資源描述：
《粒子群算法改進研究及在風電系統(tǒng)優(yōu)化調(diào)度中的應用》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、分類號密級博士學位論文題目：粒子群算法改進研究及在風電系統(tǒng)優(yōu)化調(diào)度中的應用英文并列題目：ResearchonParticleSwarmAlgorithmandItsApplicationinOptimizationDispatchofWind-thermalPowerSystem研究生：江善和專業(yè)：控制理論與控制工程研究方向：智能控制理論與應用導師：紀志成教授指導小組成員：學位授予日期：2015年6月答辯委員會主席：孫繼濤江南大學地址：無錫市蠡湖大道1800號二○一五年六月I獨創(chuàng)性聲明本人聲明所呈交的學位論文是本人
2、在導師指導下進行的研宄工作及取得的研宄成果。盡我所知，除了文中特別加以標注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含本人為獲得江南大學或其它教育機構(gòu)的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均己在論文中作了明確的說明并表示謝意。關于論文使用授權(quán)的說明本學位論文作者完全了解江南大學有關保留、使用學位論文的規(guī)定:江南大學有權(quán)保留并向國家有關部門或機構(gòu)送交論文的復印件和磁盤，允許論文被查閱和借閱，可以將學位論文的全部或部分內(nèi)容編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印
3、或掃描等復制手段保存、匯編學位論文，并且本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。保密的學位論文在解密后也遵守此規(guī)定。曰期：以年石月3曰摘要摘要粒子群（PSO）算法，作為群體智能計算方法的典型代表，已成為解決各類復雜優(yōu)化問題的有效方法和研究熱點。它具有實現(xiàn)容易、并行運算、參數(shù)設置簡單等特點，在很多領域有著廣泛的應用。然而，目前PSO算法仍存在一些不足，如收斂性分析基礎還不夠完善，種群規(guī)模參數(shù)還缺乏自適應性，算法收斂過程中易出現(xiàn)早熟停滯和后期收斂速度慢等問題。為此，本文在分析已有PSO算法的基礎上，研究了動態(tài)交互作用
4、下PSO算法的收斂性，提出了動態(tài)規(guī)模PSO算法、PSO最優(yōu)信息共享的重力搜索算法（GSA）以及PSO與GSA相結(jié)合的并行混合優(yōu)化方法，并將這些改進算法應用于函數(shù)優(yōu)化、參數(shù)辨識和電力系統(tǒng)優(yōu)化調(diào)度問題的求解，具有重要的理論意義和實踐價值。論文的主要工作如下。1.在算法的收斂性分析方面，考慮PSO算法的動態(tài)交互記憶特征，運用線性系統(tǒng)理論Z變換域方法分析了動態(tài)交互作用下PSO算法的收斂性，給出了參數(shù)的收斂范圍?；谒惴ǖ牡匠踢M一步推導出了粒子位置和速度在進化過程中呈現(xiàn)出一定的波動規(guī)律。結(jié)合基準測試函數(shù)進行了實驗仿真分析
5、，驗證了上述分析結(jié)論的正確性。2.在算法的種群規(guī)模選取方面，借鑒生物物種種群自適應演化的思想提出了動態(tài)規(guī)模PSO算法。該算法通過生物種群年齡模型實現(xiàn)種群的宏觀控制，通過個體生殖和死亡策略實現(xiàn)種群的微觀控制。運用隨機泛函理論證明了該算法收斂于群體最優(yōu)位置。仿真結(jié)果表明該算法優(yōu)于固定規(guī)模和硬性指派函數(shù)變化的PSO算法。3.針對GSA算法求解質(zhì)量不高和后期收斂速度慢，引入PSO最優(yōu)信息共享機制和串行模式，提出了利用PSO算法最優(yōu)個體記憶信息和Infinitecollapses混沌機制進行改進的重力搜索算法（IGSA）。運
6、用線性系統(tǒng)和隨機過程理論分別開展了IGSA算法的個體運動穩(wěn)定性和全局收斂性分析。CEC2005函數(shù)測試集的優(yōu)化結(jié)果表明IGSA算法具有求解精度高、收斂速度快。4.針對PSO與GSA的迭代范式和結(jié)構(gòu)流程具有相似性，引入并行混合模式，提出了將GSA加速運動直接嵌入到PSO算法的速度更新方程中進行改進的重力粒子群并行混合優(yōu)化算法（HPSO-GSA）。該算法改變了算法的學習更新策略，更好地保持了算法的種群多樣性?；陔S機過程理論的Markov鏈性質(zhì)對該算法進行了全局收斂性分析。并將該算法應用于自適應IIR濾波器的參數(shù)最優(yōu)辨
7、識，結(jié)果表明它能夠很好地兼顧算法的全局探測和局部搜索能力，表現(xiàn)出顯著的優(yōu)化性能。5.最后，針對含多重約束的常規(guī)火電電力系統(tǒng)和含不確定風電功率的風電系統(tǒng)建立了相應的經(jīng)濟環(huán)保優(yōu)化調(diào)度模型，且將上述提出的改進并行混合算法應用于調(diào)度模型的求解。典型算例測試系統(tǒng)的結(jié)果表明，相比于其它方法，所提算法具有更好地優(yōu)化能力，節(jié)省了經(jīng)濟成本，降低了污染排放。關鍵詞：粒子群算法；重力搜索算法；交互收斂性；種群參數(shù)自適應；性能改進；風電系統(tǒng)；經(jīng)濟環(huán)保優(yōu)化調(diào)度IAbstractAbstractParticleswarmoptimizatio
8、n(PSO),asatypicaloptimizingmethodinswarmintelligence,hasbecomeaneffectiveapproachandresearchfocustosolveallkindsofcomplexoptimizationproblems.Itisasimpleandefficientglobaloptimizat
