一个更加经济可靠的输电网络。

在配电过程中，无功补偿如何做到补偿的位置和容量最优，达到网损更低，电压偏差更小，电压稳定性更好的目标。

在变电过程中，有载调压变压器分接头如何正确合理地调节，以达到获得稳定优质电能的标准等。

然而，城市供电中的问题存在非线性，多约束，非凸性，高维的难题。

传统的数学计算方法，如动态规划方法、大系统分解系统方法、网络流规划法等在求解城市供电问题时都存在着维数灾难、收敛不稳定等缺陷。

因此，为了求解城市供电中的优化问题引入了粒子群算法。

粒子群算法能够很好地解决以上难题，并且具有收敛速度快，多粒子并行处理，易于实现等优点。

本文采用的优化算法是在经典粒子群算法的基础上，采取各种改进方式，加速了收敛速度，提高了收敛精度；计算结果随机性小，稳定性好；有较强的全局搜索能力；达到了较好的辅助决策作用。

基于粒子群优化算法的智能电网输电检修决策

基于粒子群优化算法的智能电网输电检修决策邢芝福【摘要】在现代智能电网背景下,新型设备输电系统的输电检修工作难度变得越来越大.考虑了新背景下输电检修工作的特点,提出了输电检修优化决策指标,建立了以输电系统风险降低值最大化为目标的输电检修优化决策模型.同时,利用粒子群优化算法求解所建模型,并通过IEEE24节点系统验证模型及算法的可行性.【期刊名称】《天津科技》【年(卷),期】2017(044)008【总页数】4页(P27-30)【关键词】智能电网;输电检修;决策模型;粒子群算法【作者】邢芝福【作者单位】天津泰达电力公司天津300456【正文语种】中文【中图分类】TM71近年来，我国将智能电网建设作为一个很重要的战略目标，力求加强所有用户的终端电力智能网络。

[1]这个目标的达成，需要有高水平的电网可靠性以及安全性，并且要求电网在出现重大事故的时候具有一定的自我修复能力。

这样的需求对未来设备检修工作的管理水平提出了更高的要求。

可是传统的检修主要为定期人工检修，在电网设备数量突飞猛进的今天，已经无法在有限的时间内进行高质量的总体检修任务。

[2-3]在智能电网系统背景下，电力系统复杂性越来越大，各种不确定因素以及无法预见的事故造成检修任务愈发艰难。

[4-5]因此，制定出一套合理的输电检修策略对于我国智能电网的建设至关重要。

在这样的趋势下，根据设备运行状态进行检修工作已经成为今后智能电网检修工作的发展方向。

[6-10]本文以现代化智能电网建设为背景，分析了智能电网线路检修工作的特点，以输电系统风险降低值最大化为优化目标，构建了智能电网的输电检修优化决策模型。

之后，采用了粒子群优化算法对模型进行求解，并分析了其计算的复杂度，验证了算法的有效性。

近年来，国家电网针对智能电网现状提出了新的目标。

要实现这个目标，电网中要加入很多新型设备以及相关元器件。

新型设备的引入将使电网的结构发生变化，加大了电网的工作难度，因而电网的稳定性和可靠性成为了一个值得关注的问题。

改进人工鱼群算法在输电网规划中的应用

ＡｐｉａｉｎｏｍｐｒｖｄＡｒｉｉｉｌＦｉｈＳｈｏｇｒｔｍｎｐｌｃｔｏｆＩｏｅｔｆｃａｓｃｏｌＡｌｏｉｈｉ
ＴｒｎｓｉｓｏｔｒａｎｉａｍｓｉｎＮｅｗｏｋＰｌｎｎｇ
２ＥｌｃｒｃＰｗｅｓａｃｉｇＣｅｔｅ．ｅｔｉｏｒＤｉｐｔｈｎｎｒ，ＸｉｊａｇＥｌｃｒｃＰｗｅｍｐｎ，ｎｉｎｅｔｉｏｒＣｏａｙ
Ｕｒｕｍｑ３０ｉ８００２，Ｃｈｉ）ｎａ
Ａｂｔａｔｓｒｃ：Ｃｏｓｄｒｇｔｅｐｏｌｍｆｌｗｆｉｉｎｙａｄｌｃｌｏｔｎｉｅｉｈｒｂｅｏｏｅｆｅｃｎｏａｐｉｍｎｄｓｒｔｒｉｉｉｌｆｓｃｏｌａｇ — ｎｃｍｕｉｉｃｅｅａｔｆａｉｈｓｈｏｌｏｃ
ｏｌｏｉｍｕｔｅｌ．ｅｒｓｌｓｏＥＥＥＧａｖｒ６ｓｓｅａｄｔｅ１一ｕｙｔｍｅｎｔａｅｆａｉｉｔｆｆａｇｒｔｈｆｒｈｒｙＴｈｅｕｔｆＩｒｅ－ｙｔｍｎｈｂｓｓｓｅｄｍｏｓｒｔｅｓｂｌｙｏ８ｉ
第２２卷第２期
２１００年４月
电力系统及其自动化学报
ＰｒｅｅｎｇｓｏｆｔｏｃｄｉｈｅＣＳＵ — Ａｐｒ２０．Ｏ１
改进人工鱼群算法在输电网规划中的应用
聂宏展盼乔，吕，怡姚秀萍。，

