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:
采用导向搜索算法(OSA),以实现电力系统的无功优化.该算法将搜索个体模拟为人的搜索行为,搜索对象(目标函数最优解)模拟为可向搜索个体传送导向信息的智能体,以使搜索个体和搜索对象间可相互通讯.为验证该算法的有效性,以IEEE 57和IEEE 118节点测试系统为例进行了仿真,并与全面学习粒子群优化算法(CLPSO)和自适应遗传算法(AGA)的结果进行了比较.结果表明:导向搜索算法能得到高质量的全局最优解,IEEE 57和IEEE 118 系统优化后的网损可分别减小13.871%和13.223%.
推荐文章
基于自适应折射学习和精英搜索SSO算法的电力系统无功优化
电力系统
无功优化
群居蜘蛛优化算法
有功网损
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
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
电力系统无功优化模型及算法研究
无功优化
模型
优化算法
实时计算
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 基于导向搜索算法的电力系统无功优化
来源期刊 西南交通大学学报 学科 工学
关键词 导向搜索算法 无功优化 电力系统
年,卷(期) 2010,(3) 所属期刊栏目
研究方向 页码范围 418-423
页数 分类号 TM761|TP18
字数 4170字 语种 中文
DOI 10.3969/j.issn.0258-2724.2010.03.017
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 陈维荣 西南交通大学电气工程学院 246 3368 29.0 47.0
2 张雪霞 西南交通大学电气工程学院 17 208 6.0 14.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (117)
共引文献  (339)
参考文献  (17)
节点文献
引证文献  (3)
同被引文献  (12)
二级引证文献  (4)
1972(1)
  • 参考文献(0)
  • 二级参考文献(1)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(2)
  • 参考文献(0)
  • 二级参考文献(2)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(5)
  • 参考文献(0)
  • 二级参考文献(5)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(11)
  • 参考文献(1)
  • 二级参考文献(10)
1999(7)
  • 参考文献(2)
  • 二级参考文献(5)
2000(9)
  • 参考文献(1)
  • 二级参考文献(8)
2001(6)
  • 参考文献(0)
  • 二级参考文献(6)
2002(11)
  • 参考文献(0)
  • 二级参考文献(11)
2003(18)
  • 参考文献(1)
  • 二级参考文献(17)
2004(19)
  • 参考文献(0)
  • 二级参考文献(19)
2005(23)
  • 参考文献(4)
  • 二级参考文献(19)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(6)
  • 参考文献(4)
  • 二级参考文献(2)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
导向搜索算法
无功优化
电力系统
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
西南交通大学学报
双月刊
0258-2724
51-1277/U
大16开
四川省成都市二环路北一段
62-104
1954
chi
出版文献量(篇)
3811
总下载数(次)
4
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导