基于IACO-ABC算法的变电站巡检机器人路径规划

目前,变电站智能巡检机器人的路径规划中,各种智能算法如ACO(蚁群优化)、 ABC(人工蜂群)等应用较为广泛,但传统ACO算法存在容易陷入局部最优值、收敛速度较慢等问题。为此,在对传统ACO算法进行改进的基础上,结合ABC算法的优势,提出IACO-ABC(改进蚁群-蜂群融合)算法,将其应用到变电站巡检机器人路径规划中,以提高路径规划算法的鲁棒性,并解决算法陷入局部最优的问题。采用栅格法建立工作环境进行仿真,结果表明采用该算法能够有效解决上述问题,在复杂环境下的规划能力和鲁棒性能较好,并提高了路径质量以及算法效率。     

基于改进Kruskal算法的变电站机器人路径规划

鉴于目前中国变电站智能巡检机器人多采用磁感应线配合射频识别技术的导航方式实现定点巡视,对机器人巡视点的路径规划问题进行研究。首先,考虑到精确算法的复杂性,用近似算法对巡视路径进行规划,以贪心算法和局部搜索思想为主,结合启发式算法对求最小支撑树的Kruskal算法进行改进;然后,用MATLAB软件编程求出机器人的最短巡视路径;最后,用遗传算法求出最短路径,并将遗传算法和改进的Kruskal算法下的最短巡视路径进行比较。比较结果表明:改进的Kruskal算法优势明显,且适用于小规模变电站巡视路径规划。     

对特高压变电站巡检机器人路径规划改进蚁群算法的研究

针对当前变电站巡检机器人路径规划算法存在的规划和适应性较弱等问题,在特高压变电站巡检机器人系统结构的基础上,提出了一种结合蚁群优化算法和人工势场算法的特高压变电站路径规划方法。将蚁群算法的传统单向搜索改进为双向搜索,在启发因子中加入人工势场力的合成方向,并对转移概率进行改进。通过栅格法构建特高压变电站仿真环境,进一步验证了所提规划方法的优越性。仿真结果表明,改进算法具有显著改善迭代次数和最小路径的效果,20×20栅格环境迭代15次收敛到长度26的最优路径,30×30栅格环境迭代70次收敛到长度43的最优路径。     

混合粒子群算法在变电站巡检机器人缺陷定点跟踪上的应用

为了提高变电站巡检机器人的巡视效率,采用混合粒子群算法对缺陷定点跟踪时的路线进行规划设计.首先对传统粒子群算法进行改进,引入遗传算法中的交叉和变异操作,粒子通过同个体极值、群体极值的交叉以及自身变异的方式来搜索最优解;其次输入待巡视节点之间的距离矩阵、粒子数量、迭代次数,采用MATLAB语言编写的混合粒子群算法可以快速计算出各节点的巡视次序及巡检总路程.     

云理论在配电网络变电站选址定容中的应用

变电站选址与定容优化规划属于大规模组合优化问题,基于云在定性概念描述与定量数值表示之间转换过程中的优良特性,借鉴遗传算法"优胜劣汰,适者生存"的进化思想,提出一种基于云理论的优化算法(cloud theory optimization algorithm,CTOA),并将其应用于电力系统配电网络变电站站址、站容的优化规划研究中。在该算法中,用云的期望代表父代个体的优良特征,用云的熵和超熵控制遗传和变异的程度,用正态云算子完成概念空间到数值空间的转换,产生种群,实现遗传操作。CTOA在定性知识的指导下能实现空间范围的自适应控制搜索,可以有效改善智能优化算法易陷入局部最优解和早熟收敛等问题。最后结合某装备制造基地变电站选址定容实例,分别采用改进自适应遗传算法(improved adaptive genetic algorithm,IAGA)、改进多组织粒子群优化算法(refined multi-team particle swarm optimization algorithm,RMPSO)和CTOA算法对其进行了优化规划研究。结果表明,CTOA在收敛时间,搜索精度性能指标方面优于IAGA、RMPSO算法,且该算法无需编码,操作流程简单,易于实现,能更好的满足配电网络中大规模变电站规划的需求。     

基于改进离散烟花算法的变电站巡检机器人路径规划研究

变电站巡检机器人的路径规划旨在为机器人在障碍物空间中搜索全局最优路径.全局路径规划研究主要包括环境建模和路径搜索两个子问题.首先在全面分析变电站环境后创建了半拓扑的地图环境模型,然后测试了相关算法的离散优化性能,最后得到了变电站路径规划的仿真测试结果.测试结果证明了基于改进离散烟花算法的路径规划方法的有效性。     

