含分布式电源的多智能体入侵杂草算法配电网规划优化

以配电网系统投资费用最小为目标,针对入侵杂草算法缺乏信息共享机制的缺陷,提出一种将入侵杂草算法与多智能体进化思想相结合的新型求解算法。该算法既充分利用了入侵杂草算法参数少、结构简单和鲁棒性强的优点,又通过引入多智能体进化思想改善了入侵杂草算法后期收敛速度慢、易陷入局部最优、收敛精度不高的缺点。以IEEE 33节点配电网系统为例进行仿真分析,并将优化结果与传统的入侵杂草算法优化结果进行比较,结果表明该算法在解决含分布式电源配电网规划优化问题上收敛精度更高,寻优速度更快,能够有效地减少配电网总投资费用。     

基于自适应小生境的改进入侵性杂草优化算法

为提高入侵性杂草优化算法(IWO)的种群多样性,使算法在处理高维多峰问题时具有更好的全局收敛性。结合小生境思想提出一种小生境杂草优化算法(NIWO)。该算法根据种群内个体间的欧式距离对杂草种群进行分类,并采用自适应小生境数策略确定分类个数,对种群进行繁殖竞争等其他操作,从而增强种群的多样性,提高算法的全局寻优能力,保证算法的收敛精度。利用4个标准测试函数测试算法的寻优能力,仿真结果表明,无论对于低维还是高维多峰函数,NIWO算法的收敛精度和稳定性都优于标准IWO算法。     

基于新型生物地理学优化算法的作业车间调度研究

针对生物地理学优化算法在求解复杂作业车间调度问题时存在的问题,提出了一种改进差分进化生物地理学优化算法.通过将差分进化算法的搜索性与生物地理学优化算法的利用性有效的结合,同时采用精英保留机制保留适应度较高的个体,并且引入惯性权重策略调节变异操作在混合迁移操作中所占的比重以提高算法的全局搜索能力,然后增加了小概率扰动以防止算法随着迭代的进行陷入局部最优解.最后使用不同测试函数和作业车间调度问题进行实验,结果显示改进算法在收敛速度和优化结果方面性能更优。     

一种基于Blind Kriging模型和差分进化的电磁结构优化算法

各类电磁结构日趋复杂,设计自由度不断提升.传统优化算法需要对大量的参数组合进行全波仿真试探,设计效率普遍较低。针对这一问题,提出BK(blind Kriging)模型和差分进化相结合的电磁结构优化算法.相比普通Kriging模型,BK模型通过贝叶斯参数选择算法将影响性能的主要因子加入回归模型,提高对响应的预测精度;依据BK模型的预测结果从每代差分进化种群中选择最优个体执行电磁仿真。由于优化过程中大量的电磁计算转移到快速的BK模型,优化效率得到显著提升。通过一个圆波导多螺钉极化转换器的优化设计,表明该方法的求解质量和收敛速度优于现有算法。     

基于差分进化混合粒子群算法的电力系统无功优化

差分进化混合粒子群算法(DEPSO)首先利用差分进化(DE)的变异和选择算子产生新的群体,然后通过使用粒子群优化算法(pSo)进行局部搜索.该算法发挥差分进化和粒子群优化算法各自拥有的特点,并克服自身存在的问题,具有收敛速度快、搜索能力强、鲁棒性好的特点.将该算法用于电力系统无功优化,通过IEEE30节点系统的仿真计算证明了该算法的快速性和有效性.     

改进差分进化算法优化多值属性系统诊断策略

测试序列优化问题是故障诊断过程中的关键性问题;针对多值属性系统的测试序列优化问题,采用自适应差分进化算法,结合多值属性系统的特点,分析变异算子在算法中的作用,并设计了个体的编码策略以及两种不同的诊断方式,提出一种将高斯,柯西变异算子与多差分策略进行融合的差分进化算法;通过实验对比分析,结果表明该算法不仅可以很好的应用于多值属性系统,而且在处理二值属性系统的测试序列优化问题时,与已有算法相比,该算法得到的测试点数目更少,期望测试代价更低,可用于多值属性系统求解诊断策略问题。     

协同差分演化算法在梯级水库中长期发电优化调度中的应用研究

本文结合梯级水库中长期发电优化调度问题,针对差分演化算法在进化过程中,其适应度的进化模式未考虑进化的外部环境与进化成分之间的内在联系,借鉴生态学对个体生存环境与种群竞争的关系,提出了协同差分演化算法在梯级水库中长期发电优化调度中的应用。通过实例验证,结果表明该算法具有可靠性与合理性,提高了计算精度和计算效率,为高维、复杂的梯级水库中长期发电优化调度模型提供了一个新的求解途径。     

