第一篇：電力系統(tǒng)優(yōu)化規(guī)劃算法總結

1.期望值算法

期望值算法通常是用期望值代替隨機因素，將問題轉化為確定性問題考慮。2.機會約束算法

主要是考慮概率問題，如在置信區(qū)間范圍內考慮優(yōu)化問題，就轉化為概率約束的問題。3.相關機會規(guī)劃算法

是在隨機環(huán)境下使得事件的機會達到最優(yōu)。4.智能優(yōu)化

目前隨機問題多用智能優(yōu)化法。智能優(yōu)化主要借鑒仿生學和擬物的思想，包括：遺傳算法、粒子群算法、蟻群算法等。

（1）遺傳算法屬于進化算法的一種,它通過模仿自然界的選擇與遺傳的機理來尋找最優(yōu)解.遺傳算法有三個基本算子:選擇、交叉和變異.但是遺傳算法的編程實現比較復雜,首先需要對問題進行編碼,找到最優(yōu)解之后還需要對問題進行解碼,另外三個算子的實現也有許多參數,如交叉率和變異率,并且這些參數的選擇嚴重影響解的品質,而目前這些參數的選擇大部分是依靠經驗。（2）粒子群算法 粒子群算法，是一種基于迭代的優(yōu)化進化并行算法，和模擬退火算法相似，系統(tǒng)從隨機解出發(fā)，通過迭代尋找最優(yōu)解，但它比遺傳算法規(guī)則更為簡單，它沒有遺傳算法的“交叉”和“變異”操作，它通過粒子在解空間追隨當前搜索到的最優(yōu)值來尋找全局最優(yōu)。（3）蟻群算法

蟻群算法是一種用來在圖中尋找優(yōu)化路徑的機率型算法，是一種模擬進化算法，來源于螞蟻在尋找食物過程中發(fā)現路徑的行為。

第二篇：電力系統(tǒng)規(guī)劃總結

電力負荷及負荷預測

一、電力負荷

1、發(fā)電負荷：某一時候電網或發(fā)電廠的實際發(fā)電出力的總和；

2、供電負荷：供電地區(qū)內各發(fā)電負荷之和加上供電區(qū)域輸入的負荷減去廠用電負荷和向外供電（輸出）的負荷。

3、用電負荷：地區(qū)供電負荷減去線損、變損后的負荷。

二、電力負荷預測包括：

1、最大負荷功率預測（及峰值負荷功率預測）：確定未來發(fā)、輸、變電設備的容量設置。

2、負荷電量預測：用于選擇適當的機組類型和合理的電源結構以及確定燃料計劃等。

3、負荷曲線預測：為研究電力系統(tǒng)的調峰問題、抽水蓄能電站的容量以及發(fā)輸變電設備的協(xié)調運行提供原始數據。

最大負?

1、直接預測法預測

?荷功率?

2、電量?負荷率法最大

預測法?負荷?

3、負荷曲線法?

1、典型負荷曲線疊加法?是各用戶最大負荷的直?

2、同時率法?系統(tǒng)的綜合最大負荷不?

3、年最大負荷利用小時法?典型的電量?負荷率法?接相加?用同時率表示

三、負荷預測的方法：

1、外推法：

★假定未來的增長是過去增長模式的延續(xù)。不適合長期預測。

★把歷史的記錄數據與某種趨勢曲線相擬合。

★當電力負荷在相當長的時期內穩(wěn)定增長時，外推法可得到滿意的結果。

★主要尋求電力負荷隨時間變化的趨勢曲線，自變量為時間。

★如：趨勢線法（最小二乘法）、灰色預測模型、指數平滑法、時間序列法等。

2、相關法（也稱因果關系法）：

★以電力負荷與選定的有關社會或經濟因素的內在關系為基礎。強調規(guī)律性。適合中、長期預測。

★尋求電力負荷隨其它社會或經濟因素變化的趨勢曲線，自變量主要為經濟增長率、產值、產量、人口等。

★如：回歸分析法、經濟計量模型、投入產出法、彈性系數法等。

3、各方法的特點

★回歸分析法

步驟：?選擇回歸模型的類型；?計算回歸方程的參數；?對回歸模型進行顯著性檢驗。應用：線路單位長度投資、規(guī)模預測

檢驗：相關系數?顯著檢驗

一元線性回歸分析：

yi?a?bxi??i?i稱隨機干擾項（或回歸剩余項、白噪音項）

標準正態(tài)分布?