种群优化人工鱼群算法在输电网扩展规划的应用

种群优化人工鱼群算法在输电网扩展规划的应用李如琦;王宗耀;谢林峰;褚金胜【摘要】将遗传算法与人工鱼群算法有机融合,提出一种种群优化人工鱼群算法,采用分别对部分人工鱼个体进行选择、交叉、变异操作的策略,调整优化人工鱼种群结构,较好地兼顾局部搜索和全局搜索.通过与粒子群算法、基本的人工鱼群算法在Garver-6节点、Garver-18节点和Garver-24节点系统仿真计算比较,证明了种群优化人工鱼群算法的正确性和有效性.【期刊名称】《电力系统保护与控制》【年(卷),期】2010(038)023【总页数】5页(P11-15)【关键词】输电网扩展规划;人工鱼群算法;遗传操作;种群优化【作者】李如琦;王宗耀;谢林峰;褚金胜【作者单位】广西大学电气工程学院,广西,南宁,530004;广西大学电气工程学院,广西,南宁,530004;广西大学电气工程学院,广西,南宁,530004;广西大学电气工程学院,广西,南宁,530004【正文语种】中文【中图分类】TM7150 引言输电网扩展规划的任务是在一定的规划期内负荷增长情况及电源规划方案已知的前提下，确定相应的最佳电网结构，在满足可靠性约束的同时力求建设费、运行费等费用最小[1]。

目前，求解输电网络规划的主要方法分为三类：启发式方法、数学优化方法和现代启发式方法[2]。

启发式方法以直观分析为基础，计算和应用都很方便，但是无法保证解的最优性。

数学优化方法能够从理论上保证规划方案的全局最优，但是由于输电网扩展规划变量数很多，约束条件复杂，兼有离散性、非线性，所以求解相当复杂，特别是当网络规模增大时，往往会出现“维数灾难”。

现代启发式方法是运用计算机技术，模仿某些自然现象的运行机制研究出的优化求解算法，有遗传算法、禁忌搜索算法、模拟退火算法、蚁群算法、粒子群算法等，该类算法具有对目标函数和约束函数要求宽松、跳出局部极值的能力较强、计算效率高等突出优点，成为近年来研究的热点，并在应用中取得了很大成效[3]。

粒子群优化算法在配电网网架优化规划中的应用

粒子群优化算法在配电网网架优化规划中的应用
徐珍霞;顾洁
【期刊名称】《电力系统保护与控制》
【年(卷),期】2006(034)006
【摘要】粒子群优化(PSO)算法已经成功地用于求解连续域问题,但是对于离散域问题的求解研究还很少.文中使用模糊离散粒子群优化算法,用于求解配电网网架优化问题.采用模糊矩阵表示粒子的位置和速度.为了处理配电网辐射性结构的约束条件,引入了图论中的最小生成树问题.最后对算例进行测试,检验该方法的有效性及应用效果.
【总页数】5页(P29-33)
【作者】徐珍霞;顾洁
【作者单位】上海交通大学电气工程系,上海,200240;上海交通大学电气工程系,上海,200240
【正文语种】中文
【中图分类】TM715
【相关文献】
1.混沌粒子群优化算法在配电网无功优化中的应用 [J], 钟旭;康积涛;赵丹阳
2.一种改进最小生成树算法在配电网架优化规划中的应用 [J], 陈勇;韩启银
3.基于黄金分割的混沌粒子群优化算法在配电网无功规划中的应用 [J], 汪超;王昕;姚钢;郑益慧;周荔丹;刘鑫
4.一种改进蚁群算法在配电网优化规划中的应用 [J], 刘立;王建兴;秦书硕;莫城恺
5.基因/禁忌组合算法在配电网网架优化规划中的应用 [J], 周玲;王兴念;丁晓群;颜自坚;李顺宗
因版权原因，仅展示原文概要，查看原文内容请购买。

一种改进的离散粒子群算法用于分布式电源容量优化

一种改进的离散粒子群算法用于分布式电源容量优化
陈岭;杨静;钟腾飞;王超
【期刊名称】《计算机与数字工程》
【年(卷),期】2018(046)012
【摘要】以二进制将标准的粒子群优化算法进行离散化,并将其改进为两个子群协同求解.建立将购电费用和新能源发电补助计入总投资的经济模型,以节约购电费用的形式实现投资的回收.在分布式电源类型与容量均不确定的情况下,利用两个子群的协同搜索,通过子群间粒子的跳跃和粒子的伪变异操作和基于爬山思想的位置更新,改善了标准的粒子群算法易陷入局部最优的问题,有效提高了优化计算的准确率和粒子收敛速度.
【总页数】6页(P2400-2405)
【作者】陈岭;杨静;钟腾飞;王超
【作者单位】中国人民解放军陆军勤务学院重庆 401331;中国人民解放军陆军勤务学院重庆 401331;中国人民解放军陆军勤务学院重庆 401331;中国人民解放军62160部队华阴 714200
【正文语种】中文
【中图分类】TN86
【相关文献】
1.基于改进蚁群算法的分布式电源容量优化配置 [J], 王宗礼;李明;陈建;王壮;李芹;黄晓萍
2.基于改进ELM的风/光/柴/储独立微网分布式电源多目标容量优化配置 [J], 谭颖;吕智林;李捷
3.基于改进离散粒子群算法的光伏电站优化设计 [J], 陈萌; 李涛; 魏媛; 燕敏飞
4.基于改进离散粒子群算法的危化品仓库垛位布局优化研究 [J], 戴波; 林双双; 张岩; 刘学君
5.基于改进BAS算法的配电网分布式电源位置容量优化 [J], 周冬冬;李军;张玉琼;吕干云;陈魏;蒋钰
因版权原因，仅展示原文概要，查看原文内容请购买。