基于差分进化算法的水电站短期经济运行研究

以水电站运行成本最小为目标,提出了一种用差分进化算法（differential evolution, DE）实现大型水电站最优运行的方法。差分进化算法是一种基于群体的多目标进化算法,通过群体内个体间的合作与竞争产生的群体智能指导优化搜索。将改进的方法应用于水电站经济运行,模型考虑了机组能量特性差异,并能在旋转备用、启停成本、气蚀振动区、机组可用性等约束条件下,制定出电站日内96段最优运行计划。计算表明,该方法避免了动态规划等算法处理多约束、大型优化问题的困难,同时提高了进化算法的精度。     

改进小生境差分进化算法在配网无功优化中的应用

配网无功优化是一类非线性的整数规划问题,通过调整变压器的变比,改变发电机的端电压和连接补偿电容来改变电力网络中的无功,减小系统网损。差分进化算法是一种收敛速度快,收敛精度高的智能进化算法,针对无功优化模型对差分进化算法做出改进,引入小生境思想。通过实例验证了小生境粒子群算法(NPSO)和改进小生境差分进化算法(FERDE)对无功补偿装置布点优化规划的有效性。结果表明,增强算法的局部搜索能力和扩宽搜索范围,在收敛速度和精度上都有不同程度的提高。     

基于量子差分进化算法的电力系统无功优化

以系统有功网损最小为目标,建立了一种电力系统无功优化数学模型,并提出了一种基于量子差分进化算法的电力系统无功优化方法。该算法采用量子计算中的并行、坍缩等特性,增强了对解空间的遍历能力;同时在传统选择策略的基础上加入了量子计算的概率表达特性,有效地避免了算法的早熟现象。对IEEE-30节点测试系统进行仿真分析,并将优化结果与传统差分进化算法和粒子群优化算法进行对比分析,结果表明量子差分进化算法在解决系统无功优化问题上更科学、更有效。     

基于改进ELM神经网络的客户满意度评价模型

使用一种动态递归网络——ELM神经网络来模拟专家打分进行电力客户满意度测评。仿真结果表明,ELM神经网络具有训练速度快和结构简单的特点,能较准确地反映客户满意度。同时,针对ELM神经网络基于梯度下降算法调整权值和阈值,容易陷入局部最优的缺陷,提出了利用入侵杂草算法(IWO)优化ELM神经网络的连接权值系数。神经网络权值优化是一个大规模多峰优化问题,已有文献证明IWO算法对于解决高维度、多峰优化问题具有明显优势。新方法有效弥补了单一算法的不足,拥有ELM神经网络动态记忆的能力以及入侵杂草算法全局收敛性强的特点。实例计算证明,改进ELM神经网络可以建立精度更高的电力客户满意度评价模型,保证专家评价系统的一致性和稳定性,是一种行之有效的评价方法。     

基于改进差分进化-生物地理学优化算法的最优潮流问题

生物地理学优化算法(biogeography-based optimization,BBO)是一种新提出的全局智能优化算法,但是其应用于最优潮流计算时,具有早熟和收敛不稳定的问题。将BBO与差分进化(differential evolution,DE)算法相结合,并对差分进化部分的改进策略稍做修改,形成改进DE-BBO算法。应用所提方法对IEEE 30节点系统进行了有功优化的计算,并和GA、PSO、BBO和DE 4种方法进行了分析和比较,结果表明所提方法具有良好的收敛稳定性,可以有效缩短迭代时间。     

Reactive Power Optimization Using Hybrid CABC-DE Algorithm

Reactive power optimization is closely related to voltage quality and network loss, and it has great significance for the safety, reliability, and economical operation of the power system. Differential evolution (DE) algorithm has been currently applied to reactive power optimization. In order to mitigate the shortcomings of poor local search ability and premature convergence in DE, this paper presents a novel hybrid algorithm–chaotic artificial bee colony differential evolution (CABC-DE) algorithm, which improves the DE algorithm based on artificial bee colony algorithm and ideas of chaotic search. It introduces the observation bees' acceleration operation and the detective bees' chaotic search operation into CABC-DE. The validity of the proposed method is examined using IEEE-14 and IEEE-30 bus system. The experimental results show that CABC-DE algorithm is more effective than regular DE algorithm for reactive power optimization. The algorithm can save the search time greatly and get a better solution for optimization, thus making it suitable for solving reactive power optimization problems.     

