基于CNBPSO算法的需求侧资源计划

doi:10.3969/j.issn.1000-565X.2010.10.024

华南理工大学学报（自然科学版） ›› 2010, Vol. 38 ›› Issue (10): 130-133,152.doi: 10.3969/j.issn.1000-565X.2010.10.024

基于CNBPSO算法的需求侧资源计划

黄平^1,2 张尧² 于金杨¹

1.华南理工大学理学院, 广东广州 510640；2.华南理工大学电力学院, 广东广州 510640

收稿日期:2009-11-13 修回日期:2010-05-04 出版日期:2010-10-25 发布日期:2010-10-25
通信作者: 黄平（1963-），男，博士生，高级工程师，主要从事进化计算及其在电力系统中的应用研究． E-mail:huangp@scut．edu．cn
作者简介:黄平（1963-），男，博士生，高级工程师，主要从事进化计算及其在电力系统中的应用研究．
基金资助:
国家“973”计划项目（20091072）; 国家“十一五”重点科技攻关项目（2006BAA02A17）

Demand-Side Resource Planning Based on CNBPSO Algorithm

Huang Ping ^1.2 Zhang Yao² Yu Jin-yang¹

1.School of Science,South China University of Technology,Guangzhou 510640,Guangdong,China;2.School of Electric Power,South China University of Technology,Guangzhou 510640,Guangdong,China

Received:2009-11-13 Revised:2010-05-04 Online:2010-10-25 Published:2010-10-25
Contact: 黄平（1963-），男，博士生，高级工程师，主要从事进化计算及其在电力系统中的应用研究． E-mail:huangp@scut．edu．cn
About author:黄平（1963-），男，博士生，高级工程师，主要从事进化计算及其在电力系统中的应用研究．
Supported by:
国家“973”计划项目（20091072）; 国家“十一五”重点科技攻关项目（2006BAA02A17）

摘要/Abstract

摘要： 为克服二进制粒子群优化（BPSO）算法易于陷入局部极值的不足,在粒子群算法（PSO）的速度更新公式中引入混沌参数与小生境机制,在此基础上提出了一种新的二进制粒子群（混沌小生境二进制粒子群优化,CNBPSO）算法.将新算法应用于两种不同复杂度的负荷削减需求计划问题的求解,均获得了比BPSO更好的中断方案,证实了算法的有效性,新算法具有简单、快速、均衡收敛等优点.

关键词: 电力系统, 粒子群优化, 混沌, 小生境技术, 可中断负荷

Abstract:

In order to avoid the local extrema of binary particle swarm optimization（BPSO）,a new algorithm,namely Chaos Niche Binary Particle Swarm Optimizer（CNBPSO）,is proposed by introducing chaotic parameters and the Niche technique in the velocity updating formula of particle swarm optimization（PSO） algorithm.Then,CNBPSO is used to solve two ILS problems with different complexities,and the results are compared with those obtained by BPSO.It is found that CNBPSO is superior to BPSO due to its simplicity,fast speed and equilibrium convergence.

Key words: power system, particle swarm optimization, chaos, niche technique, interruptible load

黄平张尧于金杨. 基于CNBPSO算法的需求侧资源计划[J]. 华南理工大学学报（自然科学版）, 2010, 38(10): 130-133,152.

Huang Ping Zhang Yao Yu Jin-yang. Demand-Side Resource Planning Based on CNBPSO Algorithm[J]. Journal of South China University of Technology (Natural Science Edition), 2010, 38(10): 130-133,152.

[1]	魏海斌, 魏东升, 蒋博宇, 等. 基于IPSO-SVR的盾构下穿既有道路沉降预测分析[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 62-71.
[2]	赵强, 刘传卫, 张娜, 等. 基于粒子群优化的主动稳定杆系统自抗扰控制[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 52-61.
[3]	李潇, 汪涛, 张毅, 等. 网联车混行条件下交通流量融合方法[J]. 华南理工大学学报(自然科学版), 2022, 50(5): 49-55.
[4]	张刚董江涛贺利芳. 无信号间干扰的多载波降噪差分混沌移位键控方案[J]. 华南理工大学学报(自然科学版), 2022, 50(4): 100-109.
[5]	龙雪琴, 李景涛, 王建军, 等. 实时信息下共线公交线路发车时刻表的协同优化[J]. 华南理工大学学报(自然科学版), 2022, 50(2): 23-32.
[6]	贺利芳, 王磊, 张天骐. 降噪改进型多用户多进制CDSK混沌通信系统[J]. 华南理工大学学报(自然科学版), 2022, 50(10): 94-105.
[7]	鲜永菊, 莫运辉, 徐昌彪, 等. 具有多种吸引子共存类型的新型四维混沌系统[J]. 华南理工大学学报（自然科学版）, 2020, 48(3): 32-43.
[8]	张金豹赵永强刘明孔令贤. 基于Ⅱ型广义 logistic 分布和粒子群优化的退化可靠性建模 [J]. 华南理工大学学报（自然科学版）, 2019, 47(5): 96-102.
[9]	王世元王文月钱国兵. 自适应矩估计最大相关熵算法的混沌序列预测[J]. 华南理工大学学报（自然科学版）, 2019, 47(4): 20-26,34.
[10]	冯佰威冯梅常海超张丽妹. 基于径向基插值的曲面变形方法在船型多目标优化中的应用[J]. 华南理工大学学报(自然科学版), 2019, 47(2): 128-136.
[11]	徐昌彪何颖辉莫运辉吴霞. 新型多翼磁控忆阻混沌系统及其自适应滑模同步控制 [J]. 华南理工大学学报（自然科学版）, 2019, 47(10): 34-41.
[12]	李旻谭孟上官文斌李志超刘杰尤黎民. 轿车窗台外侧密封条装配性能的分析与优化方法 [J]. 华南理工大学学报（自然科学版）, 2018, 46(5): 117-124.
[13]	陈越刘雄英任子良吴中堂冯久超. 基于相空间重构和奇异谱分析的混沌信号降噪 [J]. 华南理工大学学报（自然科学版）, 2018, 46(3): 58-64,91.
[14]	吴玉香李杨关伟鹏. 带有未知参数和有界扰动的机械臂混沌反控制[J]. 华南理工大学学报（自然科学版）, 2018, 46(10): 63-71.
[15]	沃焱吴嘉茜. 基于LLE和PSO的快速虹膜图像重构算法[J]. 华南理工大学学报（自然科学版）, 2018, 46(1): 97-102.

基于CNBPSO算法的需求侧资源计划

Demand-Side Resource Planning Based on CNBPSO Algorithm

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价