1、?i是一個隨機變量且服從?對?i應具有的特點：?

2、各?i之間相互獨立

?

3、?與自變量x無關ii? N（0，?）2

★指數平滑法：最常用的預測方法之一。適用于短期、中期、平緩預測。

缺陷：當時間序列具有不斷增大（或減?。┑内厔輹r，用一次指數平滑法預測的結果存在滯后偏差，預測值小于同期實際值。這時，需用高次指數平滑法。

★灰色預測技術：對原始數據進行再處理，淡化波動性，強調規(guī)律性。

是時間序列法的一種優(yōu)秀改進方法。在負荷預測的中期預測中廣泛使用。

當序列有平穩(wěn)變化并服從標準正態(tài)分布時，具有較好預測效果。

局限：?處理的數據不宜過多（計算復雜）；?模型不是針對同一點的函數值和導數值去求方程參數，而是對生成序列的。

★指數增加曲線預測法：周期性、短中期預測

與當前擁有量和普及率有關。

★趨勢線法（又稱最小二乘法）：較適合于中期負荷預測。

在數學上借用回歸分析法。

序列往往存在某種形態(tài)變化的長期趨勢。

擬合標準函數，不需復雜的檢驗。

★電力彈性系數法：屬于因果關系法，適合于中、長期預測。

電力彈性系數：用電量的增長速度和國民經濟總產值的平均增長速度之比。即K=C/V年平均增長率法：不屬于因果關系法，不適用于長期預測。

★隨機時間序列法：研究序列間的相關性，隨機過程。適用于短期預測。

Y?f?p?xf趨勢項，p周期相，x隨機項。（t）（t）（t）（t）（t）（t）（t）

自回歸模型AR?

?三種模型?移動平均模型MA

?自回歸?移動平均模型? ARMA

AR模型的檢驗：主要檢驗剩余項at的有關假設是否成立，檢驗方法是求相關系數。

→以上方法適用于電量預測，但實際中應預測最大負荷，所以從電量預測再反求得出最大負荷，及電量-負荷率法。

四、電力負荷曲線

1、影響電力負荷變化的因素主要有：作息時間、生產工藝、氣候、季節(jié)等。

電力電量平衡

第三篇：電力系統(tǒng)規(guī)劃

一、課程的性質和目的本課程是“電氣工程及其自動化”專業(yè)的專業(yè)選修課程。本課程的主要任務是：使學生掌握和了解電力規(guī)劃的基本指導思想、電力規(guī)劃的基本內容和電力規(guī)劃的基本原理與方法，為畢業(yè)后從事電力規(guī)劃工作奠定基礎。培養(yǎng)學生在電力系統(tǒng)規(guī)劃設計方面的工程計算能力以及分析和解決問題的能力。

二、課程教學內容

緒論和第一章電力規(guī)劃概論（7學時）

要求理解與掌握的重點內容有：1 電力規(guī)劃的指導思想、類型以及基本內容。2電力規(guī)劃的一般方法和規(guī)劃程序以及評價標準。

難點：電力規(guī)劃的指導思想以及電力規(guī)劃的評價標準。

第二章電廠廠址、變電所所址及輸電線路路徑的選擇（5學時）

要求理解與掌握的重點內容有：1 凝氣式火電廠廠址的選擇及其建設條件與要求，以及廠址的技術經濟比較方法。2變電所所址的選擇。3輸電線路路徑的選擇。

難點：凝氣式火電廠廠址的經濟比較方法。

第三章電力負荷分析與預測（11學時）

要求理解與掌握的重點內容有：1 電力負荷的分類及其特點。2 電力負荷特性的計算分析以及負荷曲線的編制方法。3 電力負荷預測方法。

難點：電力負荷特性的計算分析和電力負荷預測方法。

第四章電力系統(tǒng)裝機水平及電源結構的確定（2學時）

要求理解與掌握的重點內容有：1裝機水平的確定原則與方法。2 各類電源的技術經濟特點。3 電力電量平衡及其平衡表的編制。

難點：電力電量平衡表的編制。

第五章電力網絡規(guī)劃（5學時）

要求理解與掌握的重點內容有：1 電力網絡規(guī)劃的基本原則與要求。2 電力網絡電壓等級的選擇。3 電廠、變電所與系統(tǒng)聯接配合及其主變壓器的選擇。4 無功電源規(guī)劃5電力系統(tǒng)的聯網問題。

