基于改进免疫遗传算法的电力系统无功优化

针对无功优化问题的特点,在现有免疫遗传算法基础之上,提出一系列改进措施,形成了一种新的解决无功优化问题的改进免疫遗传算法.该算法将免疫遗传算法中常用的二进制编码改进为整、实数混合编码,提高了计算速度与精度;将通常的选择、变异操作与进化代数相联系,形成具有动态调整功能的改进Boltzmann退火选择、非均匀变异算子,提高了算法的全局收敛性,加快了计算速度;引入疫苗接种概念,有效地抑制了算法在进化过程中出现的退化现象,进一步加快了算法的收敛速度.以IEEE30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性.     

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、交叉率和变异率,提高了收敛速度和解的质量.采用IEEE6节点系统验证了所提算法的有效性和实用性.     

基于改进算子的免疫遗传算法的电压无功优化

针对电压无功优化问题的特点和免疫遗传算法在求解全局性优化问题中的适用性,应用免疫遗传算法对系统进行电压无功优化。在编码时采用了实整混合编码形式,求抗体相似度时进行了归一化处理,在选择操作时对适应度函数进行了变换,合理的选择变换系数的值,可以保证算法在进化前期保持种群多样性,在进化后期仍能有较快收敛速度,并在交叉变异时实数段和整数段基因采取不同的措施。取IEEE-30节点标准系统为例,利用开发的优化计算程序进行电压无功优化计算,验证了所提出的算法较其他算法在计算和收敛能力上具有优势。     

基于混合编码改进遗传算法的无功优化

简单遗传算法用于无功优化时存在收敛速度慢、容易陷入局部最优等问题.针对无功优化控制变量既有连续量又有离散量的特点,提出整数和实数混合编码的改进遗传算法.该改进算法在进化前后期采用不同的选择方式;依据交叉位和变异位控制变量的类型确定相应的实型或整型的算术交叉、小变异遗传操作,并且交叉率和变异率随进化代数变化;在目标函数中选用按指数规律变化的越界罚系数.IEEE14、118节点系统的仿真计算结果表明,改进后算法在全局寻优能力和收敛速度方面优于简单遗传算法.     

基于定向变异遗传算法的地区电网无功功率优化

比较了遗传算法中二进制编码和十进制编码,指出后者更适合于无功优化问题,并结合无功优化问题的特点对遗传算法进行了改进:①采用十进制整实数混合编码方式;②研究适合十进制遗传算法的变异方法,并借鉴梯度概念,提出了基于进化方向的定向变异遗传算法;③采用映射法计算适应度函数,该方法简单易行,不会出现负值,能给群体施加定常的选择压力;④对每一代的最优个体进行单独变异,使搜索效率提高.该方法在甘肃金昌地区电网的无功优化计算中,效果较好.     

基于混合编码改进遗传算法的无功优化

简单遗传算法用于无功优化时存在收敛速度慢、容易陷入局部最优等问题。针对无功优化控制变量既有连续量又有离散量的特点,提出整数和实数混合编码的改进遗传算法。该改进算法在进化前后期采用不同的选择方式;依据交叉位和变异位控制变量的类型确定相应的实型或整型的算术交叉、小变异遗传操作,并且交叉率和变异率随进化代数变化;在目标函数中选用按指数规律变化的越界罚系数。IEEE14、118节点系统的仿真计算结果表明,改进后算法在全局寻优能力和收敛速度方面优于简单遗传算法。     

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。     

一种改进的免疫遗传算法在电压无功优化问题中的应用

本文应用免疫遗传算法对系统进行电压无功优化。在编码时采用了实整混合编码形式,并对其进行了归一化处理,抗体的选择操作结合抗体的适应度和浓度来进行,可以保证算法在进化前期保持种群多样性,而在进化后期仍能有较快收敛速度。取IEEE—30节点标准系统为例,利用开发的优化计算程序进行电压无功优化计算,验证了本文算法较其他算法在计算和收敛能力上具有优势。     

无功功率优化的改进退火选择遗传算法

作提出的改进退火选择遗传算法用于电力系统无功优化,其特点在于采用灵敏度选择无功补偿地点,缩小了遗传算法的搜索范围;用退火选择进行个体更新,保持了群的多样性,避免陷入局部最优;采用十进制编码、竞争繁殖和逐代记录最优法来加快计算速度和精度;用不定交叉和变异概率来更好地发挥交叉和变异的作用,并且进行适应度定标,促进全局最优。通过对TEEE6节点系统计算分析表明,该方法和简单遗传算法相比有更快的计算速度和更强的全局收敛能力。     

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。     

基于改进遗传算法的配电网无功优化

针对传统遗传算法在电网无功优化领域应用中存在的不足,结合配电网的特征,建立了综合考虑全年网损、电压品质和补偿设备投资的无功优化数学模型。同时应用自适应遗传算法对传统遗传算法的遗传算子和终止判据等进行了改进,提出了一种配电网无功优化的改进遗传算法,使其计算效率和全局寻优能力均有提高。实例计算表明,其优化效果优于传统遗传算法。     