基于离散量子粒子群算法的配电网重构

基于离散量子粒子群算法的配电网重构发表时间：2016-04-28T15:08:56.267Z 来源：《电力设备》2015年第11期供稿作者：刘刚邱冬[导读] 江苏省电力公司宿迁供电公司本文利用节点优化3步骤对配电网络进行优化，使得粒子在初始化过程中避免了不可行解的出现。

（江苏省电力公司宿迁供电公司 223800）摘要：本文利用了修正的离散量子粒子群优化算法（MQPSO）对配电网网络进行重构，算法在原有的二进制粒子群基础上改进了Sigmoid 函数的简单映射关系，直接利用MQPSO实现了改进粒子群自身算法直接的映射关系，提高了算法的运算效率。

此外，由于配电网自身的辐射状运行特点，本文利用节点优化3步骤对配电网络进行优化，使得粒子在初始化过程中避免了不可行解的出现。

最后对IEEE单馈线33节点配电系统进行了优化计算，其结果与最优解吻合，同时还证明了MQPSO算法在处理离散问题的高效性。

关键词：配电网重构 MQPSO算法节点优化ABSTRACT:In this paper,a modified discrete quantum particle swarm optimization algorithm is applied into the power distribution network reconfiguration.Based on the discrete binary of the PSO,this algorithm here will improve the simple mapping of Sigmoid function ,and realize the algorithm's direct mapping itself by using the MPSO algorithm ,which will make the algorithm much efficient.Taking the radial operation of power distribution network into consideration ,this paper will optimize the power distribution network through 3 steps of node optimization,which can avoid those infeasible solutions when the particles are initialized .At the end of this paper ,IEEE 33 node distribution system is tested by using the MDPSO algorithm,and the results are tally agreed with the best solutions,shouwing that the MDPSO can be effectively used to those discrete problems. KEY WORDS: Power distribution network reconfiguration; MDPSO algorithm; Node optimization引言由于用电用户不断增多，各种电力设备的投入也随之增加，在配电网中造成了大量的电能损耗。

粒子群优化算法在电力系统中的应用

粒子群优化算法在电力系统中的应用摘要：粒子群算法是一种新的智能优化算法，它是对生物群体协同优化能力的研究，是一种针对每个粒子追求自身最优粒子和全局最优位置的一种启发式随机优化算法。

在随机搜索的过程中，此算法收敛于最优粒子群优化算法。

详细介绍了基本粒子群优化算法和改进的粒子群优化算法，并进行仿真研究，简要阐述了该算法在电力系统中优化应用情况，以期为日后的相关工作提供参考。

关键词：粒子群算法；智能优化算法；人工生命；计算技术引言双眼皮人工生命用来研究人工系统的基本特征，它主要包括利用计算技术研究生物现象，利用生物技术研究和计算问题。

另外，生物系统是社会系统的一部分，对其研究主要利用的是局部信息，而仿真系统中则很可能发生不可预知的群体行为。

在计算智能领域中，主要有粒子群优化算法（PSO）和蚁群算法（ACO）2种基于群体智能的算法。

粒子群优化算法是基于模拟鸟群觅食的过程而创立的，它具有参数调整简单、容易实现等优点，且优化效果良好。

目前，这种算法已被广泛应用于智能控制、模糊控制和专家控制方面。

蚁群算法主要是模拟蚁群采集食物的过程而创立的，它适用于解决离散优化问题。

一、粒子群优化算法工作原理粒子群优化 PSO（Particle Swarm Optimization）算法是一种基于集群智能的随机优化算法，最早由Kennedy 和 Eberhart 于 20 世纪 90 年代提出。

粒子群算法的基本思想是[4]：优化问题的每一个解称为一个粒子。

定义一个符合度函数来衡量每个粒子解的优越程度。

每个粒子根据自己和其它粒子的“飞行经验”群游，从而达到从全空间搜索最优解的目的。

具体搜索过程如下：每个粒子在解空间中同时向两个点接近，第一个点是整个粒子群中所有粒子在历代搜索过程中所达到的最优解，被称为全局最优解 gbest；另一个点则是每个粒子在历代搜索过程中自身所达到的最优解，这个解被称为个体最优解 pbest。

每个粒子表示在 n 维空间中的一个点，用 xi = [ xi1，xi2，⋯，xin ]表示第 i 个粒子，第 i 个粒子的个体最优解（第 i个粒子最小适应值所对应的解）表示为 pbesti = [pi1，pi2，⋯，pin ]；全局最优解（整个粒子群在历代搜索过程中最小适应值所对应的解）表示为 gbesti = [pbest1，pbest2，⋯，pbestn]；而 xi的第 k 次迭代的修正量（粒子移动的速度）表示为：其中 m 为粒子群中粒子的个数；n 是解向量的维数。