基于改进离散烟花算法的变电站巡检机器人路径规划研究

变电站巡检机器人的路径规划旨在为机器人在障碍物空间中搜索全局最优路径。全局路径规划研究主要包括环境建模和路径搜索两个子问题。首先在全面分析变电站环境后创建了半拓扑的地图环境模型,然后测试了相关算法的离散优化性能,最后得到了变电站路径规划的仿真测试结果。测试结果证明了基于改进离散烟花算法的路径规划方法的有效性。     

深海履带机器人的局部避障规划研究

针对深海履带机器人的动态,复杂的工作环境,提出了基于遗传模糊算法的机器人的局部避障规划方法。该算法利用遗传算法对模糊控制器的控制规则进行在线自动提取和优化,并提出了一种用于评价规则有效性的适应度函数和自适应变异算子,实现履带机器人的局部避障,且能够满足深海履带机器人局部路径规划的实时性要求。仿真试验结果表明了该算法的有效性。     

基于改进粒子群算法的变电站巡视路径问题研究

利用智能机器人巡视变电站设备的技术得以广泛应用。而优化变电站设备巡视路径是降低智能巡视机器人能耗,提高机器人工作效率的有效手段。本文提出了一种改进粒子群算法,通过引进进化变异粒子个体,并且对惯性权重进行自适应调整,实现了粒子种群的动态更新。既解决了传统算法的早期容易收敛于局部最优解的问题,又能在运算的后期快速求得全局最优解,提高计算速度。并通过MATLAB仿真应用于优化某500kV变电站设备巡视路径,计算结果证明该算法能高效求得最优路径,对于实际电网有一定参考价值。     

基于改进遗传算法的配电网无功优化

对配电网无功优化问题进行了研究.针对无功优化问题的特点,提出了一种应用于电力系统无功优化问题的改进遗传算法.该算法将迭代群体分为一般组和精英组,对一般组进行交叉和变异操作,而对精英组只进行变异操作,实现分组进化.在该算法中利用整数和浮点数混合编码,并对遗传算法的选择,交叉、变异算子进行改进,采用自适应罚因子、交叉率和变...     

基于改进免疫遗传算法的含分布式电源配电网规划

随着大量的分布式电源的接入,配电网规划变得越来越复杂。在优化分布式电源接入总量和考虑传统电源多种约束的基础上,建立以最佳配电网年费用为目标函数的配网规划数学模型。针对改进免疫遗传算法具有生物免疫系统中抗体多样性的保持机制和基于抗体浓度的调节更新机制,同时又具有一般进化算法的随机搜索能力,采用改进免疫遗传算法对配电网规划问题进行求解,并借鉴支路交换的思想设计杂交算子和变异算子,以避免辐射性检查过程,使得算法的寻优能力增强。通过算例分析,与简单遗传算法和常规免疫遗传算法相比,提出的改进免疫遗传算法更适合于求解含分布式电源的配电网规划问题,结果表明了该算法的可行性;同时表明,含分布式电源规划方案较无分布式电源规划方案具有很大的经济和社会效益。     

基于仿真优化智能变电站巡检机器人路径研究

智能变电站巡检机器人对于保证电力系统的安全、稳定、可靠运行具有重要意义,同时具有提高巡检质量及提升能效的作用。针对实际应用中巡检机器人路径规划基于静态地图、难以应对未建模环境信息以及系统存在随机因素的问题,文中提出了一种基于仿真优化方法的巡检机器人路径策略改进的方法。首先通过巡检过程中的实时观测信息,利用随机方法产生用于仿真优化的运行样本,然后在给定的规划策略的基础上利用仿真样本进行路径策略的改进,在保证路径策略性能的同时降低机器人的计算负荷。仿真实验结果表明,所提出的方法可以在栅格环境下有效的应用于给定的基于规则的路径策略和贪婪路径策略的性能改进。     

电力系统无功优化的二次变异遗传算法

在自适应遗传算法的基础上引入优良个体池和二次变异操作,提出了用于电力系统无功优化和电压控制的二次变异遗传算法。该方法建立一个与群体规模等大的优良个体池,用于保存个体编码、适应度等详细数据。每计算完一代,将该代的个体与优良个体池中的个体进行生存竞争,因此优良个体池中保留了历代计算的优良个体,下一代的群体从优良个体池中选择。考虑到遗传操作后存在大量相同个体,检出重复个体进行二次变异,产生邻近的个体,避免了重复计算而且增强了算法的局部搜索能力,加快了算法的收敛速度。该方法和自适应遗传方法用IEEE30节点系统为例计算,结果表明:使用二次变异自适应遗传算法优化的网损平均值更低,寻优性能更好,优化的网损值集中在小的区间。     

