粒子群优化算法在电力系统中的应用

被引:214
作者
袁晓辉
王乘
张勇传
袁艳斌
机构
[1] 华中科技大学
[2] 武汉理工大学 湖北省武汉市
[3] 湖北省武汉市
基金
中国博士后科学基金;
关键词
粒子群优化方法; 计算智能; 群体智能; 电力系统;
D O I
10.13335/j.1000-3673.pst.2004.19.004
中图分类号
TM715 [电力系统规划];
学科分类号
080802 ;
摘要
粒子群优化方法是一种基于群体智能的新型演化计算技术。它在函数优化、神经网络设计、分类、模式识别、信号处理、机器人技术等许多领域已取得了成功应用,但在电力系统中应用的研究起步较晚,关于它实际应用的报道尚不多见。文章较为全面地详述了粒子群优化方法在配电网扩展规划、检修计划、机组组合、负荷经济分配、最优潮流计算与无功优化控制、谐波分析与电容器配置、配电网状态估计、参数辨识、优化设计等方面应用的主要研究成果。随着粒子群优化理论研究的深入,它还将在电力市场竞价交易、投标策略以及电力市场仿真等领域发挥巨大的应用潜力。
引用
收藏
页码:14 / 19
页数:6
相关论文
共 15 条
[1]   一种适合于电力系统机组组合问题的混合粒子群优化算法 [J].
胡家声 ;
郭创新 ;
曹一家 .
中国电机工程学报, 2004, (04) :28-32
[2]   基于扩展粒子群优化算法的同步发电机参数辨识 [J].
胡家声 ;
郭创新 ;
曹一家 .
电力系统自动化, 2004, (06) :35-40
[3]   多目标电网规划的分层最优化方法 [J].
程浩忠 ;
高赐威 ;
马则良 ;
朱忠烈 ;
许进 ;
王晓晖 .
中国电机工程学报, 2003, (10) :11-16
[4]   发电机组最佳计划维修周期研究 [J].
彭卉 ;
张焰 ;
张彦魁 ;
张勇 ;
朱峰 .
中国电机工程学报, 2003, (07) :41-45+66
[5]   用遗传算法解算机组组合的研究 [J].
蔡兴国 ;
初壮 .
电网技术, 2003, (07) :36-39
[6]   电力市场下综合考虑系统可靠性和旋转备用效益的机组组合 [J].
杨梓俊 ;
丁明 ;
孙昕 .
电网技术, 2003, (06) :13-18
[7]   负荷模型参数辨识的粒子群优化法及其与基因算法比较 [J].
程颖 ;
鞠平 ;
吴峰 .
电力系统自动化, 2003, (11) :25-29
[8]   微粒群算法综述 [J].
谢晓锋 ;
张文俊 ;
杨之廉 .
控制与决策, 2003, (02) :129-134
[9]   基于PSO考虑谐波影响的补偿电容器优化配置 [J].
余欣梅 ;
李妍 ;
熊信艮 ;
吴耀武 .
中国电机工程学报, 2003, (02) :30-34+124
[10]   基于粒子群游算法的同步发电机参数辨识 [J].
龙云 ;
王建全 .
大电机技术, 2003, (01) :8-11