导读:本文包含了随机聚焦粒子群算法论文开题报告文献综述及选题提纲参考文献，主要关键词:随机聚焦粒子群算法,机组组合,电力系统,优化
随机聚焦粒子群算法论文文献综述
赵辛欣[1]（2010）在《随机聚焦粒子群算法在机组组合中的应用》一文中研究指出电力系统机组组合是能量管理系统的重要组成部分之一,也是电力系统优化运行的重要课题之一,更好的解决机组组合问题能带来很大的经济效益。但是机组组合问题是一个含有连续量和离散量的复杂优化问题,很难得到理论上的最优解。本文介绍了机组组合的研究背景、研究意义。通过分析火电机组的燃料耗量特性和机组启停特性,介绍了机组组合问题中各种成本的计算方法。综述了机组组合的数学模型和求解方法的研究现状,并重点对群智能算法中的粒子群算法在机组组合求解中的应用进行了总结。选取已经在电力系统无功优化以及负荷预测等应用中取得较好效果的随机聚焦粒子群算法作为本文求解机组组合问题的主要算法,并在文中详细阐述了随机聚焦粒子群算法的物理意义、数学模型和优越性。将随机聚焦粒子群算法用于机组组合的求解,首先,将随机聚焦粒子群算法用于对机组组合中机组间的负荷分配问题的求解；然后,结合机组组合问题的特点,在随机聚焦粒子群算法中加入了启发式调整策略,提出了一种基于随机聚焦粒子群算法的机组组合算法；最后,将算法进行改进用于求解考虑机组爬坡速率的机组组合问题。通过对测试系统的MATLAB仿真实验和结果分析验证了随机聚焦粒子群算法用于求解机组组合问题的有效性和优越性。(本文来源于《西南交通大学》期刊2010-05-01）
李奇,陈维荣,段涛,刘述奎,刘元勋[2]（2009）在《基于随机聚焦粒子群算法的多机系统PSS参数优化》一文中研究指出随机聚焦粒子群算法(SFPSO)是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的群体智能优化算法。通过采用SFPSO算法,对多机系统的PSS参数进行优化。该方法是以最优控制原理为基础,综合考虑PSS与励磁系统的性能,将PSS参数优化协调转化为带有不等式约束的优化问题,控制目标为系统输出按照最小误差跟踪给定值的能力。通过仿真测试以及不同算法优化结果的对比,表明基于SFPSO算法优化的PSS在不同的干扰下都具有良好的性能,能够抑制低频振荡,并保持系统稳定,同时证明了SFPSO算法的有效性和优越性。(本文来源于《电力系统保护与控制》期刊2009年13期）
吴峰[3]（2009）在《基于随机聚焦粒子群算法的PSS参数协调优化》一文中研究指出随着电网规模的不断扩大和快速、高放大倍数励磁系统的投入,低频振荡已经成为影响互联电力系统稳定的重要问题之一。为了解决这一问题,最有效的措施就是在发电机侧加装电力系统稳定器(Power System Stabilizers,PSS),使发电机产生附加阻尼力矩,增大系统的阻尼,从而可以有效地抑制低频振荡现象的产生,提高系统的稳定性。但由于投入系统的PSS,一旦参数不适会使控制结果偏离最佳控制点,减弱了稳定器的作用。甚至存在抑制某一主振模态的同时却恶化另一模态的情形,从而进一步恶化系统。因此,需要借助优化的方法来协调优化PSS的工作状态。本文详细阐述了SFPSO的物理意义、数学模型、算法流程。在此基础上,基于单机无穷大系统和4机2区域系统,以系统输出按最小误差跟踪给定值的能力(ITAE准则)作为目标函数,建立PSS参数优化的模型。对比讨论粒子群算法、自适应遗传算法等几种热门的优化算法后,采用一种改进粒子群的随机聚焦粒子群(Stochastic Focusing Particle Swarm Optimization,SFPSO)算法来对电力系统稳定器进行参数协调优化。在MATLAB环境下作系统运行状态的仿真测试,并对比不同算法的优化结果,表明利用该方法优化的PSS在不同干扰下都具有更好的性能,能够有效地抑制低频振荡,维持系统的稳定,验证了SFPSO算法的有效性和优越性。(本文来源于《西南交通大学》期刊2009-06-01）
刘述奎,陈维荣,李奇,郑永康,张雪霞[4]（2008）在《基于随机聚焦粒子群算法的电力系统无功优化》一文中研究指出随机聚焦粒子群优化算法(stochastic focusing particle swarm optimization,SFPSO)是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的群体智能优化算法。该方法以最优控制原理为基础,以网损最小为目标函数。在IEEE30节点系统上进行了测试,仿真结果表明SFPSO算法在计算精度、收敛稳定性、寻优时间等方面都具有优势,能有效地应用于电力系统无功优化。(本文来源于《电网技术》期刊2008年S2期）
随机聚焦粒子群算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随机聚焦粒子群算法(SFPSO)是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的群体智能优化算法。通过采用SFPSO算法,对多机系统的PSS参数进行优化。该方法是以最优控制原理为基础,综合考虑PSS与励磁系统的性能,将PSS参数优化协调转化为带有不等式约束的优化问题,控制目标为系统输出按照最小误差跟踪给定值的能力。通过仿真测试以及不同算法优化结果的对比,表明基于SFPSO算法优化的PSS在不同的干扰下都具有良好的性能,能够抑制低频振荡,并保持系统稳定,同时证明了SFPSO算法的有效性和优越性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
随机聚焦粒子群算法论文参考文献
[1].赵辛欣.随机聚焦粒子群算法在机组组合中的应用[D].西南交通大学.2010
[2].李奇,陈维荣,段涛,刘述奎,刘元勋.基于随机聚焦粒子群算法的多机系统PSS参数优化[J].电力系统保护与控制.2009
[3].吴峰.基于随机聚焦粒子群算法的PSS参数协调优化[D].西南交通大学.2009
[4].刘述奎,陈维荣,李奇,郑永康,张雪霞.基于随机聚焦粒子群算法的电力系统无功优化[J].电网技术.2008