難點：電廠、變電所與系統(tǒng)聯接配合及其主變壓器的選擇。

第六章工程經濟分析基礎（6學時）

要求理解與掌握的重點內容有：1 資金時間價值的計算方法。2 工程經濟評價方法。難點：資金時間價值的計算分析

第四篇：基于改進粒子群優(yōu)化算法的分布式電源規(guī)劃

基于改進粒子群優(yōu)化算法的分布式電源規(guī)劃

摘 要：針對目前配電網中存在的分布式電源規(guī)劃問題，在最大化電壓靜態(tài)穩(wěn)定性、最小化配電網損耗以及最小化全年綜合費用三個方面建立了分布式電源規(guī)劃的優(yōu)化模型。在規(guī)劃模型的基礎上，采用擁擠距離排序的多目標量子粒子群優(yōu)化算法（MOQPSO-CD）以及基于量子行為特性的粒子群優(yōu)化算法（QPSO），來更新和維護外部存儲器中的最優(yōu)解，通過對全局最優(yōu)最小粒子的選擇引導粒子群能夠對分布式電源的配置容量與接入點位置的真實Pareto最優(yōu)解集進行查找，獲得對多個目標參數進行合理優(yōu)化。最后采用IEEE33節(jié)點的配電系統(tǒng)，在模擬仿真實驗過程中獲得了分布式電源容量配置以及介入位置的合理方案，驗證了優(yōu)化算法的可行性。

【關鍵詞】分布式電源規(guī)劃 Pareto最優(yōu)解 配電網

分布式電源（Distributed Generation，DG）由于其在減少環(huán)境污染、節(jié)約成本、發(fā)電方式靈活、減少發(fā)電輸送中的線路損耗、改善電網中的能源質量以及提高電網供電穩(wěn)定性等方面具有優(yōu)點，在配電網中發(fā)展迅速。然而，在配電網中加入分布式電源會使電網中原有的結構發(fā)生改變，從而導致節(jié)點電壓、線路損耗與網絡損耗產生了不同程度的變化。如果分布式電源注入容量與接入點位置的配置出現問題，會加大電網中線路與網絡等損耗，并且會對電網供電的可靠性產生嚴重影響，因此，針對這一現象，對DG的容量與配置參數進行合理的優(yōu)化具有重要意義。

國內外許多學者曾對DG的參數配置優(yōu)化問題進行了較為深入的研究并取得了一定進展。文獻[1]針對分布式電源中的地址定容問題采取了單一目標的優(yōu)化方法，但是該方法在實際電網中的可行性存在問題。文獻[2]采用傳統(tǒng)的模糊理論提出將電網中具有多目標優(yōu)化方案轉變?yōu)橹挥袉我荒繕说膬?yōu)化方法，并且采用遺傳算法，優(yōu)化了分布式電源中的容量與位置。文獻[3]對于配電網中DG的容量與選址通過改進遺傳算法進行優(yōu)化，但是該方法存在計算時間長、算法過于復雜有時會計算得出局部的最有求解等缺點。文獻[4]通過改進的自適應遺傳算法，搭建了基于DG環(huán)境效益與政府關于可再生能源補貼的最小化經濟模型。

在實際應用中，對于配電網中分布式電源的優(yōu)化需要考慮許多變量，一般都具有比較復雜的目標函數，對其進行優(yōu)化時將多個目標函數轉化為單一函數非常困難，因此必須采取有效措施節(jié)約分布式電源多目標模型建立中的相關問題。本文以分布式電源的配置容量及其在配電網中的接入位置為兩個切入點進行研究，建立配電網在單位年中的費用最小、電網網絡以及線路損耗最低、靜態(tài)電壓在最優(yōu)系統(tǒng)中的穩(wěn)定性3個目標函數的分布式電源優(yōu)化模型。在粒子群優(yōu)化（QPSO）算法中量子行為特性的理論上加入擁擠距離排序技術，維護與更新外部存儲器中的最優(yōu)解，將生成分布式電源的最優(yōu)配置方案問題轉化為求解全局最優(yōu)的領導粒子問題。最后，運用Matlab仿真軟件對本文所提出的方案進行驗證。配電網中DG的多目標規(guī)劃模型