基于差异进化和PC集群的并行无功优化

提出了一种在线求解电力系统无功优化问题的方法。该方法基于新的差异进化（DE）算法和并行计算技术,在PC集群上实现优化。IEEE118节点系统的算例表明：DE算法尽管简单,但可快速收敛到近似最优解;采用并行差异进化和适当规模的PC集群,可大大缩短电力系统无功优化的计算时间,使之满足在线应用的需要。     

基于混合DE-PSO多目标算法的动态环境经济调度

电力系统中的动态环境经济调度(DEED)是一个多变量、强约束、非凸的多目标优化问题,传统方法很难进行求解。基于微分进化(DE)算法的快速收敛性和粒子群优化(PSO)算法的搜索多样性,提出一种融合2种算法优点的混合DE-PSO多目标优化算法来求解DEED问题,该算法基于外部存档集和Pareto占优原则,采用自适应参数的DE和PSO双种群更新策略以及一种改进的Pareto解集裁剪方法。引入3种指标评价算法的性能,并采用模糊决策技术从Pareto前沿中提取折中解以供决策者进行选择。经典算例的仿真结果表明所提方法能同时优化成本和排放这2个冲突的目标,且获得了比其他算法更为宽广和均匀的Pareto前沿,体现了所提方法的可行性和优越性。     

改进粒子群优化算法用于电网优化购入电量

为实现从多个发电厂商购入电量总成本最小的目标函数,建立了应用改进粒子群优化算法综合考虑供求约束和发电厂发送能力约束的电网优化购入电量模型,它还同时考虑了竞争原则下电厂发送能力可取0的情况是一个含有非连续变量的优化问题。在按价格最低原则预先确定购买电量的厂商,再用改进粒子群优化算法解决非连续变量问题从而提供了一种解决电网优化购入电量问题的新思路,节约了购电成本。     

基于IBBDE算法的交直流混联系统无功优化

随着高压直流输电工程(HVDC)投产规模持续增长,交直流混联电网的格局初步形成,给传统电网无功优化带来挑战。文中提出一种改进骨干差分进化算法(Improved Bare-bones Differential Evolution,IBBDE)求解交直流混联系统无功优化问题。在骨干差分进化算法的基础上,IBBDE算法采用广义反向学习初始化种群和自适应调整交叉概率的改进措施以提升种群的全局寻优能力。以含HVDC的IEEE 30节点系统为算例进行分析,结果表明,与差分进化算法和骨干差分进化算法相比,所提IBBDE算法可获得更优的无功优化效果,且寻优稳定性更好。     

Optimal location of UPFC controller in transmission network using hybrid chemical reaction optimization algorithm

This paper presents a new hybrid chemical reaction optimization (HCRO) approach which is based on chemical reaction optimization (CRO) and differential evolution (DE) to find the optimal placement and parameter setting of unified power flow controller (UPFC) to achieve optimal performance of power system network. In the proposed algorithm, four elementary reactions, i.e., on-wall ineffective collision, inter-molecular ineffective collision, decomposition, and synthesis, are developed. Moreover, mutation operation of DE is integrated with inter-molecular ineffective collision and crossover operation is introduced in the inter-molecular collision, synthesis, and decomposition process to accelerate the convergence speed and improve the solution quality of CRO algorithm. Here, three different single objectives namely, minimization of the overall cost, transmission loss, voltage deviation and one multi-objective which simultaneously minimizes the transmission loss and voltage deviation are used. To verify the effectiveness, the proposed HCRO approach is implemented on IEEE 14-bus and IEEE 30-bus power systems. Moreover, to establish the superiority, the simulation results of the proposed HCRO technique are compared to the CRO and other previously reported algorithms published in the literature such as genetic algorithm (GA), particle swarm optimization (PSO), immune GA (IGA), immune PSO (IPSO) and hybrid immune algorithm (HIA). It is found that the results obtained by the proposed HCRO technique are superior to those obtained by other discussed algorithms.     

基于自适应混合差分进化算法的水火电力系统短期发电计划优化

针对水火电力系统发电计划优化问题,引入差分进化 (differential evolution,DE)算法,提出了一种自适应混合差分进化算法(adaptive hybrid differential evolution,AHDE)。该算法在计算过程中自适应调整交叉算子,保持了种群的多样性,提高了算法的全局搜索能力,克服了DE在寻优过程中容易早熟收敛的缺点。同时针对AHDE难以处理实际工程中复杂约束条件问题,提出了一种适合AHDE的约束处理方法。将AHDE应用于求解某水火电力系统的发电计划优化问题,与其他求解方法的对比表明,AHDE求解精度高、计算速度快。     

基于微分进化和SMO算法的烟气含氧量软测量

火电厂中烟气含氧量是一个难以测量的量,采用支持向量机中的序列最小优化(SMO)算法对其进行软测量,并采用改进的SMO算法提高建模速度.SMO算法的性能很大程度上依赖于其学习参数,选择合适的SMO参数是一个亟待解决的问题.而微分进化算法(DE)具有很强的全局搜索能力,在多峰函数的寻优问题上已表现出优异的性能.为此,采用DE算法选择SMO的参数,提出了基于DE算法的SMO参数选择方法.仿真表明,该方法能够准确预测烟气含氧量的变化,比用遗传(GA)算法和粒子群(PSO)算法优化SMO参数具有更高的精度和更快的速度.