学位论文 > 优秀研究生学位论文题录展示
基于改进粒子群算法的变电站选址问题研究
作 者: 杨彦卿
导 师: 牛存良
学 校: 河北工业大学
专 业: 计算机应用技术
关键词: 改进粒子群算法 重心化 变量搜索 变电站选址模型 优化选址
分类号: TM63
类 型: 硕士论文
年 份: 2007年
下 载: 196次
引 用: 5次
阅 读: 论文下载
内容摘要
粒子群优化算法(PSO)是一种基于群体的随机优化算法,最早在1995年由美国社会心理学家James Kennedy和电气工程师Russell Eberhart提出。由于PSO算法计算速度快、实现容易等特性,引起了许多相关领域学者的关注和研究。变电站规划是电网规划的重要组成部分,变电站的选址是否合理,直接影响到电力企业的经济效益,和电网的可靠性和安全性,并且关系到未来网架规划的优劣。变电站选址问题的影响因素中主要分为量化因素和非量化因素,传统的选址方法中,将选址的两类因素进行分部优化。本文对传统的选址模型进行改进,将两类因素结合,提出了新的变电站选址综合模型。通过对基本PSO算法原理和优缺点的学习和分析,结合变电站选址的实际问题,本文对基本PSO算法提出两点改进策略:(1)初始解重心化针对变电站选址的特点,提出了一种比较简单初始解优化方法,采用重心公式对初始解选取进行均匀化处理。由于待选变电站的位置大多靠近供电区域重心,因此将其初始解的选取规定由重心解和随机解两类构成,重心解又由全局重心解和局部重心解组成。(2)变量搜索基本PSO算法中,每次迭代得到粒子当前的个体最优解后,便对粒子的速度和位置进行更新,然后进行下一步的寻优,这很可能使粒子逃离出最优解的区域。本文采用了一种简单的变量搜索方法,每次迭代后得到了每个粒子的当前最优解后,分别对粒子个体最优解的某一维数方向分别取一定数值的变量,然后分别对变化后的解求适应度值,与粒子自身的最优解进行比较,更新粒子自身最优值,最终更新种群中的全局最优值。最终,运用改进粒子群算法对新的选址模型进行优化,有效的改善变电站选址的实际问题。
|
全文目录
摘要 4-5 ABSTRACT 5-8 第一章 绪论 8-14 §1-1 变电站选址规划 8-9 1-1-1 变电站选址问题 8-9 1-1-2 变电站选址意义 9 §1-2 群智能优化算法 9-10 §1-3 粒子群算法的研究及其应用 10-12 1-3-1 粒子群算法的研究 10-11 1-3-2 粒子群算法的应用 11-12 §1-4 本文主要工作和文章结构 12-14 1-4-1 本文主要工作 12 1-4-2 本文主要结构 12-14 第二章 改进粒子群算法研究 14-31 §2-1 基本粒子群算法 14-19 2-1-1 粒子群算法基本原理 14-16 2-1-2 基本粒子群算法参数分析 16-17 2-1-3 基本粒子群算法的步骤和流程 17-18 2-1-4 粒子群算法的特点 18-19 §2-2 粒子群算法的发展 19-21 2-2-1 自适应PSO(Adaptive Particle Swarm Optimization,APSO) 19 2-2-2 杂交PSO(Hybrid Particle Swarm Optimization,HPSO) 19-20 2-2-3 协同PSO(Cooperative Particle Swarm Optimization,CPSO) 20 2-2-4 邻域变换的粒子群算法 20-21 §2-3 改进粒子群算法 21-24 2-3-1 粒子群优化算法的改进策略 21-22 2-3-2 改进粒子群算法的步骤和流程 22-24 §2-4 经典函数测试 24-31 2-4-1 算法迭代500 次后的适应值 27 2-4-2 算法达到收敛条件的迭代次数 27-28 2-4-3 算法的收敛率 28 2-4-4 收敛示意图 28-31 第三章 基于改进粒子群算法的变电站选址研究 31-43 §3-1 变电站选址问题分析 31-34 3-1-1 变电站选址概述 31 3-1-2 变电站选址研究现状 31-32 3-1-3 变电站选址影响因素分析 32-33 3-1-4 变电站选址模型的优化措施 33-34 §3-2 变电站选址规划数学模型 34-38 3-2-1 变电站选址模型分类 34-35 3-2-2 变电站选址因素模型化 35-36 3-2-3 变电站选址综合数学模型 36-38 3-2-4 变电站选址简化数学模型 38 §3-3 变电站选址实例应用 38-43 3-3-1 单源选址实例 39-40 3-3-2 多源选址实例 40-43 第四章 变电站选址优化系统设计及实现 43-48 §4-1 系统概述 43 §4-2 系统关键技术 43-45 4-2-1 Matlab 介绍 43-44 4-2-2 C#.Net 介绍 44 4-2-3 MATLAB 与C#混和编程 44-45 §4-3 系统主要功能 45-48 第五章 总结和展望 48-49 §5-1 总结 48 §5-2 展望 48-49 参考文献 49-52 致谢 52-53 攻读学位期间所取得的相关科研成果 53
|
相似论文
- 电力系统无功优化的混合算法研究,TM714.3
- 电力变压器的智能故障诊断方法研究,TM41
- 湿法炼锌电解过程能耗优化控制研究与应用,TF813
- 基于改进粒子群算法的配电网网架规划优化研究,TM715
- 基于改进粒子群算法的配电网无功补偿优化配置,TM714.3
- 基于改进粒子群算法的配电网分布式电源优化规划,TM715
- 风水互补微电网的优化运行研究,F426.61
- 基于全生命周期成本管理的变电站选址定容研究,TM63
- 改进粒子群算法在结构优化设计中的应用,TU318.1
- 基于遗传算法的多目标空间优化选址,TP18
- 基于不确定理论的含大型风电场的电网扩展规划,TM715
- 基于改进粒子群算法的节能发电调度与经济调度对比研究,TM73
- 基于云理论的配电网络规划研究,TM715
- 船台吊装顺序优化关键技术研究,U671
- 含风电机组的配电网无功优化研究,TM714
- 基于点火强度优化设定的烧结点火燃烧智能控制方法研究,TF046.4
- 基于谢宁方法的同轴电缆绝缘附着力改善,TM248.3
- 汽车制造企业零部件入厂物流规划与应用,F252
- PSS和TCSC抑制低频振荡交互及协调研究,TM732
- 基于SVC考虑谐波污染的无功优化,TM714
- 基于改进粒子群算法的无功优化研究,TM714.3
中图分类: > 工业技术 > 电工技术 > 发电、发电厂 > 变电所
© 2012 www.xueweilunwen.com
|