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:
提出了一种新型的融合优化算法,该算法结合了遗传算法(GA)的复制、交叉、变异操作以及粒子群优化算法(PSO)的个体速度和位置更新的原理,并将混沌的概念引入其中,它的性能要优于GA和PSO.在标准测试函数上进行了仿真比较,验证了新型算法的有效性.最后,这种新的融合优化算法被应用到了电力系统最优潮流的计算中,对IEEE- 30系统进行仿真,并与遗传算法、标准PSO算法进行比较,结果表明新型的融合优化算法具有更好的优化性能.
推荐文章
粒子群优化算法及其在电力系统中的应用
粒子群优化算法
群体智能
电力系统
信息融合技术在电力系统中的应用
信息融合
状态监测
故障诊断
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
LINGO在电力系统机组组合优化中的应用
机组组合
混合整数优化
LINGO
发电成本
电力系统
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 新型的融合优化算法及其在电力系统中的应用
来源期刊 天津理工大学学报 学科 工学
关键词 电力系统 最优潮流 粒子群优化 遗传算法 融合优化算法
年,卷(期) 2012,(1) 所属期刊栏目
研究方向 页码范围 27-30
页数 分类号 TP29
字数 2908字 语种 中文
DOI 10.3969/j.issn.1673-095X.2012.01.007
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 高强 天津理工大学自动化学院 100 395 10.0 14.0
2 郑晓庆 3 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  (13)
共引文献  (84)
参考文献  (3)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(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(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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)
2013(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
电力系统
最优潮流
粒子群优化
遗传算法
融合优化算法
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
天津理工大学学报
双月刊
1673-095X
12-1374/N
大16开
天津市西青区宾水西道391号
1984
chi
出版文献量(篇)
2405
总下载数(次)
4
总被引数(次)
13943
论文1v1指导