论文部分内容阅读
针对传统粒子群寻优速度慢的缺点，引进了种群平均速度的定义。用平均速度表征粒子群的活跃程度，并作为粒子群惯性权重和学习因子调节的依据，加快了粒子群的寻优速度。针对粒子群容易陷入局部极值的缺点，提出将模拟退火算法引入粒子群算法，将粒子群的平行快速寻优能力和模拟退火的概率突跳特性相结合，保持了群体多样性，有效地避免了局部收敛。对2个典型测试函数的寻优问题进行仿真实验，实验结果验证了该算法的有效性。将改进的粒子群算法用于风电场风速概率分布模型的优化，与常规的统计方法相比，该方法具有更高的拟合精度。