面向表计读数的变电站巡检机器人路径规划

将巡检机器人应用于变电站内的表计自动读数可以降低人力成本、提高工作效率,但由于仪表通常悬挂在高处,为了获 取准确的读数,机器人观测时的位姿受到苛刻的约束。 此外,机器人读数时云台调整时间消耗大大降低了巡检效率。 针对此问 题,本文通过分析观测窗约束、路网约束,以及云台姿态调整时间消耗,以机器人完成巡检任务的总时间为代价,建立了面向表 计读数的机器人路径规划模型。 然后,提出一种信息素重利用的蚁群优化算法用以求解机器人的巡检路径与停靠方案。 仿真 实验表明本文方法得到的巡检路径在时间消耗上比初始时间代价节省了 66%,从而验证了模型的有效性与算法的可行性。     

改进仿电磁学算法在多目标电网规划中的应用

提出基于仿电磁学(electromagnetism-like mechanism,ELM)算法的高容错性多目标电网规划方法。为提升算法的性能,引入被动聚集思想对基本模型的全局寻优能力进行了改善。采用自适应权重、自适应变异和精英策略等措施来改善仿电磁学算法的收敛性。针对电源规划、变电站布点和负荷需求均已知的电网规划,将反映电网经济性和可靠性指标的多目标函数转化为求电网规划最小耗费的单目标模型。对一个18节点系统进行了十进制编码,计算结果证明了该算法能有效地解决电网规划这类含离散变量的大规模组合优化问题和提高规划方案的综合满意度。通过与遗传算法、基本ELM的仿真对比,改进的ELM模型在寻优效率和容错性方面具有明显优势。     

考虑初始站址的多阶段变电站规划方法*

针对变电站规划结果对初始站址依赖度高的问题,提出了一种考虑初始站址的多阶段变电站规划方法。第一阶段,对传统渔夫捕鱼算法进行改进以提高搜索能力,并用于寻找优良初始站址集。然后提出一种基于变电站负荷总量的加权距离法,以选择出优良的初始站址方案。第二阶段,根据各负荷区域负荷密度对加权Voronoi图的权值进行动态改进,避免负荷分布不均对规划区域产生不良影响,并基于局部寻优结果对规划区域进行全局寻优求解。最后通过算例的计算结果,证明了算法的实用性。     

改进的遗传算法及其在电磁场全局优化问题中的应用

提出了一种适用于电磁场优化设计的改进遗传算法。分析了标准遗传算法收敛速度慢的原因,针对其不足提出了相应的改进方案。改进算法中引入了迭代过程的分类（随机搜索阶段与局部优化阶段）、新的群体产生规则、适应性的变异概率、新的迭代终止准则等方法。将改进算法与标准算法用于对典型数学函数和应用实例的求解,运算结果表明,该算法比标准遗传算法不仅求解质量高,而且收敛速度快、稳定性强。     

A multistage multiobjective substation siting and sizing model based on operator–repair genetic algorithm

The establishment of a multistage multiobjective substation siting and sizing planning model, taking into account various constraints such as load flow constraint, maximum capacity constraint, and maximum power supply radius constraint makes possible substation planning between multiple years to be adjusted to achieve an optimal overall plan. Through multiple optimization objectives, it is possible to prevent the plan from becoming useless because of excessive changes in power supply affiliation during the multistage optimization process. To find the optimal solution for the model, a repair operator is proposed and used with an improved multiobjective genetic algorithm to repair the decision variables for each chromosome corresponding to one stage so as to satisfy the constraints while ensuring that population diversity evolves heuristically to the optimal solution. Moreover, a tournament selection operator based on crowding distance is adopted, which can prevent the algorithm from premature convergence and make populations trend to the Pareto frontier. Experimental results show that the proposed model and algorithm can efficiently solve the issue of rolling planning between multiple target years and achieve a joint optimal planning. © 2014 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于改进免疫遗传算法的无功优化

针对目前电力系统无功优化算法所存在的问题提出了一种改进的免疫遗传算法,该算法把模糊逻辑、模拟退火和免疫算法相结合,根据模糊逻辑获得变化的交叉和变异算子,采用退火免疫方法对抗体进行选择,用免疫算子进行个体更新,从而增加了群的多样性,避免陷入局部最优。同时,还采用十进制整数编码和保存最优个体法来提高计算速度和精度。最后以IEEE 30-bus系统为例对算法的性能和求解精度进行了测试,结果表明本文提出的算法比其他遗传算法在计算速度和全局收敛方面有了很大提高。