基于引入禁忌表的改进遗传算法的地区电网无功优化

针对实际地区电网建立多目标无功功率优化模型,在标准遗传算法的基础上加入分阶段适应度函数、自适应交叉变异率等改低碳输电系进,并引入禁忌搜索算法的禁忌表技术,设置相似度条件,以此为核心对某地区电网进行无功优化计算,通过改进前后算法比较可知,该算法收敛性能理想,爬山能力良好,计算时间较短.     

现代启发式算法在电网规划中应用的比较

分析了以遗传算法、模拟退火算法和禁忌搜索算法为代表的现代启发式算法应用于电网规划这类非线性组合优化问题时存在的缺陷。在传统遗传算法的基础上,结合模拟退火算法概率性的突跳搜索机制和禁忌搜索算法能避免迂回的邻域搜索机制提出了一种混合算法,并以地理信息系统为平台来求解电网规划问题。实际应用结果表明,采用文中的混合算法可提高计算速度、收敛性能和计算效率。     

引入改进tent映射的遗传禁忌混合算法及其在地区无功优化中的应用

基于对混沌算法、遗传算法和禁忌搜索法的比较分析,结合实际无功优化问题提出了一种引入改进tent映射的遗传禁忌混合算法,它以遗传种群为进化主体,同时伴随tent映射产生辅助个体,在状态更新中通过一定的选择比较机制引入辅助个体,在进化过程中综合禁忌搜索操作,一定程度上避免了迂回搜索.将其应用于某地区电网无功优化中,通过与基本遗传算法、改进遗传算法和遗传禁忌算法的比较表明该混合算法性能更为优良.     

基于改进扩大邻域禁忌搜索算法的电力系统无功优化

阐述了改进扩大邻域禁忌搜索(FITS)算法,建立了基于FITS算法的无功优化数学模型,并采用IEEE 14节点模型进行算例分析。计算结果表明,相较于基本禁忌算法(TS)及扩大邻域禁忌算法(ITS),改进后的算法收敛快,寻优能力强,在不考虑严格的实时性要求时,基于FITS算法的优化能使网损有较大程度的降低,且电压质量也有明显改善,提高了系统运行的合理性和经济性。因此,FITS算法在改善电压质量、降低电网损耗方面更具经济价值,证明了FITS算法在电力系统经济运行中的有效性和合理性。     

禁忌搜索–粒子群算法在无功优化中的应用

禁忌搜索粒子群算法是针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,将禁忌搜索思想融入到粒子群算法中的混合算法,并将该算法应用到电力系统无功优化中。该方法在粒子群算法寻优过程的后期加入了禁忌表,扩大搜索空间,避免陷入局部最优。通过对IEEE 30节点测试系统和鸡西电网进行仿真计算,并与其他算法进行比较,结果表明该算法能取得更好的全局最优解,既加快了收敛速度,又提高了收敛精度。     

基于地区电网经济运行的无功综合效益优化

采用地区电网无功综合效益优化模型，从经济运行角度，兼顾地区电网有功网损最小和因数达到要求值，使电网的年运行费用达到最小。优化算法将仿射变换内点法与简化分枝定界法（内点－分枝定界法）综合应用于优化过程中，计算结果表明它是一种有效的无功优化算法。     

基于改进差异进化算法的地区电网无功/电压实时优化控制研究

结合无功/电压实时优化控制模型提出了一种基于改进差异进化算法的地区电网无功/电压实时优化控制实现方法。该方法将差异进化算法与无功/电压控制特点相结合以改善初始种群质量、缩小寻优空间、进行"约束指导"与分群寻优提高算法的计算速度和效率。以某一实际地区电网为例进行无功/电压实时优化仿真计算,结果表明,所提算法和策略是可行、有效和实用的。     

