粒子群算法改進(jìn)研究及在風(fēng)電系統(tǒng)優(yōu)化調(diào)度中的應(yīng)用

《粒子群算法改進(jìn)研究及在風(fēng)電系統(tǒng)優(yōu)化調(diào)度中的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、分類(lèi)號(hào)密級(jí)博士學(xué)位論文題目：粒子群算法改進(jìn)研究及在風(fēng)電系統(tǒng)優(yōu)化調(diào)度中的應(yīng)用英文并列題目：ResearchonParticleSwarmAlgorithmandItsApplicationinOptimizationDispatchofWind-thermalPowerSystem研究生：江善和專(zhuān)業(yè)：控制理論與控制工程研究方向：智能控制理論與應(yīng)用導(dǎo)師：紀(jì)志成教授指導(dǎo)小組成員：學(xué)位授予日期：2015年6月答辯委員會(huì)主席：孫繼濤江南大學(xué)地址：無(wú)錫市蠡湖大道1800號(hào)二○一五年六月I獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人

2、在導(dǎo)師指導(dǎo)下進(jìn)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(biāo)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(xiě)過(guò)的研究成果，也不包含本人為獲得江南大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說(shuō)明并表示謝意。關(guān)于論文使用授權(quán)的說(shuō)明本學(xué)位論文作者完全了解江南大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定:江南大學(xué)有權(quán)保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和磁盤(pán)，允許論文被查閱和借閱，可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印

3、或掃描等復(fù)制手段保存、匯編學(xué)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(xué)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(jì)算方法的典型代表，已成為解決各類(lèi)復(fù)雜優(yōu)化問(wèn)題的有效方法和研究熱點(diǎn)。它具有實(shí)現(xiàn)容易、并行運(yùn)算、參數(shù)設(shè)置簡(jiǎn)單等特點(diǎn)，在很多領(lǐng)域有著廣泛的應(yīng)用。然而，目前PSO算法仍存在一些不足，如收斂性分析基礎(chǔ)還不夠完善，種群規(guī)模參數(shù)還缺乏自適應(yīng)性，算法收斂過(guò)程中易出現(xiàn)早熟停滯和后期收斂速度慢等問(wèn)題。為此，本文在分析已有PSO算法的基礎(chǔ)上，研究了動(dòng)態(tài)交互作用

4、下PSO算法的收斂性，提出了動(dòng)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(jìn)算法應(yīng)用于函數(shù)優(yōu)化、參數(shù)辨識(shí)和電力系統(tǒng)優(yōu)化調(diào)度問(wèn)題的求解，具有重要的理論意義和實(shí)踐價(jià)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(dòng)態(tài)交互記憶特征，運(yùn)用線(xiàn)性系統(tǒng)理論Z變換域方法分析了動(dòng)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(jìn)一步推導(dǎo)出了粒子位置和速度在進(jìn)化過(guò)程中呈現(xiàn)出一定的波動(dòng)規(guī)律。結(jié)合基準(zhǔn)測(cè)試函數(shù)進(jìn)行了實(shí)驗(yàn)仿真分析

5、，驗(yàn)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(yīng)演化的思想提出了動(dòng)態(tài)規(guī)模PSO算法。該算法通過(guò)生物種群年齡模型實(shí)現(xiàn)種群的宏觀(guān)控制，通過(guò)個(gè)體生殖和死亡策略實(shí)現(xiàn)種群的微觀(guān)控制。運(yùn)用隨機(jī)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(duì)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(jī)制和串行模式，提出了利用PSO算法最優(yōu)個(gè)體記憶信息和Infinitecollapses混沌機(jī)制進(jìn)行改進(jìn)的重力搜索算法（IGSA）。運(yùn)

6、用線(xiàn)性系統(tǒng)和隨機(jī)過(guò)程理論分別開(kāi)展了IGSA算法的個(gè)體運(yùn)動(dòng)穩(wěn)定性和全局收斂性分析。CEC2005函數(shù)測(cè)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(duì)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(yùn)動(dòng)直接嵌入到PSO算法的速度更新方程中進(jìn)行改進(jìn)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(xué)習(xí)更新策略，更好地保持了算法的種群多樣性?；陔S機(jī)過(guò)程理論的Markov鏈性質(zhì)對(duì)該算法進(jìn)行了全局收斂性分析。并將該算法應(yīng)用于自適應(yīng)IIR濾波器的參數(shù)最優(yōu)辨

7、識(shí)，結(jié)果表明它能夠很好地兼顧算法的全局探測(cè)和局部搜索能力，表現(xiàn)出顯著的優(yōu)化性能。5.最后，針對(duì)含多重約束的常規(guī)火電電力系統(tǒng)和含不確定風(fēng)電功率的風(fēng)電系統(tǒng)建立了相應(yīng)的經(jīng)濟(jì)環(huán)保優(yōu)化調(diào)度模型，且將上述提出的改進(jìn)并行混合算法應(yīng)用于調(diào)度模型的求解。典型算例測(cè)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(jì)成本，降低了污染排放。關(guān)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(yīng)；性能改進(jìn)；風(fēng)電系統(tǒng)；經(jīng)濟(jì)環(huán)保優(yōu)化調(diào)度IAbstractAbstractParticleswarmoptimizatio

8、n(PSO),asatypicaloptimizingmethodinswarmintelligence,hasbecomeaneffectiveapproachandresearchfocustosolveallkindsofcomplexoptimizationproblems.Itisasimpleandefficientglobaloptimizat