粒子群优化算法在电网规划中的应用

改进为
＝ Ⅻ ＋ｍ脚一ｌｃｄ
于提高算法收敛值速度，较小ｚ有利于提高算法收敛精度。优化过作者简介：磨莉（９１）女，西工业职业１８一，陕程的不同搜索时期，值也不同。在实际优化问技术学院，ｚ学士，助教题中，先采用全局搜索，搜索空间快速收敛，使
Ｉ１５ＣＫＭｏａｎ．Ａ－ｋｚｍｉｈｎａｄＢ１ａｅＤｉｒｔｓｅｅｃ
ｋｌ＋
ｋｌ＋
ｐｒｉｌｓｒｏｉｉａｉ．ＰｒｃＷｏｋｈｐａｔｃｅｗａｍｐｔｚｔｍｏｎｏ．ｒｓｏｏＰａｔｃｅＳｒＯｐｉｚｔｎｒｉｌｗａｍｔｍｉａｉＩｄａａｌｏｎ，ｎｉｎｐｏｉｓＩ：ｒｕＳｈ１ＮＰｕｄｅｃｏｏｏｆＥｎ西ｎｅｒｎａｄｅｉｇｎＴｅ－ｃｎｏｙ，ＵＰＩ２０１ｏｌｇＩＵ，０．
搜索空间探索新搜索区域的趋势。因此，将下列ＣｙｅｎｔｓＰｓａａｙＮ，９７ｂｒｅｉ，ｉｔｗａ，Ｊ１９．ｃｃ公式＋ｒｄｂｃｎ［ｅ，ｃ也 “ ｋｐ “ 动ｅｋａ＿ｘ）
ｉｄｄｌａｔａ Ⅱ ｌｄ
所示：
，＝
是追踪它有限数量的邻居，但最终的整体结果是整个鸟群好像在一个中心的控制之下飞行，即复杂的全局行为是由简单规则的相互作用引起的。ＳＰＯ即源于对鸟群捕食行为的研究，一群鸟在随机搜寻食物时，如果这个区域里只有一

粒子群优化算法在电力系统调度中的应用实践

粒子群优化算法在电力系统调度中的应用实践1. 引言电力系统是现代社会不可或缺的基础设施之一，其稳定运行对于保障经济发展和社会生活的正常运行至关重要。

电力系统调度是指合理安排电力系统的发电、输电、配电等各项计划，以实现电力供需的平衡和最优化运行。

传统的电力系统调度问题具有高度的非线性、离散性和复杂性，传统的优化方法面临着求解效率低、易陷入局部最优等问题。

而粒子群优化算法(Particle Swarm Optimization, PSO)通过模拟鸟群觅食行为的优势，能够有效地解决电力系统调度问题，提高电力系统的运行效率。

2. 粒子群优化算法原理粒子群优化算法是一种模拟自然界群体行为的智能优化算法。

其基本原理是利用群体中各个个体之间的协作和竞争关系，通过不断更新个体的速度和位置，逐步寻找全局最优解。

粒子群优化算法的核心思想可以用以下三个方面来概括：（1）位置更新：粒子的位置表示待优化问题的一个解，粒子在搜索空间中以一定的速度移动，并不断更新自身的位置。

（2）速度更新：粒子的速度决定了粒子在搜索空间中的搜索方向和步长，通过速度更新，粒子能够向更优的解空间靠近。

（3）个体和全局最优解更新：每个粒子有自己的个体最优解，同时也有全局最优解。

粒子通过个体和全局最优解的比较，不断更新自身的速度和位置，直到达到最优解。

3. 粒子群优化算法在电力系统调度中的应用粒子群优化算法在电力系统调度中有广泛的应用，包括电力系统发电计划、输电网优化和配电网优化等方面。

（1）电力系统发电计划电力系统发电计划是电力系统调度的核心问题之一。

通过粒子群优化算法，可以优化发电计划，实现供电的平衡和经济性最大化。

算法通过不断更新粒子的速度和位置，搜索最优解，可以有效地解决电力系统发电计划中的非线性多目标优化问题。

（2）输电网优化输电网优化是电力系统调度的重要组成部分。

粒子群优化算法可用于输电网的潮流分配、网络结构优化和经济调度等问题。

算法能够搜索出潮流分布最优的输电网结构和输电线路参数配置，优化传输损耗，提高输电网的经济性和可靠性。

一种融合分布估计的离散粒子群优化算法的配电网重构

一种融合分布估计的离散粒子群优化算法的配电网重构李琴，杨栩沣江苏阚山发电有限公司，江苏徐州，221000Distribution Network Reconfiguration based on discrete particle swarmoptimization with Estimated of DistributionLI Qi，YANG Xu-FengJiangsu kanshan Power Co. Ltd. Jiangsu Xuzhou,221000Abstract：This paper will bebased onestimation of distribution of discrete particle swarm optimization algorithm applied in distribution network reconfiguration, in order to reduce the network loss as objective function, For the new population ,starting from random probability model and has the global optimal solution of information items to obtain information,simulation and experimental results show that the algorithm for distribution network reconfigurationg is superior to other several optimization algorithm.Key words：discrete particle swarm optimization,Estimated of Distribution,DistributionNetwork Reconfiguration,IEEE33摘要：本文将基于分布估计的离散粒子群优化算法运用于配电网重构，以降低网损为目标函数，对于新的种群，随机从概率模型和至今全局最优信息项中获取解信息。