1.1 目標函數

1.1.1 網絡損耗最小目標函數為

那么，求解出配電網中電壓穩(wěn)定指標的最小值minL即可知最大化靜態(tài)電壓的穩(wěn)定裕度。

1.2 約束條件

1.2.1 等式約束

約束方程可以用潮流方程表示為：

式中，Pdi、Qdi為配電網中第 臺發(fā)電機的有功、無功輸出，PDGmax為分布式電源有功輸出上限，PDGmin為分布式電源有功輸出下限，QDGmax為分布式電源無功輸出上限，QDGmin為分布式電源無功輸出下限，Uimax為節(jié)點i電壓上限Uimin為節(jié)點i電壓下限，SDGi為配電網中擬接入的第i個DG的容量大小，SDGmax為配電網中可以接入的DG最大裝機容量，Pl為線路l的傳輸功率?；趽頂D距離排序的粒子群優(yōu)化算法

2.1 量子行為特性的粒子群優(yōu)化算法

傳統(tǒng)的粒子群優(yōu)化（PSO）算法在求解方面具有不同程度的缺點，如容易陷入局部求解最優(yōu)，收斂精度低等。為了防止粒子群算法進入早熟，并且盡可能加快算法的收斂減少計算時間，文獻[10-11]給出了改進粒子群算法，使得具有量子行為特性的粒子群算法的實用性大大提高，在局部精度方面得到明顯的提高，并且與PSO相比較僅具有一個位移更新公式。在本文中基本粒子群的集合設定為不同負荷節(jié)點處DG的輸入功率，因此得到的集合為：

其中，i（i=1，2，???，P）為粒子群中的第i個粒子，j（j=1，2，???，N）為粒子在粒子群中的第j維，N為搜索空間的維數；ui，j（t）和φi，j（t）均為在區(qū)間[0，1]上隨機均勻分布的數值，t為進化代數，xi（t）為在t代進化時粒子i的當前位置，pi（t）為在t代進化時粒子i的個體吸引子位置，yi（t）為在t代進化時粒子i的個體最好粒子位置，為群體在t代進化時的最好位置，C（t）為粒子在第t代進化時的平均最好位置，定義為全部粒子個體位置最好時的平均位置；α為擴張-收縮因子，是在迭代次數與除群體規(guī)模以外的唯一參數。

2.2 MOQPSO-CD算法

由于粒子群算法具有記憶特性，利用這一特性可以解耦特性粒子的解空間，求出解空間后可以適時調整控制策略，并能夠通過記憶功能對當前動態(tài)進行搜索，同時具有優(yōu)良的魯棒特性和在全局范圍內的搜索能力。然而，QPSO收斂的速度過快，導致了算法收斂過快，因此Pareto的解不具有多樣性特點。為了尋找該問題的解決方案，本文通過利用外部存儲器儲存Pareto在求解過程中所產生的非劣解，從而可以較快地達到Pareto前沿。這樣可以達到減少計算時間，更快獲得領導粒子的目的。由于領導粒子是在所有粒子中表現最好的個體中得到的，它可以體現出整體粒子群體的認知能力，對于群體在搜索中的方向起著引導作用。為了即時更新外存儲器中的非劣解，本文所采用的擁擠距離排序算法屬于第2代非支配排序遺傳算法（NSGA-II），通過對其進行操作，可以盡快地通過領導粒子找到Pareto的最優(yōu)解。與此同時，為了使多樣性在粒子種群中得到豐富，基于此算法的基礎上加入高斯變革算子對粒子種群尋優(yōu)過程中解的多樣性進行擴充。

