基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
将改进后的粒子群算法应用于电力系统无功优化问题的求解,克服了传统粒子群算法运算过程繁琐、收敛精度不高、易陷入局部最优的缺点.该优化方法对粒子群算法进行了如下改进:采用简化粒子群优化方程和添加极值扰动算子两种策略,提出了简化粒子群优化(简称SPSO)算法、带极值扰动粒子群优化(简称DPSO)算法,将二者结合起来提出了带极值扰动的简化粒子群优化(简称DSPSO)算法.DSPSO以更小的种群数和进化代数获得了非常好的优化效果,使PSO算法更加实用化.对IEEE 6节点进行无功优化计算,并与其它算法进行了比较,表明该算法具有较强的全局搜索能力和较高的收敛精度,是求解无功优化的有效方法.
推荐文章
基于改进PSO算法在含风电场的电力系统无功优化控制
改进粒子群优化算法
风电场
无功优化
基于改进免疫遗传算法的电力系统无功优化
遗传算法
免疫算法
免疫遗传算法
无功优化
遗传算法的改进及其在电力系统无功优化中的应用
遗传算法
自适应
无功优化
适应度排序
基于果蝇优化算法的电力系统无功优化
电力系统
无功优化
果蝇算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 改进PSO算法在电力系统无功优化中的应用
来源期刊 东北电力技术 学科 工学
关键词 无功优化 粒子群算法 极值扰动
年,卷(期) 2007,(12) 所属期刊栏目 分析与应用
研究方向 页码范围 17-19
页数 3页 分类号 TM761+.1|TM714.3
字数 3110字 语种 中文
DOI 10.3969/j.issn.1004-7913.2007.12.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 孙国凯 沈阳农业大学信息与电气工程学院 55 363 9.0 17.0
2 吴秀华 沈阳农业大学信息与电气工程学院 26 145 7.0 11.0
3 高长伟 沈阳农业大学信息与电气工程学院 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (27)
共引文献  (375)
参考文献  (5)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(7)
  • 参考文献(0)
  • 二级参考文献(7)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(5)
  • 参考文献(1)
  • 二级参考文献(4)
2003(6)
  • 参考文献(2)
  • 二级参考文献(4)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
无功优化
粒子群算法
极值扰动
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
东北电力技术
月刊
1004-7913
21-1282/TM
大16开
沈阳市和平区四平街39号
1980
chi
出版文献量(篇)
4056
总下载数(次)
9
总被引数(次)
15617
论文1v1指导