自适应变异粒子群算法及在输电网规划中的应用

⾃适应变异粒⼦群算法及在输电⽹规划中的应⽤第２１卷第１２期２（）（Ｊ８年１２⽉⼴东电⼒ＧＵＡＮＧＤＯＮＧＥＬＥＣｒＲＩＣｐ０ＷＥＲＶ０１．２１Ｎｏ．１２Ｄｅｃ．２（Ｊｆ）８⽂章编号：１（）（）７．２９（）Ｘ（２００８）１２．（）（）１８．（Ｊ５⾃适应变异粒⼦群算法及在输电⽹规划中的应⽤李如琦，周媛媛（⼴西⼤学电⽓⼯程学院，南宁５３００（）４）摘要：针对标准粒⼦群优化（ＳＰｓｏ）算法易陷⼊局部最优的缺点，引⼊了⼀种⾃适应变异的粒⼦群优化（ＡＭＰＳｏ）算法，并应⽤于电⼒系统输电⽹规划。

该算法在迭代过程中加⼊变异操作，并根据种群适应度⽅差值⾃适应地调整变异概率的⼤⼩，以此来增强算法跳出局部最优的能⼒。

在输电⽹规划算例中的应⽤结果表明，变异操作改善了算法的寻优性能，使得ＡＭＰｓｏ算法的寻优效率远⾼于ｓＰｓ０算法。

关键词：输电⽹扩展规划；粒⼦群算法；局部最优；⾃适应变异中图分类号：ＴＭ７１５⽂献标志码：ＡＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎＡｌｇｏｒｉｔｈｍｗｉｔｈＡｄａｐｔｉＶｅＭｕｔａｔｉｏｎａｎｄＩｔｓＡｐｐＩｉｃａｔｉｏｎｉｎＰｏｗｅｒＴｒａｎｓｍｉｓｓｉｏｎＮｅｔｗｏｒｋＰｌａｎｎｉｎｇＬｌＲｕ－ｑｉ，ＺＨｏＵＹｕａｎ—ｙｕａｎ（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａＩＥｎｇｉｎｅｅｒｉｎｇ，Ｇｕａｎｇ）【ｉＵｎｉｖ．，Ｎａｎｎｉｎｇ５３（）（）（）４，Ｃｈｉｎａ）Ａｂｓｔｍｃｔ：～ｍｉｎｇａｔｔｈｅｄｅｆｉｃｉｅｎｃｙｏｆｓｔａｎｄａｒｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ（ＳＰＳ０）ａｌｇｏｒｉｔｈｍ，ｉ．ｅ．，ｅａｓｉｌｙｐｌｕｎｇｉｎｇｉｎｔｏｔｈｅｌｏｃａｌｏｐｔｉｍｕｍ，ａｎａｄａｐｔｉｖｅｍｕｔａｔｉｏｎｐａｒｔｉｃｌｅｓＷａ珊ｏｐｔｉｍｉｚａｔｉｏｎ（ＡＭＰｓＯ）ａｌｇｏｒｉｔｈｍｉｓａｐｐｌｉｅｄｔｏｔｈｅｐｏｗｅｒｔｒａｎｓｍｉｓｓｉｏｎｎｅｔｗｏｒｋｐｌａｎｎｉｎｇ．Ｔｈｅａｌｇｏｒｉｔｈｍａｄｄｓｍｕｔａｔｉｏｎｏｐｅｒａｔｉｏｎｉｎｉｔｅｒａｔｉｏｎｐｒｏｃｅｓｓｔｏｅｎｈａｎｃｅｉｔｓａｂｉｌｉｔｙｔｏｂｒｅａｋａｗａｙｆｒｏｍｌｏｃａｌｏｐｔｉｍｕｍ，ａｎｄｔｈｅｍｕｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｉｓａｄａｐｔｉＶｅｌｙａｄｊｕｓｔｅｄｂｙＶａｒｉａｎｃｅｏｆｔｈｅｐｏｐｕｌａｔｉｏｎ’ｓｆｉｔｎｅｓｓ．ＮｕｍｅｒｉｃａｌｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｏｆｐｏｗｅｒｔｒａｎｓｍｉｓｓｉｏｎｎｅｔｗｏｒｋｐｌａｎｎｉｎｇｄｅｍｏｎｓｔｒａｔｅｔｈａｔｔｈｅｏｐｔｉｍｕｍｓｅａｒｃｈｉｎｇｐｅｒｆｏｒｍａｎｃｅｏｆＡＭＰＳｏｉｓｉｍｐｒｏｖｅｄｂｙｍｕｔａｔｉｏｎｏｐｅｒａｔｉ伽，ｓｏｔｈｅｓｅａｒｃｈｉｎｇｅｆｆｉｃｉｅｎｃｙｏｆＡＭＰｓＯａｌｇｏｒｉｔｈｍｉｓｆａｒｂｅｔｔｅｒｔｈａｎｔｈａｔｏｆＳＰＳＯａｌｇｏｒｉｔｈｍ．Ｋｅｙｗｏｒｄｓ：ｐｏｗｅｒｔｒａｎｓｍｉｓｓｉｏｎｎｅｔｗｏｒｋｅｘｐａｎｓｉｏｎｐｌａｎｎｉｎｇ；ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉＩｌｌｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ；ｌｏｃａｌｏｐｔｉｍｕｍ；ａｄａｐｔｉｖｅｍｕｔａｔｉｏｎ输电⽹络规划［１］的主要任务是确定何时、何地投建何种类型的输电线路及其回路数，以达到系统在规划周期所需要的输电能⼒，并且在满⾜各项技术指标的前提下使系统的费⽤最⼩。