2.2.1 領導粒子的選擇

在領導粒子選擇的過程中即時對新外部存儲器中粒子集進行維護更新是很有必要的。其目的在于保證粒子群的多樣性，并能確保Pareto最優(yōu)解集的合理分布。在此算法條件下，外部存儲器中的粒子集必然會存在當前代數最優(yōu)的粒子，然后通過擁擠距離值算法計算器內部粒子集中每個個體距離值，通過計算擁擠距離值的方法，將粒子集合內的個體進行量化，當出現擁擠距離值最大的粒子時，表明在目標空間中該粒子成為領導粒子可能性增加。當有兩個或多個領導粒子的擁擠距離值相等時，領導粒子將會在之對應的最優(yōu)粒子中隨機選取。

2.2.2 擁擠距離值的計算

擁擠距離排序方法描述了在一個最優(yōu)解周圍分布其他最優(yōu)解的密度情況。以下簡單闡述了本文所用到的擁擠距離計算方法，具體實現可參考文獻[13]。Gj（i）（j=1，2，3）依次表示網絡損耗、年綜合費用和靜態(tài)電壓穩(wěn)定指標3個目標函數值；P為粒子群集合的大小，亦可描述可行解的數量。首先，對于存儲在外外部存儲器的全部最優(yōu)粒子，在所有需要優(yōu)化目標上的函數取值進行升序排列，然后可以得到在所有優(yōu)化空間上與最優(yōu)粒子相接近的其它最優(yōu)粒子，然后可以計算得出在統(tǒng)一空間內兩個優(yōu)化粒子的距離；最后最優(yōu)粒子的擁擠距離可以通過所有最優(yōu)粒子距離的求和方式得出。以本文為例詳細說明擁擠距離值的特征，逐一計算并遍歷相鄰最優(yōu)粒子的空間距離，粒子i和相鄰粒子i+1在優(yōu)化目標空間的距離：

2.2.3 外部存儲器更替算法

在本文中人為設定兩條存儲器更新規(guī)則，以便滿足外部存儲器中存在最優(yōu)粒子的目的，規(guī)則如下：

（1）位于存儲器中的粒子被新生成的粒子支配時；

（2）如若外部存儲器已滿，則需運用擁擠距離排序算法對其內部所有進行重新排序，根據公式（16）計算所有粒子的擁擠距離值，并且按照計算出數值的大小進行排列。

2.2.4 算法實施步驟

本文選用借鑒第2代非支配排序遺傳算法的基于量子行為特性的粒子搜索解空間算法對配電網中的分布式電源進行優(yōu)化配置，圖1所示為算法具體流程，計算過程為：

（1）初始化起始數據，數據內容為事先已規(guī)劃內容，初始化算法基本參數（粒子群的規(guī)模、粒子群的初始位置、并設定最大迭代次數），系統(tǒng)對分布式電源位置，以及初始粒子群數據集進行隨機采樣。

（2）依照步驟（1）中設置的規(guī)則，對外部存儲器中的粒子進行初始化設置。

（3）需要對粒子進行排位，排位的算法由公式（1）～（4）給出，可以計算出目標函數值，同時，根據公式（16）可以計算出擁擠距離值，根據以上兩個參數進行排位?！?.2.1節(jié)”的方法選出粒子群中的領導粒子，最后利用QPSO位移更新方程對每個粒子進行重置。以上計算過程將會計算采樣粒子集合內任意粒子的擁擠距離值。評價其是否達到Gauss變異算法條件，若達到該算法條件，則進行Gauss變異操作（Gauss mutation operator），否則轉到步驟④。

（4）對③中運用QPSO位移更新算法計算出的所有粒子進行評價，并算出所有粒子的潮流數值，將其接入位置以及配置容量用數值量化，并對比量化后的函數值，按照柏拉圖最優(yōu)解定律計算出個體最優(yōu)粒子及外部存儲器最優(yōu)粒子集。與計算出的上一個最優(yōu)粒子相比較，新產生的粒子群中某粒子更優(yōu)，則將新出現粒子作為最優(yōu)粒子；若二者不能相互支配，那么二者中任意一個將被選為最優(yōu)粒子，并將其放入外部存儲器，然后轉步驟⑤；否則舍棄更新后的粒子并轉⑥。

（5）對已進入外部存儲器中的粒子，按照公式（16）對其進行計算，已達到隨時更新存儲器中粒子的目的。通過步驟（5）可以達到將最優(yōu)粒子存入外部存儲器的目的。

