基于自适应模拟退火遗传算法的多目标最优潮流

采用自适应遗传算法来确定基本遗传算法的交叉率和变异率,保证遗传算法的收敛性。同时引入模拟退火法思想,通过拉伸目标函数的适应度使优秀个体在产生后代时具有明显的优势,从而加速寻优的过程,形成一种新的算法:自适应模拟退火遗传算法。应用该算法进行电力系统多目标最优潮流计算,IEEE30试验系统计算结果表明了该算法的灵活性和有效性。     

基于遗传算法并避免不可行解的配电网络重构优化

以网损最小为目标函数,电压降、电源容量和闭环等限制为约束条件,建立了配电网络重构优化数学模型.根据配电网络的特点,在遗传算法产生初始解、交叉、变异操作时,设计了基于环路的方法,避免了不可行解的产生.针对遗传算法的局限性,对操作过程进行了改进,调整了适应函数,结合了模拟退火算法,给出了交叉率和变异率的自适应计算方法,提高了算法的计算效率和优化性能.重构算例说明,该优化方法有效,实用. ,     

基于模糊自适应模拟退火遗传算法的配电网故障定位

对于配电网故障定位系统的不足与遗传算法存在易早熟、收敛速度慢等问题,结合模糊推理和自适应模拟退火遗传算法,提出一种模糊自适应模拟退火遗传算法(FASAGA)。该算法对评价函数做了容错性改进,在遗传选择时采用自适应机制与最佳个体保留策略,并结合模糊推理与自适应机制求取模糊自适应交叉算子、模糊自适应变异算子,引入模拟退火算法提高收敛速度与局部搜索能力。仿真结果说明该算法应用在配电网故障定位中的准确性、快速性与高容错性。     

基于遗传算法并避免不可行解的配电网络重构优化

以网损最小为目标函数,电压降、电源容量和闭环等限制为约束条件,建立了配电网络重构优化数学模型。根据配电网络的特点,在遗传算法产生初始解、交叉、变异操作时,设计了基于环路的方法,避免了不可行解的产生。针对遗传算法的局限性,对操作过程进行了改进,调整了适应函数,结合了模拟退火算法,给出了交叉率和变异率的自适应计算方法,提高了算法的计算效率和优化性能。重构算例说明,该优化方法有效、实用。     

遗传—模拟退火混合算法 在配电网检修优化中的应用

从配电网设备检修计划编制的实际需要出发,在考虑多种约束条件的基础上,建立了以配电网经济性最好为目标的优化模型.针对该模型的特点,采用1种新型混合遗传-模拟退火算法(HGSA)对配电网检修计划进行优化调整.该算法综合了遗传算法和模拟退火算法的优点,使其既具有遗传算法的全局性和并行性,又具有模拟退火算法的局部搜索能力和退火特征.通过遗传算法、模拟退火算法对实际检修计划优化结果的比较,证明了所提出HGSA算法的有效性.     

基于改进禁忌搜索的配电网重构

为解决配电网的重构问题,提出了一种改进的禁忌搜索(Tabu search)方法.该方法结合配电网络的闭环设计和开环运行的特点,将遗传算法中的优化编码技术引入到Tabu搜索算法中,并以有功网损最小为目标函数对配电网络进行优化.对3个典型IEEE测试系统进行了优化计算,将其结果与模拟退火算法和遗传算法的计算结果进行比较证实,改进的Tabu搜索算法比模拟退火算法和遗传算法具有更高的搜索效率.     

基于二层规划的无功优化模型及其混合算法

建立了电力系统无功优化的二层规划数学模型.基于二层规划模型和遗传算法、模拟退火算法的特点,构造了求解该模型的混合算法,即上层采用遗传算法求解,下层采用模拟退火法求解.对IEEE-6节点和IEEE-30节点系统进行的仿真计算表明所建立的模型和算法有效可行,对于大系统而言,该算法与上下层均采用遗传算法相比能大大提高计算速度.     

基于改进遗传算法的电力系统无功规划优化

简要分析了几种无功优化方法的局限性,通过比较得出遗传算法是求解无功优化的一种有效的方法,并在简单遗传算法(SGA)的基础上,提出了更加有效的算法即改进遗传算法(IGA).该算法针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,借鉴了模拟退火思想在遗传算法的执行过程中对个体适应度不断进行修正,并采用了浮点数编码、双层结构群体、自适应的交叉率和变异率等改进措施.算例表明这种改进的遗传算法优化效果好,而且在精度和收敛度上都有较大提高.     

基于改进遗传算法的多目标无功优化

阐述了用于无功优化的改进遗传算法,在已有改进简单遗传算法的基础上,提出在含有多个目标的目标函数中采用线性变化和指数变化规律的越界罚系数,并对适应度函数进行模拟退火修正以保持种群的多样性和加快收敛;采用遗传因子自适应变化和改进的变异操作,可使遗传算法的全局优化和局部寻优能力大为提高.IEEE14节点系统的仿真计算结果表明,该方法在计算速度和收敛能力上优于简单遗传算法,且罚系数采用指数规律变化比采用定值或线性变化规律时收敛能力有明显改善.     

采用云理论自适应遗传算法的舰船电力系统故障智能恢复策略

提出了基于云理论自适应遗传算法并面向负荷投切的舰船电力系统故障智能恢复策略,该方法在考虑负荷和开关优先级及线路负荷分配均衡的基础上,借助于正态云固有的稳定倾向性和随机性,由云发生器自适应调整交叉率和变异率,增强了算法鲁棒性,改善了算法收敛速度。算例分析验证了基于云理论自适应遗传算法多目标故障恢复策略的可行性和有效性,且优于标准遗传算法和传统自适应遗传算法,具有一定的实用价值。