基于混沌猴群算法的传感器优化布置

基于混沌猴群算法的传感器优化布置彭珍瑞;赵宇;殷红;彭宝瑞【摘要】针对猴群算法收敛速度慢,易陷入局部最优等缺点,将混沌搜索策略引入猴群算法,提出了一种求解桥梁传感器优化布置问题的混沌猴群算法.该算法利用混沌变量产生初始猴群,并按照混沌原理加以扰动来增强猴群的多样性,提高算法全局搜索能力.对一座悬索桥进行传感器优化布置,结果表明:混沌猴群算法可以解决桥梁传感器优化布置问题,且较猴群算法寻优能力强.【期刊名称】《传感器与微系统》【年(卷),期】2014(033)010【总页数】4页(P104-107)【关键词】桥梁;传感器优化布置;猴群算法;混沌【作者】彭珍瑞;赵宇;殷红;彭宝瑞【作者单位】兰州交通大学机电工程学院,甘肃兰州730070;兰州交通大学机电工程学院,甘肃兰州730070;兰州交通大学机电工程学院,甘肃兰州730070;兰州大学土木工程与力学学院,甘肃兰州730000【正文语种】中文【中图分类】TU973;O329传感器优化布置问题是整个桥梁结构健康监测系统需要解决的问题之一，即如何用有限数量的传感器从被噪声污染的信号中采集到最充分和最有价值的反映桥梁健康状况的信息。

将最少的传感器布置在最合理的位置获取最全面的信息是典型的组合优化问题。

目前文献中出现的传感器优化布置方法种类繁多，很难将其毫无遗漏地归纳分类[1]。

大致可将传感器的优化布置方法可分为传统优化方法和非传统优化方法。

传统优化方法，如有效独立法(EFI)、运动能量法(KEM)、Guyan模型缩减法等。

非传统算法主要是基于现代智能优化算法，有遗传算法、模拟退火算法、微粒群算法等，这些非传统算法能较好地解决组合优化问题，但是，单纯地利用某一种算法易早熟、陷入局部最优。

新近出现的猴群算法(monkey algorithm，MA)是一种模仿猴群爬山行为的智能优化算法，模拟猴子爬山过程中的爬、望、跳等动作实现最优解的搜索[2]。

王靖然等人设计了能够求解离散变量优化问题的离散猴群算法(discrete monkey algorithm，DMA)，并将其应用于输电网扩展规划问题中达到了较好的计算结果[3]。

基于离散粒子群-二次规划算法的风电火电联合优化调度

基于离散粒子群-二次规划算法的风电火电联合优化调度李新鹏;李坚;邢金;宋磊;张志【摘要】针对风电并网联合优化调度难的问题,本文根据风电的间歇性及随机性特性,建立风电功率的输出模型,提出基于离散粒子群的风电火电机组联合优化算法.首先根据常规电力系统经济调度方法,建立含有风电机组优化问题的数学模型,引入离散粒子群算法,将机组优化调度分解为内外子层问题并进行求解.最终确定最优的启停方案,实现风电火电机组的最优调度.该算法满足电力生产安全兼顾系统运行的经济性,具备一定的有效性及可行性.%According to the wind power grid scheduling problem of joint optimization, according to the intermittent nature of wind and randomness of wind power output model, proposed joint optimization algorithm of wind turbine power based on discrete particle swarm optimization. Firstly, according to the conventional economic dispatch method of power system, the establishment of a mathematical model for the optimization problem with wind power. Discrete particle swarm algorithm, the scheduling is divided into inside and outside sub layer problem optimization unit. Ultimately determine the optimal commitment scheme to achieve optimal scheduling of wind power plant. The algorithm can satisfy the production safety of both power system economical operation, effective and feasible.【期刊名称】《电子设计工程》【年(卷),期】2017(025)018【总页数】5页(P54-57,63)【关键词】风电;粒子群算法;二次规划;机组调度【作者】李新鹏;李坚;邢金;宋磊;张志【作者单位】国网冀北电力有限公司北京 100053;国网冀北电力有限公司北京100053;国网冀北电力有限公司北京 100053;国网冀北电力有限公司北京100053;国网冀北电力有限公司北京 100053【正文语种】中文【中图分类】TN602随和环境的日益恶化及化石能源的快速消耗，人们对新能源的应用日益迫切，在现有的新能源中，风电因其突出的经济性和环保性，备受人们青睐。

离散优化算法在电力网络规划中的应用

离散优化算法在电力网络规划中的应用电力网络规划是现代社会发展中至关重要的一环。

随着电力需求的增加和能源结构调整的不断推进，如何合理规划电力网络，高效利用电力资源，成为一个亟待解决的问题。

而离散优化算法正是在这个领域中发挥着重要的作用。

本文将探讨离散优化算法在电力网络规划中的应用，并介绍其中几种常见的算法。

一、背景介绍电力网络规划是指根据供需关系和电网自身特点，确定合适的电网布局、线路规划、电源配置等，并通过优化电力传输效率和能源利用效率，实现电力供应的安全、稳定和高效。

