基于遗传位爬山混合算法的电力系统无功优化

针对电力系统无功优化中遗传算法收敛慢、计算效率低且易于陷入局部最优解等问题,提出了将遗传算法与位爬山算法相结合的混合算法,并在遗传算法中采用排序选择方式进行个体选择操作,以更好地保持群体的多样性,避免了陷入局部最优解;通过交叉、变异等遗传操作,在满足终止判定准则的条件下,将遗传算法得到的结果作为位爬山算法的初值进行位爬山操作,改善了遗传算法的计算效率。以IEEE30节点系统为例对该混合算法的性能进行了仿真,仿真结果验证了该混合算法的有效性和可行性。     

Chaotic Monkey算法在局放源超声阵列定位中的应用

由于传统的局部放电超声阵列定位方法依靠两条测向线的“测向交叉”原理进行局放源的定位,未考虑实际应用时的测向误差影响,会降低定位精度,而利用多平台测向与传统遗传算法相结合的方法进行局放源位置的搜索时,会由于遗传算法易陷入局部最优而导致实用性不强。因此提出一种基于Chaotic Monkey算法的局部放电超声阵列定位方法,简要介绍了其定位原理,通过仿真分析了该方法的定位结果,并与传统遗传算法的搜索结果进行比较,验证了该方法的有效性。     

序列二次规划-遗传算法及其在变压器局部放电超声定位中的应用

针对基本遗传算法(genetic algorithm,GA)局部寻优能力较差和易出现早熟收敛现象,提出了一种改进的遗传算法,即序列二次规划-遗传算法(sequential quadratic programminggenetic algorithm,SQP-GA)。该混合优化算法SQP-GA在基本GA中引入序列二次规划(sequential quadratic programming,SQP)算法,经典算法SQP作为一个元算子有效地提高了基本GA的局部搜索能力,并克服了早熟收敛现象。函数仿真测试结果表明,SQP-GA混合优化算法在收敛速度和寻优精度上都优于基本GA,表明所提出的算法的有效性。同时,利用提出的SQP-GA求解变压器局部放电超声波定位问题,并将其定位结果与GA和非智能算法的定位结果进行比较;算例结果表明,基于SQP-GA的变压器局部放电超声定位法能有效地防止结果陷入局部最优,该方法的定位效果理想。     

局部搜索量子遗传算法及其无功优化应用

针对量子遗传算法局部寻优能力差的不足,提出一种局部搜索量子遗传算法,用于电力系统无功优化.该方法将局部搜索引入到量子遗传算法中,先进行全局寻优,当全局寻优搜索到的最优解经过多次迭代没有变化时,在此解附近产生小的寻优区间,进行局部寻优,以使算法同时具有较强的全局和局部搜索能力.复杂测试函数和IEEE30节点测试系统的仿真实验表明,该方法在寻优能力、收敛速度和稳定性方面优于文献中的新量子遗传算法、进化规划等多种方法.     

遗传算法在电力系统无功优化中的应用

在利用遗传算法求解电力系统的无功优化问题，在优化编码和变异概率取值两个方面进行了研究，进一步推动了遗传算法在实际系统优化问题中的应用。在电力系统无功优化这个具有多局部极小值的寻优方面，把遗传算法所求得的无功优化结果和传统的基于梯度寻优方向的非线性规划法所得的优化结果进行比较，指出了遗传算法在处理非连续的和非平滑的函数寻优方面优于传统的寻优方法，具备全局寻优的能力。     

根据UHF信号特征的GIS局部放电模式识别

综合自适应遗传算法和BP算法各自的优点,构造了基于两者混合训练的神经网络,应用到GIS局部放电超高频的模式识别。分别用基于自适应遗传算法的神经网络、基于BP算法的神经网络,以及基于自适应遗传算法和BP算法混合训练的神经网络对用局部放电超高频检测系统检测到的GIS中4种模式的局部放电进行了识别。实验结果表明,基于自适应遗传算法和BP算法混合训练的神经网络提高了神经网络训练的收敛速度,保证了收敛的可靠性,具有较高的识别率和较强的泛化能力。     

复合遗传混合智能算法在配电网检修时间优化中的应用

针对配电网设备检修计划优化模型,提出了一种新的优化算法。该混合智能算法将复合形法作为一个算子嵌入遗传算法内部,充分结合复合形法与遗传算法的优点,弥补复合形法与遗传算法自身存在的缺陷。通过算例计算,验证了该混合智能算法既有复合形法易收敛、局部寻优能力强的特点,又有遗传算法全局搜索能力强的特点。另外,通过算例结果比较,显示了混合智能算法与遗传算法相比在性能上的优越性。该混合智能算法的优化结果应用在配电网设备检修计划中,能很大程度上降低损耗,具有很好的经济应用价值。     

遗传算法在水电站优化调度中的实用研究

根据水电站优化调度问题的实际特点，用基于十进制的遗传算法，加入最优保存和局部搜索两种收敛策略对问题进行了改进。并用五强溪电站的实际例子进行了模拟计算，与未经改进的遗传算法进行了比较，取得了比较满意的结果。     

统一思想,迎头赶上,把我省入炉煤计量工作提高到新的水平

在利用遗传算法（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｔｈｍｓ）求解电力系统的无功优化问题，在优化编码和变异概率取值两个方面进行了研究，进一步推动了遗传算法在实际系统优化问题中的应用。在电力系统无功优化这个具有多局部极小值优方面，把遗传算法所求复的无功优化结果和传统的基于梯度寻优方向的非线性规划法所求得优化结果进行比较，指出了遗传算法在处理非连续的和非平滑的函数寻优方面优于传统的寻优方法，具备全局寻优的能力。     

