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.     

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。     

基于遗传禁忌混合算法的电力系统无功优化

为了使遗传算法(GA)和禁忌搜索算法(TS)的优点被保持,缺点被削弱,提出了电力系统无功优化的遗传禁忌混合算法(GATS);针对电力系统无功优化中控制变量的离散性和连续性相混合的特点,提出了混合编码策略并相应地采用启发式算术进行杂交.用GATS算法对IEEE30节点系统进行了无功优化计算,并就优化结果和简单遗传算法(SGA)及二进制编码的禁忌搜索法(TSB)的优化结果进行了比较,结果表明GATS方法具有更好的收敛性和更强的全局寻优能力.     

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。     

考虑潮流方程直接可解的PMU最优配置

针对使电力系统潮流直接可解的PMU最优配置问题,提出一种结合自适应遗传算法与禁忌搜索算法(IAGA-TS)的混合算法。充分利用两种算法各自的特点,结合自适应遗传算法并行计算特性与禁忌搜索算法跳出局部最优解的能力,使得该混合算法寻得全局最优解的同时,提高了算法的优化效率,增强了算法的鲁棒性。最后利用IEEE14、IEEE30、IEEE57 、IEEE 118节点系统对该混合算法与其它两种算法进行了对比验证,结果表明混合算法是有效的。     

考虑潮流方程直接可解的PMU最优配置

针对使电力系统潮流直接可解的PMU最优配置问题,提出一种结合自适应遗传算法与禁忌搜索算法(IAGA-TS)的混合算法.充分利用两种算法各自的特点,结合自适应遗传算法并行计算特性与禁忌搜索算法跳出局部最优解的能力,使得该混合算法寻得全局最优解的同时,提高了算法的优化效率,增强了算法的鲁棒性.最后利用IEEE14、IEEE30、IEEE57 、IEEE 118节点系统对该混合算法与其它两种算法进行了对比验证,结果表明混合算法是有效的.     

混沌粒子群优化算法在配电网无功优化中的应用

针对电力系统无功优化的特点,提出了一种基于传统粒子群优化(PSO)算法的改进型智能算法——混沌粒子群优化(CPSO)算法。CPSO算法采用混沌初始化进行改善个体质量和利用混沌扰动避免搜索过程陷入局部极值,利用该算法分别对IEEE14和IEEE30节点系统进行仿真测试。仿真结果表明,CPSO算法相对于PSO算法,优化效果理想,收敛速度快。     

自适应遗传-禁忌搜索混合算法在PMU最优配置中的应用

针对PMU最优配置问题,提出一种结合自适应遗传算法与禁忌搜索算法的混合算法。通过初始配置原则,缩小了算法的寻优范围。充分利用两种算法各自的特点,结合自适应遗传算法并行计算特性与禁忌搜索算法跳出局部最优解的能力,使得该混合算法寻得全局最优解的同时,提高了算法的优化效率,增强了算法的鲁棒性。最后利用IEEE14、IEEE39、IEEE57节点系统对该混合算法与其他两种遗传算法进行了对比验证。     

基于改进量子遗传算法的电力系统无功优化

提出一种基于改进量子遗传算法的电力系统无功优化方法。该方法借鉴量子计算的一些概念,采用量子比特对控制变量编码,这种编码方式能表示出许多可能的线性叠加态,从而更好地维持种群的多样性。同时利用搜索到的最佳个体信息更新量子门,加快了该方法的收敛速度,采用群体灾变策略防止该方法陷入“早熟”。分别采用线性规划算法、复合形算法、改进禁忌搜索算法、标准遗传算法、自适应遗传算法和该方法对IEEE 6和IEEE 30节点系统进行无功优化,实验结果表明,该方法全局寻优能力强、收敛速度快。     

混沌遗传混合算法在配电网重构中的应用

指出网络重构是配电系统运行和控制的手段,也是配电管理系统的重要内容。考虑配电网运行特点,建立了以有功网损最小为目标的配电网重构数学模型,并计及潮流、电压、容量及辐射状运行等约束条件。针对该模型的特点,采用一种新型混沌遗传混合算法对配电网进行重构计算,该算法既具有遗传算法的全局性和并行性,又具有混沌搜索的遍历性和快速性。将该算法用于IEEE33节点系统重构计算,并与重构前、单一遗传算法重构结果进行比较,证明了所提出混沌遗传混合算法的有效性和快速性。     

电力系统无功规划优化的变尺度混沌优化算法

选择无功设备投资和系统有功网损的综合费用最小作为目标函数,同时考虑满足电压水平来探讨无功规划优化问题。无功优化前,首先用模态分析法确定系统的薄弱节点作为候选补偿点,用电压越限筛选确定最大补偿容量,然后用无功优化模型决定候选补偿点应加装的无功补偿容量。介绍了变尺度混沌优化算法,该算法不断缩小优化变量的搜索空间并不断提高搜索精度,从而有较高的搜索效率。IEEE14节点系统的仿真计算验证了算法的有效性,算法对初值的敏感性也进行了探讨。     