然而，由于电力网络规划问题本身的复杂性，传统的规划方法在解决大规模的、复杂的问题时存在一定的局限性。

离散优化算法的出现，为电力网络规划提供了一种全新的解决思路。

二、离散优化算法的概念及特点离散优化算法是指在优化问题中，决策变量不连续、取值有限的情况下，寻找最优解的一类算法。

与连续优化算法相比，离散优化算法具有以下几个特点：1.决策变量取值有限：离散优化算法通过限定决策变量的取值范围，减少了解空间的搜索范围，提高了算法的运行效率。

2.问题约束条件复杂：电力网络规划问题往往涉及到大量的约束条件，如电力供应的可靠性、经济性、环境友好等。

离散优化算法能够灵活地应对这些约束条件，找到满足条件的最优解。

3.适应度函数设计灵活：离散优化算法依靠适应度函数来评估解的优劣程度，根据问题需要可以设计多样化的适应度函数，以求得最佳解。

三、离散优化算法在电力网络规划中的应用1.遗传算法遗传算法是一种模拟自然选择和遗传机制的优化算法。

在电力网络规划中，可以利用遗传算法求解线路优化问题。

通过对电力线路的布局、线路的容量和传输效率等进行编码，然后通过遗传算法的操作，对编码进行选择、交叉和变异等，最终得到适应度更高的电力线路方案。

2.粒子群算法粒子群算法是一种模拟鸟群觅食行为的优化算法。

在电力网络规划中，可以利用粒子群算法求解电网容量优化问题。

通过将电力网络的节点和线路看作粒子，设定粒子的位置和速度，并根据每个粒子的适应度函数，通过迭代更新粒子的位置和速度，最后得到电网的最优容量配置。

基于改进猴群算法的输电网扩展规划

基于改进猴群算法的输电网扩展规划
李传虎
【期刊名称】《无线互联科技》
【年(卷),期】2015(000)024
【摘要】利用数学算法对输电线路的规划问题进行组合与优化,通过对猴群算法进行改进,将支路搜索权数与猴群算法相结合,对电力系统的运行与系统过负荷能力大小计算;据电网运行中的实际需要对爬过程进行重新设计,对猴群算法的改进,一方面能够有效的解决猴群算法中在对电网规划方面的问题进行计算时失效的问题,另一方面,通过将望过程参数的递增机制进行引入,进一步提高了该算法的收敛速度和寻优精度.文章通过IEEE-18节点系统算例的求解结果验证了改进猴群算法在对输电网发展规划问题中的准确性与有效性.
【总页数】2页(P78-79)
【作者】李传虎
【作者单位】国网南平供电公司,福建南平 353000
【正文语种】中文
【相关文献】
1.基于改进人工鱼群算法的输电网络扩展规划 [J], 尹立敏;李想;孟涛;尹杭
2.改进猴群算法在输电网扩展规划中的应用 [J], 李文利;聂宏展;马迎东;张丽
3.离散猴群算法及其在输电网扩展规划中的应用 [J], 王靖然;余贻鑫;曾沅
4.基于离散多目标蜻蜓算法和改进FCM的风电协调输电网扩展规划研究 [J], 薛海峰;武晓云
5.基于离散多目标蜻蜓算法和改进FCM的风电协调输电网扩展规划研究 [J], 薛海峰;武晓云
因版权原因，仅展示原文概要，查看原文内容请购买。

基于分布估计算法的输电网扩展规划

基于分布估计算法的输电网扩展规划
侯云鹤;郑风雷;鲁丽娟;熊信艮
【期刊名称】《电网技术》
【年(卷),期】2004(28)23
【摘要】分布估计算法是一类新的进化算法,它通过统计在当前群体中选出的个体信息给出下一代个体分布的概率估计,用随机取样的方法生成下一代群体。

文章将分布估计算法应用于求解输电网扩展规划问题,提出了两种基于分布估计算法(基于群体的递增学习算法和因子分布算法)的电力系统输电网扩展规划模型,分析了加权估计、随机母本规模选择、条件概率链的重新排列、随机变异和精英保留等改进策略对算法的影响。

仿真分析结果表明了文中所采用的分布估计算法在求解输电网扩展规划问题时是可靠有效的。

【总页数】6页(P32-37)
【关键词】输电网;电力系统;随机取样;仿真分析;扩展;可靠;学习算法;规划;规模;统计
【作者】侯云鹤;郑风雷;鲁丽娟;熊信艮
【作者单位】华中科技大学电力工程系;华南理工大学电力学院
【正文语种】中文
【中图分类】TM744;F426
【相关文献】
1.基于改进猴群算法的输电网扩展规划 [J], 李传虎
2.基于改进人工蜂群算法的输电网扩展规划 [J], 周智成;童买成;徐璐;蔡婷
3.基于改进人工鱼群算法的输电网络扩展规划 [J], 尹立敏;李想;孟涛;尹杭
4.基于离散多目标蜻蜓算法和改进FCM的风电协调输电网扩展规划研究 [J], 薛海峰;武晓云
5.基于离散多目标蜻蜓算法和改进FCM的风电协调输电网扩展规划研究 [J], 薛海峰;武晓云
因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