改进的免疫遗传算法在无功优化应用中的研究

无功优化是电力网络优化的主要措施,其实质是一个多目标非线性混和优化问题。采用免疫遗传算法来研究该问题的求解方法就是在传统遗传算法的基础上,借鉴生物免疫机制中抗体的多样性保持策略和记忆抗原的特点,大大提高了算法的全局搜索和局部搜索能力。实验表明,免疫遗传算法具有很好的全局收敛性,能有效解决无功优化问题。     

免疫遗传算法在多机电力系统PSS参数优化中的运用

电力系统稳定器参数的优化对于抑制多机电力系统低频振荡具有非常重要的意义。运用免疫遗传算法对多机系统PSS参数进行优化,将免疫操作融入基本的遗传算法中,运用免疫二次应答原理有效抑制了参数抗体在交叉、变异过程中的退化现象,提高了寻优过程的收敛性和稳定性。算例表明,采用免疫遗传算法对PSS参数优化其收敛性、计算时间和稳定性方面都优于传统遗传算法,将经过参数优化后的PSS加装到系统中,不反可以克服低频振荡现象,而且使系统的稳定性大幅度增强。     

基于变尺度混沌理论与免疫遗传算法的电力系统无功优化

提出一种基于变尺度混沌理论与免疫遗传算法的混合智能无功优化算法。该算法利用混沌变量的遍历性、随机性和规律性特点,将混沌运动自身的遍历区域变换成优化变量的取值范围,通过对整个解空间进行考察实现了可行域内的全局优化搜索。同时通过变尺度方法不断缩小优化变量的搜索范围来实现局部细化搜索,从而增强混沌局部搜索能力,加快解的收敛速度,提高解的精度。文章最后以某地区实际电网为例,分别采用免疫遗传算法和混合智能算法对其进行无功优化计算,结果表明本文提出的混合智能算法在计算速度和全局收敛性方面有很大的提高。     

电力市场条件下的无功优化研究

在电力市场条件下,传统无功优化的目标函数应做相应的修改,由原来的一次能源消耗量最小转变为经济利益最大。由于无功电量要定价,所以电网公司购买的无功电量应计入目标函数。同时．无功优化对电网公司购买有功电量也会产生很大的影响,通过改进遗传算法对新的目标函数进行优化。具体算例表明,新的无功优化数学模型可行,并具有很好的经济性。     

基于免疫遗传算法的电压优化调整与治理研究

阐述了电压优化调整与治理的必要性,建立了电力系统电压优化调整与治理的模型,提出了一种针对高压电网特点的电压优化调整与治理方法。通过调整机端电压、变压器分接头和补偿电容器组,或者新增无功补偿节点,来提高电网电压合格率,并且实现新增无功补偿容量最小的目标。其中详述了电网电压优化调整与治理的手段及其计算过程,并且编写程序,做电压优化调整界面,通过免疫遗传算法求解组合优化问题。另外,将免疫遗传算法应用到信阳东部地区电网,进行电压优化调整与治理,并分析优化结果。结果表明免疫遗传算法具有良好的收敛性和鲁棒性,能很好地提高电压合格率,并且使新增的补偿容量最小。     

基于混沌免疫接种粒子群算法的电力系统多目标无功优化

针对基本粒子群优化算法的收敛性能受初始粒子分布影响较大的问题,应用混沌优化理论具有遍历性的突出优点和人工免疫系统中接种疫苗的方法,即混沌免疫接种粒子群优化算法,将该方法应用于电力系统多目标无功优化模型求解.混沌免疫接种粒子群算法是采用混沌优化生成初始粒子即无功优化控制变量值,并选择其中较优的粒子作为初始粒子群,改善了随...     

基于改进遗传算法的无功综合优化

简要分析了传统的电力系统无功优化方法的局限性之后,提出了一种快速有效的求解方法——改进的遗传算法(IGA)。在简单遗传算法(SGA)的基础上,提出了自适应遗传算法,该算法采取了与个体分布散度成正比,并随最优个体保留代数成指数上升的自适应变异率;同时也采取了自适应的交叉率．该交叉率与群体中最大的适应度值和每代群体的平均适应度值有密切的关系。算例表明提出的算法优化效果好．而且在精度上和收敛速度上都有较大的提高。     

考虑负荷不确定性的多目标交直流系统无功优化

提出了一种考虑负荷不确定性的多目标交直流系统无功优化方法,研究负荷模型的不确定性对交直流系统无功优化的影响。本文将系统有功损耗最小、系统电压稳定裕度最大作为目标函数,基于负荷误差的正态分布特征,并利用二层规划理论方法,建立考虑负荷不确定性的多目标交直流系统无功优化数学模型。针对交直流无功优化非线性、多变量、多约束的特点,采用内点法和遗传算法相结合的混合优化算法求解上层模型,下层模型采用实数编码的改进遗传算法求解。采用基于IEEE30标准节点改进的交直流算例对提出的方法进行验证,结果验证了本文提出方法的可行性及有效性。