傳統(tǒng)粒子群算法在求解分布式電源的優(yōu)化配置問題時,存在早熟收斂、易陷入局部最優(yōu)的現(xiàn)象。為解決這些問題,提出一種基于傳統(tǒng)粒子群算法的人工免疫粒子群算法。該算法把人工免疫系統(tǒng)的多樣性、免疫記憶特性與傳統(tǒng)粒子群算法有機結(jié)合,提高了算法的全局搜索能力,保留了高適應(yīng)度的個體,解決了傳統(tǒng)算法早熟收斂、局部搜索能力差的不足。通過對IEEE33節(jié)點配電測試系統(tǒng)進(jìn)行仿真計算,驗證了所提算法具有更好的搜索性能和尋優(yōu)能力。 

【文章來源】：電力科學(xué)與工程. 2019,35(10)

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 分布式電源優(yōu)化配置模型
    1.1 目標(biāo)函數(shù)
    1.2 約束條件
2 人工免疫粒子群算法
    2.1 傳統(tǒng)粒子群算法
    2.2 人工免疫粒子群算法
    2.3 AI-PSO算法流程
3 仿真結(jié)果及分析
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]時序下分布式電源接入配電網(wǎng)的選址定容規(guī)劃[J]. 吳柯儒.  工業(yè)控制計算機. 2019(04)
[2]基于人工免疫算法的軟件輸出域覆蓋測試[J]. 張衛(wèi)祥,齊玉華.  南京大學(xué)學(xué)報(自然科學(xué)). 2018(04)
[3]基于改進(jìn)CPSO算法的含隨機負(fù)荷配電網(wǎng)重構(gòu)[J]. 徐文彬,馬立新.  電力科學(xué)與工程. 2018(04)
[4]采用多樣性選擇的量子粒子群雙向聚類算法[J]. 陳佳瑜,李梁,羅云.  計算機工程與應(yīng)用. 2018(09)
[5]基于功率預(yù)測的含風(fēng)電場電力系統(tǒng)經(jīng)濟優(yōu)化調(diào)度研究[J]. 肖峰,陳國初.  電力科學(xué)與工程. 2016(10)
[6]一種面向大數(shù)據(jù)的快速自動聚類算法[J]. 陳小玉,李曉靜,馬海英.  計算機應(yīng)用研究. 2017(09)
[7]考慮峰谷分時電價和時序特性的分布式電源選址定容[J]. 胡福年,張訪,葛苗苗,付長亮.  電測與儀表. 2016(13)
[8]考慮冗余電量和時序性的分布式電源的選址定容[J]. 黃煒果,劉俊勇,魏震波,戴松靈,范譯文.  高壓電器. 2016(03)
[9]分布式電源并網(wǎng)對于配電網(wǎng)的影響研究[J]. 沈鑫,曹敏.  電工技術(shù)學(xué)報. 2015(S1)
[10]考慮時序特性和環(huán)境成本的并網(wǎng)型分布式電源選址定容規(guī)劃[J]. 張濤,蘇海鋒,梁志瑞.  電測與儀表. 2015(02)

碩士論文
[1]基于粒子群和免疫優(yōu)化的多目標(biāo)聚類及應(yīng)用[D]. 李風(fēng).西安電子科技大學(xué) 2015



本文編號：3109510