基于混合遗传算法的无功优化

通过混合算法来改进遗传算法是一种可行的方向。在前人研究的基础上进一步提出了一种能够保持遗传算法、模拟退火算法和禁忌搜索算法优点的混合遗传算法。该算法显著改善了遗传算法早熟收敛和局部搜索能力差的不足,具有良好的全局寻优能力和局部搜索能力,并在实际系统应用中验证了它的有效性。     

一种改进的遗传算法及其在同步电机辨识中的应用

在现有遗传算法的基础上 ,采用面向对象技术设计了面向对象的遗传算法 ,建立了遗传算法的类层次。这种方法改变了传统遗传算法中各个函数之间只有参数的传递 ,而没有代码继承性的状况 ,从概念上提高了软件的可重用性。在同步电机人工神经元网络辨识器的辅助设计中的应用表明 ,由于采用面向对象的分析与设计方法 ,这一算法具有比传统的遗传算法更好的通用性 ,用户可以更方便地设计和实现自己的编码方案和遗传算子 ,以提高软件的可重用性     

遗传算法及其在电工领域中的应用

本文介绍了遗传处法的基本原理和方法。遗传算法是基于自然界生物进化原理而提出的一种新的优化算法，由于它的通用性和鲁棒性，在许多领域中得到广泛应用。本文综述了遗传算法在电工领域中的应用情况，并进一步展望其前景。     

基于引入禁忌表的改避遗传算法的地区电网无功优化

针对实际地区电网建立多目标无功功率优化模型,在标准遗传算法的基础上加入分阶段适应度函数、自适应交叉变异率等改低碳输电系进,并引入禁忌搜索算法的禁忌表技术,设置相似度条件,以此为核心对某地区电网进行无功优化计算,通过改进前后算法比较可知,该算法收敛性能理想,爬山能力良好,计算时间较短。     

基于Logistic模型的水电站机组运行优化方法

利用Logistic微分方程建立了GA种群规模的数学模型；为更好地使初始解群覆盖整个解空间，引入Logistic周期一混沌迭代公式；针对GA在求解优化问题时，种群早熟问题，将生物学中培育野生个体和避免近亲交叉的概念引入GA中，进一步提高GA中个体基因的多样性。为提高GA在迭代后期收敛速度，利用Tabu搜索的爬山能力加快GA收敛。计算机仿真算法验证所提算法的有效性，并与标准GA进行比较。     

基于改进遗传算法的发电机调速器侧模糊PSS优化设计

基于模糊控制理论设计了发电机组调速器侧模糊电力系统稳定器,采用遗传算法优化其参数以克服模糊控制器参数设计的主观性。为了提高多参数控制器参数优化的速度和精度,对传统单点交叉遗传算法进行改进,提出了一种首尾轮换交叉遗传算法。该方法交替采用尾部和头部单点交叉,保证了各参数参与优化的概率基本均等。采用该算法对某水轮发电机组调速器侧模糊电力系统稳定器的参数进行优化计算,表明其优化速度和精度较试探法和传统单点交叉遗传算法有显著提高。     

发电机组负荷分配的遗传算法

介绍了遗传算法的机理和特点,针对电力系统非线性和水火电联合系统的经济调度不易协调的特点,将遗传算法应用于电力系统经济调度的计算,并给出了计算的一般步骤,通过对一个三机水火电联合系统的经济调度的计算,验证了遗传算法对于计算电力系统经济调度的有效性。结果表明,遗传算法对目标函数的连续性及其导数的存在性没有严格的限制,因而非常适合于电力系统的优化计算;此外,运用遗传算法解算经济调度避免了对协调方程的求解     

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。     

A genetic algorithm solution to the optimal short-term hydrothermal scheduling

This paper presents an algorithm for solving the hydrothermal scheduling through the application of genetic algorithm (GA). The hydro subproblem is solved using GA and the thermal subproblem is solved using lambda iteration technique. Hydro and thermal subproblems are solved alternatively. GA based optimal power flow (OPF) including line losses and line flow constraints are applied for the best hydrothermal schedule obtained from GA. A 9-bus system with four thermal plants and three hydro plants and a 66-bus system with 12 thermal plants and 11 hydro plants are taken for investigation. This proposed GA reduces the complexity, computation time and also gives near global optimum solution.     

Generator maintenance scheduling in power systems using metaheuristic-based hybrid approaches

The effective maintenance scheduling of power system generators is very important for the economical and reliable operation of a power system. This represents a tough scheduling problem which continues to present a challenge for efficient optimization solution techniques. This paper presents the application of metaheuristic approaches, such as a genetic algorithm (GA), simulated annealing (SA) and their hybrid for generator maintenance scheduling (GMS) in power systems using an integer representation. This paper mainly focuses on the application of GA/SA and GA/SA/heuristic hybrid approaches. GA/SA hybrid uses the probabilistic acceptance criterion of SA within the GA framework. GA/SA/heuristic hybrid combines heuristic approaches within the GA/SA hybrid to seed the initial population. A case study is formulated in this paper as an integer programming problem using a reliability-based objective function and typical problem constraints. The implementation and performance of the metaheuristic approaches and their hybrid for the test case study are discussed. The results obtained are promising and show that the hybrid approaches are less sensitive to the variations of technique parameters and offer an effective alternative for solving the generator maintenance scheduling problem.