典型文献
基于社会学习的粒子群优化算法的电力系统稳定器参数协调优化设计
文献摘要：
对于电力系统稳定器(PSS)参数优化整定的问题,为了更好地寻找最优参数,本文将社会学习机制引入到粒子群优化算法中,将社会学习粒子群优化算法(SLPSO)应用于PSS参数的优化整定中,相比于传统优化算法,本文算法优化P SS参数具有更好的动态自适应性,同时不易陷入局部最优,能够较快地寻找到全局最优值.通过四机两区的仿真算例表明,本文方法解决了常规优化算法如粒子群优化算法优化P SS参数中存在的收敛性差、容易陷入局部最优、优化效果差等问题.通过将社会学习粒子群优化算法应用于P SS参数的寻优工作中,其P SS的优化效果和稳定性都得到了较大的提升.
文献关键词：
电力系统;参数优化;电力系统稳定器;社会学习粒子群算法
中图分类号：
作者姓名：
张程;邱炳林;刘佳静;匡宇
作者机构：
福建工程学院电子电气与物理学院,福建 福州350118;智能电网仿真分析与综合控制福建省高校工程研究中心,福建 福州350118
文献出处：
引用格式：
[1]张程;邱炳林;刘佳静;匡宇-.基于社会学习的粒子群优化算法的电力系统稳定器参数协调优化设计)[J].电工电能新技术,2022(04):24-33
A类：
SLPSO,社会学习粒子群算法
B类：
粒子群优化算法,电力系统稳定器,参数协调优化,PSS,整定,最优参数,学习机制,算法优化,数具,动态自适应,自适应性,局部最优,全局最优值,收敛性,优化效果,算法应用
AB值：
0.166036
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