基于变电站九区图调节的地区电网分层无功优化

根据地区电网的实际管理模式,提出了基于变电站九区调节的地区电网分层无功优化方法:将地区电网分成次输电电网和配电网。先对次输电网进行无功优化时,将配电网等效为负荷,此时控制变量少,采用传统算法可以快速求解。在此基础上,再采用九区图方法调整配电网的无功电压,进行迭代,逐层进行无功优化直到问题收敛。实际算例表明,这种方法优化了地区电网的运行,提高了无功优化的计算速度,并且更符合实际电网的管理模式,为地区电网无功电压调节提供了有益参考。     

基于改进禁忌算法的配电网络重构

为了提高配电网络重构的优化质量和优化效率,提出了一种结合变异运算的最优邻域禁忌搜索算法.通过在禁忌算法中引入小概率变异扰动,增强禁忌算法跳出局部最优解的能力,提高了算法的全局寻优能力;利用配电网的结构特点,快速、简易地确定邻域最大降损开关交换,提高邻域候选解集的质量,提高了算法的搜索效率.3个算例的计算结果表明,本文算法计算速度快,寻优效果好,有效提高了网络重构的优化效率和优化质量.     

三明地区电网无功优化配置的研究

系统分析了福建省三明地区电网的发展现状。针对三明地区电网存在的电压水平、网损等具体问题 ,建立了基于灵敏度分析的无功优化配置算法的数学模型。在现有无功配置的情况下 ,考虑多种负荷和丰水、枯水季节及检修运行方式的情况 ,通过对电网进行分析计算 ,形成无功补偿优化配置的方案。从而降低无功补偿设备的投资费用 ,提高三明地区电网运行的安全性、可靠性和经济性 ,其计算结果令人满意。     

基于混合遗传算法的无功优化

通过混合算法来改进遗传算法是一种可行的方向。在前人研究的基础上进一步提出了一种能够保持遗传算法、模拟退火算法和禁忌搜索算法优点的混合遗传算法。该算法显著改善了遗传算法早熟收敛和局部搜索能力差的不足,具有良好的全局寻优能力和局部搜索能力,并在实际系统应用中验证了它的有效性。     

基于混沌遗传混合优化算法的短期负荷环境和经济调度

环境和经济短期负荷调度主要由在调度周期内的最优机组组合和负荷分配组成,该文将优先次序法、遗传算法与混沌优化相结合,以应用到电站机组环境／经济运行优化问题中,在混沌遗传算法中采用递阶基因结构,将控制基因用于机组组合全局粗寻优,参数基因用于负荷分配局部优化, 基因修正与罚函数相结合解决约束问题,采用混沌扰动避免遗传算法早熟,运用基于线性搜索的混沌局部优化方法,加快算法的收敛速度和降低计算时间,优化计算结果可以同时得到最优机组组合及负荷最优分配,为实际调度系统提供了一个良好的方法。     

GA-BP混合算法在变压器色谱诊断法中的应用

将一种改进的遗传操作与人工神经网络相结合的混合算法应用于电力变压器的故障诊断,有效地解决了常规BP算法易陷入局部极小、收敛速度慢和基本遗传算法早熟等缺点。实例仿真结果表明,该算法具有较快的收敛速度和较高的计算精度,满足电力变压器故障诊断的要求。     

基于多种群遗传算法的无功规划

考虑了无功规划中负荷预测水平的不确定性,提出了多种负荷预测方式下综合效果最优的无功规划模型。在用遗传算法求解规划问题时,未成熟收敛现象是不可忽视的问题。该文分析了未成熟收敛现象产生的根本原因,并基于移民和人工选择的遗传算法思想(GAMAS),引入了多种群遗传算法(MPGA),并根据其特点进行了一定的改进,较好地改善了简单遗传算法(SGA)的未成熟收敛现象,提高了算法的全局搜索能力和局部搜索能力。通过实际算例,证明了本算法在寻优有效率和成功寻优的迭代次数方面与SGA相比都有较大地改善。     

基于改进GA-BP混合算法的电力变压器故障诊断

将改进遗传算法(GA)和误差反向传播(BP)算法相结合构成的混合算法用于训练人工神经网络.该混合算法有效地解决了常规BP算法学习网络权值收敛速度慢、易陷入局部极小和GA算法独立训练神经网络速度缓慢等缺点,并对其应用于电力变压器故障诊断进行了仿真,仿真结果表明了该算法具有较快的收敛速度和较高的计算精度,故障诊断结果证实了该算法应用于电力变压器故障诊断的有效性.     