（6）計算進化代數，若滿足終止代數，則將存儲器中現有的粒子作為輸出，此時輸出的粒子集就是所尋找的柏拉圖最優(yōu)輸出集；否則轉步驟③。算例分析

利用本文建立的模型，對IEEE 33節(jié)點配電系統(tǒng)進行模擬仿真，配電網系統(tǒng)如圖2所示，對分布式電源的位置以及其容量進行重新配置。該配電系統(tǒng)中，額定電壓為12.66kV，有功負荷的取值為3715kW，總無功負荷的取值2300kVar，總節(jié)點數為33個，總支路數為32條（其中5條為聯絡開關）。配電系統(tǒng)基準容量設為10MVA，其中平衡節(jié)點選在0號節(jié)點，分布式電源接入比例小于30%，安裝節(jié)點集合為?x1，2，???，31?y（圖2中的32節(jié)點將不會接入分布式電源中，因為該節(jié)點是尾端節(jié)點，并且同變壓器支路側相連，因此不需接入）。根據文獻[3]可知，在計算分布式電源時，可以將其近似看成負的PQ節(jié)點，根據經驗公式，選取功率因數值為0.9。初始采樣粒子群集合規(guī)模為90，進行100次迭代。

按照本文所搭建的數學模型及算法計算出分布式電源配置的柏拉圖最優(yōu)解，及其目標函數的空間分布，如圖3所示。根據圖3可知，計算出的所有解相互獨立分布，每個不同解均可表示出當前條件下的配置效果。以圖中所列出的解

1、解2及解3為例，說明不同情況下的DG配置結果。解1情況下電壓穩(wěn)定指標大于0.02，相比其他兩種情況最不穩(wěn)定，網絡損耗為80kW，損耗過大，但是年綜合用最??；解3和解2相比較而言，解3在網絡損耗和電壓穩(wěn)定性方面要優(yōu)于解2，然而解3在年綜合費方面是三種情況中最大的；對于解2來說，無論是年綜合費用或者網絡損耗以及電壓穩(wěn)定性指標這三個參數指標適均介于解1和解3之間，因此，考慮綜合因素以解2最好。表1所示為解

1、解2和解3的DG配置方案，3個解分別與3個方案對應。

通過對比表1中的方案配置可以看出，不同DG配置方案會對年綜合費用、網損和電壓穩(wěn)定性產生影響。在對電源在輻射線路中放置位置的分析后發(fā)現，放置位置越靠前，線路潮流受到的影響就越小。根據表1配置DG方案接入配電網，配電網絡損耗將會有一定幅度下降，同時電壓穩(wěn)定性指標也會達到滿意的效果，按照該配置方案規(guī)劃，最為突出的優(yōu)點是電網網絡損耗方面，按照方案3配置后，電網網絡損耗下降了80%。

結語

以減少電網網絡損耗及年綜合費用為優(yōu)化目標，同時兼顧靜態(tài)電壓穩(wěn)定性為原則，建立了DG規(guī)劃的模型，在計算方面選取具有量子行為特性的粒子群優(yōu)化算法（QPSO），以及基于擁擠距離排序的多目標量子粒子群優(yōu)化算法（MOQPSO-CD），同時采用模擬仿真對33節(jié)點配電系統(tǒng)進行優(yōu)化，得出了基于DG配置的Pareto最優(yōu)解集，由此實現了對DG優(yōu)化規(guī)劃的目的。并得出以下結論：為了盡可能的降低電網損耗，同時提高電壓穩(wěn)定性，需要將DG配置在主變電站遠端位置，即饋線末端，此時DG配置收益最高。