自适应免疫粒子群算法在动态无功优化中应用

根据电力系统实际运行中负荷不断变化的情况,提出了动态无功优化问题的完整数学描述和计算方法。从负荷曲线的特点出发,结合设备动作次数约束,提出利用遗传算法进行智能化负荷分段的方法。利用引入免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子的粒子群算法,从整体上获得系统的最优控制方式。IEEE 30节点系统算例分析表明,该方法有效减少了补偿设备和变压器分接头的动作次数,其中节点12电容器组的投切次数由6次降为2次,且系统在一天内的有功损耗由1.2413p.u.降为1.1554p.u.。     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,该文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE6、IEEE30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的。     

基于改进粒子群算法的电力系统无功优化

电力系统无功优化问题是一个多变量、多约束的混合非线性规划问题。提出了一种改进粒子群算法用以解决这一复杂优化问题。在改进的算法中,首先结合混沌优化思想对粒子群进行初始化,减轻了粒子初始位置的选择对算法优化性能的影响;在进化过程中引入了自探索行为,使得粒子的搜索过程更加符合实际;引入了变异机制及3种判断陷入局部最优的标准,当发现粒子群陷入局部最优时,通过变异,帮助粒子跳出局部陷阱,增加发现最优解的机会。给出了问题的求解方法,并对IEEE 6、14节点系统进行了仿真计算,实验数值对比表明了算法的可行性和有效性。     

采用改进遗传算法的无功优化规划

提出了以有功网损和无功补偿设备投资最小的无功规划数学模型,以无功裕度法确定无功补偿点,采用逐年规划方式和利用改进遗传算法对模型进行求解。在最小负荷方式和最大负荷方式下无功规划的基础上建立了场景检验模型,以IEEE30节点系统为算例,将逐年优化方式与整体优化方式的规划结果进行对比,验证了所提模型和求解方法的有效性。     

求解动态无功优化问题的混合免疫遗传算法

无功优化是电力系统运行中提高经济性和电压安全性的重要措施,为防止静态无功优化可能导致无功控制设备的频繁操作,考虑并联电容器投切组数和有载调压变压器变比档位的调节次数约束,建立了电力系统动态无功优化模型。提出免疫遗传算法与非线性内点法相结合的混合算法进行求解,其中免疫遗传算法处理离散变量,非线性内点法处理连续变量,并在免疫遗传算法中设计独特的编码方式,使抗体能够自动满足动态约束。采用IEEE14系统的24时段无功优化问题进行仿真计算,动态无功优化后离散控制设备的调节次数很少,有功损耗比静态优化结果仅有轻微增加,算例结果验证了混合免疫算法的有效性。     

交直流系统主导节点选择与无功分区的概率优化方法

为保证分区电源对其分区内部换流站节点具有较强的电压控制能力,提出了一种交直流系统主导节点选择与无功分区的概率优化方法。通过对换流站进行负荷等值,模拟了源-荷-换流站节点功率的典型场景,进而采用机会约束计及源-荷-换流站节点功率变化时无功的分区平衡要求,建立考虑交直流耦合点可控性目标的优化模型,并基于目标相对占优的免疫遗传算法进行求解,从而进一步加强区域内电源对换流站的电压控制能力。基于IEEE 39节点系统进行仿真分析,仿真结果验证了所提方法的有效性。     

具有改进变异的遗传算法在无功优化中的应用

遗传算法是一种基于自然规律选择的优化方法,在电力系统的无功优化中得到了广泛的研究。该文在对遗传算法随机变异研究基础上,结合电力系统无功优化的特征,提出了优化变异,即以目标函数的灵敏度系数向量来修正变异方向,加快搜索速度。并对IEEE14节点系统进行了计算,其结果验证了算法的有效性。     

基于混沌免疫混合算法的多目标无功优化

针对目前评价多目标函数解的不足，提出了将多目标函数各个解映射成多维空间中不同的点，利用这些点与理想点之间的欧氏距离来衡量各个解的优劣；同时针对无功优化、混沌优化算法和免疫算法的特点，提出了在采用免疫算法进行无功优化的记忆抗体群中，运用混沌优化方法和免疫算法的交叉和变异等操作对无功优化的连续变量和离散变量进行交替优化求解，并将它们运用于以降低有功损耗，提高电压稳定裕度及减小电压偏移为目标的无功优化中；通过 IEEE-30和IEEE-118节点算例系统验证了混合算法及最优解评价方法的正确性和可行性。     

基于当地量的电压稳定指标

利用功率变化量在临界时刻为0的原理,提出并详细推导了一种电压稳定指标。该指标首次明确区分2种引起电压不稳定的因素：有功功率负荷过重与无功功率缺乏。算例的仿真验证表明该指标可以明确地给出电压不稳定的信息,可以为电压稳定监视或者电压稳定控制提供准确的参考依据,具有一定意义。