第４３卷第９期２１００年９月
天津大学学报ＪｕｎｌｆｉｎｉｎｖｒｉｏｒａｏａｊＵｉｅｓｔＴｎｙ
ＶＩ３ＮＯ９０４＿＿．Ｓｐ２１ｅ．００
离散猴群算法及其在输电网扩展规划中的应用
ｃｉｒｃｓｅｒｅｉｎｄｔａｋｅｔｅｐｏｌｍｆｉｖｌｌｌｍｂｐｏｅｓｓｗｅｅｄｓｇｅｏｔｃｌｈｒｂｅｏａｉｃｉｒｃｓｎｄｓｒｔｐｉｚｔｏｔｒｍａｙｎｄｍｂｐｏｅｓｉｉｃｅｅｏｔｍｉａｉｎｗｉｐｉｒｈＭＡ．ｏｅａｉｎｐｏｅｓａｄｓｏｈｓｉｅｔｒａｉｎｍｅｈｎｓｗｅｅａｓｎｒｄｃｄｔｍｐｏｅｔｅｃｍｐｔｔｏａＣｏｐｒｔｒｃｓｎｔｃａｔｃｐｒｕｂｔｃａｉｍｒｌｏｉｔｏｕｅｏｉｒｖｈｏｏｏｕａｉｎｌｅｃｅｃｆｈｒｐｓｄａｇｒｔｍ．ｈｕｅｃｌｅｕｔｅｉｆｉｎｙｏｅｐｏｏｅｌｏｈｔｉＴｅｎｍｒａｓｌｄｍｏｓｒｔｈｔＤＭＡａｔｏｇｒｂｓｓｎｓｅｐ・ｉｒｓｎｔａｅｔａｈｓｓｒｎｏｕｔｓａｄｉａａｎｅｂｅｏｌｉｇｅｐｎｉｎｐａｎｎｒｂｅｆａｉｕｉｎｉｎｆｃｅｔｙａｄｒｐｄｙｗｉｍａｌｏｕａｉｎｓｚ．ｌｆｏｖｎｘａｓｏｌｎｉｇｐｏｌｍｓｏｒｏｓｄｍｅｓｏｓｅｓｖｉｉｎｌｎａｉｌｔｓｌｐｐｌｔｏｉｅｈＫｅｗｏｄ：ｔａｓｉｓｏｅｗｏｋｅｐｎｉｎｐａｎｎｙｒｓｒｎｍｓｉｎｎｔｒｘａｓｏｌｎｉｇ；ｄｓｒｔｉｃｅｅｍｏｅｌｏｉｍ；ｃｉｒｃｓ；ｅｏｕｉｎｒｋｎｙａｇｒｔｈｌｍｂｐｏｅｓｖｌｔａｏｙ
ＮｅｗｏｋＥｘｎｓｏＰｌｎｎｇｔｒｐａｉｎａｎｉ
ＷＡＮＧｉｇ—ａＪｎｒｎ．ＹＵ — ｎ．ＺＥＮＧＹｉｘｉＹｕａｎ
（ｅａｏａｏｙｆｍａｔｒｆｎｓｙｏＥｕａｏ，Ｔａｊｉｅｓｙｉｊ００２ｈｎ）ＫｙＬｂｒｔｒＳｒＧｉｏＭｉｉｒｆｄｃｔｎｉｉＵｎｖｒｉ，Ｔａｉ３０７，Ｃｉａｏｄｔｉｎｎｔｎｎ
ｍｏｅｌｏｉｍ（ｋｎｙａｇｒｈＤＭＡ）ｓｐｏｏｅｒｏｔｚｔｎｐｏｌｔｉｒｔａｉｂｅ．ａｇ —ｔｐａｄｓｌｓｐｔｉｒｐｓｄｆｐｉａｉｒｂｅｗｉｄｓｅｅｖｒｌｓＬｒｅｓｅｎｍａｌｔｏｍｉｏｍｓｈｃａ－ｅ
了原猴群算法求解离散优化问题时爬过程失效的问题，合作过程和随机扰动机制的引入也提高了算法的计算效率．算例结果表明，ＭＡ计算速度快，Ｄ鲁棒性强，小的猴群规模就能够对不同维数的输电网扩展规划问题均达到很好的用很
计算效果．关键词：输电网扩展规划；离散猴群算法；爬过程；进化计算；群智能
Ａｂｔａｔｓｒｃ：Ｍｏｋｙａｇｒｔｍ（Ａ）ｓａｓｒｌｎｅｌｅｃｌｏｉｍｎｙｆｒｏｔｉａｉｎｐｏｌｍｓｗｉｏｔｕｕｎｅｌｏｉｈＭｉｗａｌｔｌｇｎｅａｇｒｔｏｌｏｐｉｚｔｒｂｅｔｃｎｉｏｓＴｉｉｈｍｏｈｎ
ｖｒａｌｓｎｖｅｏｅｌｔｔｎｆＭＡｎｈｅｔｒｓｏａｓｉｓｏｅｗｏｋｅｐｎｉｎｐａｎｎａｂｅ．Ｉｉｗｆｔｉａｉｓｏｉｈｍｉｏａｄｔｅｆａｕｅｆｔｎｍｓｉｎｎｔｒｘａｓｏｌｎｉｇ，ｄｓｒｔｒｉｃｅｅ
王靖然，余贻鑫，曾沅
（津大学智能电网教育部重点实验室，天津３０７）天００２
摘
要：猴群算法（ＭＡ）是一种只适于求解连续变量优化问题的群智能算法．针对ＭＡ的局限并结合输电网扩展规
划问题的特点，设计了能够求解含有离散变量优化问题的离散猴群算法（ＭＡ）Ｄ．算法中提出的大、２种爬过程解决小
中图分类号：Ｔ号：０９．１７２１）９０９ —６４３２３（０００ —７８０
ＤｉｃｅｅＭｏｓｒｔｎｋｅｇｒｔｎｄＩｓＡｐｐｌｃｔｏｉａｍｉｓｏｙＡｌｏｉｈｍａｔｉａｉｎｎＴｒｎｓｓｉｎ