參考文獻

[1]QIAN Ke-jun，ZHOU CHENG-KE，ALLAN MALCOLM，et al.Effect of load models on assessment of energy losses in distributed generation planning[J].Electrical Power and Energy Systems，2011，33：1243-1250.[2]陳海焱，陳金富，楊雄平，等.配電網中計及短路電流約束的分布式發(fā)電規(guī)劃[J].電力系統(tǒng)自動化，2006，30（21）：16-21.[3]邱曉燕，夏莉麗，李興源.智能電網中分布式電源的規(guī)劃[J].電網技術，2010，34（4）：7-10.[4]李德泉，徐建政，羅永.含分布式電源的配電網擴展規(guī)劃[J].電力系統(tǒng)及其自動化學報，2012，（5）.[5]孫俊.量子行為粒子群優(yōu)化算法研究[D].無錫：江南大學信息工程學院，2009.[6]武曉朦，劉建，畢棚翔.配電網電壓穩(wěn)定性研究[J].電網技術，2006，30（24）：31-35.[7]KENNEDY J，EBERHART R C.Particle swarm optimization[C].IEEE IntConf of Neural Networks.Perth，1995：1942-1948.[8]ABGELINE P J.Using selection to improve particleswarm optimization[C]/Proc IEEE CongrEvolComput.Anchorage.AK.USA"IEEE Service Center，1998：84-89.[9]MIRANDA V，FONSECA N New evolutionary particle swarm algorithm applied to voltage control[C].Proc 14th Power SystComputConf.Spain：IEEE Service Center，2002：1865-1873.[10]LIjun-jun，WANGxi-huai.Amodified particle swarm optimization algorithm[J].Intelligent Control and Automation，2004，1：354-356.[11]候云鶴，魯麗娟，熊信艮，等.改進粒子群算法及其在電力系統(tǒng)經濟負荷分配中的應用[J].中國電機工程學報，2004，24（7）：95-100.[12]DEB K，PRATAP A，AGRAWAL S，et al.A fast and elitist multiobjective genetic algorithm：NSGA-II[J].IEEE Trans on Evolutionary Computation，2002，6（2）：182-197.[13]張君則，艾欣.基于粒子群算法的多類型分布式電源并網位置與運行出力綜合優(yōu)化算法[J].電網技術，2014，38（12）：3372-3377.[14]劉幸.基于量子粒子群算法的分布式電源多目標優(yōu)化[D].北京：華北電力大學，2012.[15]ROUHANI A，HOSSEINI S H，RAOOFAT M.Composite generation and transmission expansion planning considering distributed generation[J].International Journal of Electrical Power & Energy Systems，2014，62（11）：792-805.[16]葉德意，何正友，臧天磊.基于自適應變異粒子群算法的分布式電源選址與容量確定[J].電網技術，2011，（06）：155-160.[17]BJELIC I B，CIRIC R M.Optimal distributed generation planning at a local level-A review of Serbian renewable energy development[J].Renewable & Sustainable Energy Reviews，2014，39（6）：79-86.[18]朱艷偉，石新春，但揚清，等.粒子群優(yōu)化算法在光伏陣列多峰最大功率點跟蹤中的應用[J].中國電機工程學報，2012，32（4）.[19]黃平.粒子群算法改進及其在電力系統(tǒng)的應用[D].廣州：華南理工大學，2012.[20]施展，陳慶偉.基于QPSO和擁擠距離排序的多目標量子粒子群優(yōu)化算法[J].控制與決策，2011，26（4）：540-547.[21]ZHANG L G，ZUO H.Pareto optimal solution analysis of convex multi-objective programming problem[J].Journal of Networks，2013（02）.[22]李中凱，李艾民，朱真才.擁擠距離排序的多目標文化粒子群優(yōu)化算法[J].控制與決策，2012，27（09）：1406-1410.[23]慕彩紅.協(xié)同進化數值優(yōu)化算法及其應用研究[D].西安：西安電子科技大學，2010.作者單位

沈陽農業(yè)大學信息與電氣工程學院 遼寧省沈陽市 110866

第五篇：網站SEO優(yōu)化關鍵詞排名算法大總結

網站SEO優(yōu)化關鍵詞排名算法大總結

網站SEO優(yōu)化技術，在國內的發(fā)展也有些年份了，在國內最早開始從事SEO的那一班人?？粗@個行業(yè)有無到有，有小長大。成熟目前還談不上。可以說，國內做這個行業(yè)的，高手不多。實戰(zhàn)的高手更是寥寥無幾。當然這個是我個人的推斷。也許那些悄悄在背后賺錢的人，才是高手。真正的高手，是不會出來說話的。自己做一個網站，自己去經營，如果網站策劃夠好?；究梢钥烤W站養(yǎng)活自己。因此，我想告訴大家一句話：不要聽某人說什么關鍵詞排名厲害就認為他技術好。如果他真的是高手，基本不會告訴你。原因自己去想。