电力系统相量测量装置最优配置混合算法的研究

以电力系统状态完全可观测和相量测量装置(PMU)配置数目最小为目标,形成了PMU最优配置问题。将遗传算法和禁忌算法有效结合形成禁忌遗传算法,该算法在改进交叉和变异算子的基础上,继承和发展了遗传算法基于多点搜索、鲁棒性强等诸多优点,每当群体有出现早熟而陷入局部最优解的趋势时,利用禁忌搜索增强算法的爬山能力,避免算法早熟而陷入局部最优解,增强算法的全局收敛能力和收敛速度。与遗传算法和禁忌搜索方法相比,禁忌遗传算法具有更好的全局收敛能力和收敛速度。最后采用IEEE14,IEEE30和IEEE57节点系统对算法的有效性进行了验证。     

遗传算法改进的BP神经网络对汛期三门峡水库泥沙冲淤量的计算

本文针对BP神经网络收敛速度慢和易于陷入极小值的问题，采用将遗传算法全局寻优和BP神经网络局部寻优相结合的方法，提高了BP神经网络的计算精度和收敛速度。应用该模型和一般BP神经网络模型对汛期三门峡水库的泥沙冲淤量进行了计算和预测。数值结果对比发现，经遗传算法改进后的BP神经网络模型在降低计算和预测的平均误差的同时，迭代次数比一般BP神经网络模型也大大减少。因此适用于求解如计算水库泥沙冲淤量等非线性问题。     

基于自适应多种群遗传算法的配电网规划

针对传统遗传算法易于陷入局部最优解和随着配电网规模的扩大搜索效率降低的问题,借鉴多种群和自适应思想,提出了基于自适应多种群遗传算法的配电网规划算法。通过对目标函数进行处理,引入了多个物种,并采用自适应遗传算法和考虑进化稳定的改进多种群遗传算法分别对不同的物种进行操作,通过转移优秀个体,实现了物种之间的协同作用。同时为解决遗传算法应用于配电网规划时产生的大量不可行解的问题,借助图论知识和搜索技术给出了不可行解的修复方案,通过对孤岛,孤链和环进行修复,将非辐射状网络修复为辐射状网络。算例结果验证了该算法的实用性和有效性。     

基于改进遗传算法的海上风电场集电系统拓扑优化

海上风电的集电系统的投资成本占比高，对集电系统的拓扑进行优化对降低固定投资有重要意义。集电系统的拓扑优化问题可转化成一个动态变权的最小生成树问题，由于边权变化与拓扑优化相互耦合，无法用传统的生成树方法求解。采用改进的遗传算法，通过优选初始种群、采用链表式编码、精英选择算子的环节改进，既提高了算法效率，又可处理海缆不可交叉等复杂约束。算例表明优化算法具有较好的寻优性和收敛性。     

基于最优流法和遗传算法的配电网重构

提出了一种基于改进最优流和遗传算法的配电网重构算法.该算法先利用配电网的同胚图将重构问题的全局寻优空间划分为若干子空间,然后利用改进最优流法寻找子空间内的最优解,之后再利用遗传算法搜索全局最优解所在的子空间,从而实现在局部最优解中寻找全局最优解.该算法既通过压缩寻优空间提高了遗传算法的搜索效率,又利用改进最优流法改善了局部寻优能力.算例计算结果表明了文中所提算法的可行性和有效性.