看著國內很多從事SEO的，以及需要SEO的，90%的人都太浮躁了?；就Ａ粼陉P鍵詞排名上。你看網上漂的都是什么人。搞培訓的，搞排名的。搞鏈接的。我斷定，國內的SEO發(fā)展不起來。如果行，至少還需要3年。

好了，廢話不多說，入正題。

首先，要端正態(tài)度，你要把搜索引擎當做你的下棋對手，你的游戲伙伴。真正的高手，是運籌帷幄，決勝千里，心靜如水，波瀾不驚。

下面總結網站排名經驗，能看懂就看懂，看不懂的，自己琢磨，試驗。1.每個網頁標題簡潔，不超過30字。

2.每個網頁核心關鍵詞不超過3個。如果可以，你要學會放棄。3.最重要的關鍵詞放在標題首位，依次類推。

4.網站的描述，簡潔，明了，最開始和結束部分自然出現關鍵詞。5.網站導航采用文字導航。

6.網站圖片原創(chuàng)，添加alt標簽，切忌諱亂加。搜索引擎能讀懂圖片。7.與主題無關內容作成JS或者圖片。

8.網站內容簡潔，信息豐厚。關鍵詞分布其中合理，自然。如果你自己都讀不懂，那就放棄。9.網站聯系人信息要原創(chuàng)，比如郵箱，電話，姓名等。10.網站代碼簡潔。

11.與主題相關的JS，框架，做兼容優(yōu)化。12.網站設計大方，美觀。

13.網站域名時間超過2年以上，最好是3年。

14.域名最好出行最核心關鍵詞，針對除百度以外搜索引擎有效。15.如果新域名，聯系人信息一定要公布，切為新信息。16.空間要穩(wěn)定，那種經常網站打不開的網站，肯定沒有排名。17.友情鏈接要找外地的網站。

18.友情鏈接不看PR，看快照，看核心關鍵詞排名，看SITE首頁是否存在。19.網站外鏈要豐富，新聞類的，行業(yè)類的，生活類的，公關類的，越豐厚越好。20.網站外鏈不在數量，在質量。增加要掌握好節(jié)奏。

21.網站外鏈要出現網址，占70%，錨文本要適當。原因自己去想。

22.網站外鏈要首先提高首頁權重，首頁快照在7天內，核心關鍵詞在前3頁，則網站權重及格。23.網站外鏈要出現在流行度較高的地方。

24.網站外鏈出現的地方，切忌垃圾鏈接，鏈接過多。25.網站添加流量統(tǒng)計，大概數據要公開。

26.適當刷網站IP和來路，切忌網站流量來自某一個搜索引擎。27.網站內容要圍繞主題展開。切忌發(fā)布無關內容。

28.網站添加XML和HTML格式地圖，有助于各大搜索引擎收錄抓取。29.網站按規(guī)律更新，切忌一個不更新，或者一下更新上百篇。30.分布好網站內鏈接。核心關鍵詞指向核心關鍵詞頁面。31.網頁內容中出現關鍵詞加粗效果并不好，避免全加粗加鏈接。32.每個頁面最好出現一次H標簽，此內容和網友標題一致。33.網站404頁面。

34.與主題無關頁面，運用Robots.txt禁止。

35.制造網站主題相關的PDF，doc，exe等文檔和軟件提供下載。在這些資源上寫上自己的網站。36.網站最開始內容，最好一次性完成，切忌收錄后經常更改。

37.網站頁面切忌經常更改主題，和關鍵詞密度，95%被K都是這個原因。

38.網站外鏈切忌同一個賬號，同一個名字去發(fā)布。比如博客，全是同一個人的博客。論壇全是同一個賬號。39.這些工作做完了，你需要等待！一邊持續(xù)更新，維持，添加外鏈和內鏈。40.還是等待，直到網站排名出現。最好總結5個字：靜，全，真，細，得！

結束語：大家仔細琢磨吧 照著我說的做 肯定能把網址排名提上去 很多細節(jié) 我并沒有詳細闡釋、網站優(yōu)化這塊說白了技術含量并不大，在一定程度上可以說優(yōu)化就是個體力活，優(yōu)化這塊拼的就是堅持！再堅持！做優(yōu)化心情一定要淡定。

文章來源：004km.cn