进化规划方法的综合改进及其在电力系统无功优化中的应用

提出了一种应用于电力系统无功优化的综合改进进化规划方法。分析了传统进化规划方法存在解易早熟和收敛慢等不足的主要原因，并对传统方法的变异算子和选择算子提出了综合改进。提出新的策略参数控制方案改进变异算子，同时在选择算子中引入了Metropolis判别准则。为验证改进方法的正确性和有效性，以IEEE 30节点系统为例进行了仿真，结果表明文中提出的方法与传统方法相比能更好地避免解的早熟并使算法具有更快的收敛速度，适用于无功优化计算。     

基于十进制编码的差分进化算法在配电网重构中的应用

提出了一种基于差分进化的配电网重构方法。采用基于十进制环状编码方法解决了二进制编码产生大量不可行解的问题。给出了十进制环状编码的变异、交叉和选择策略;提出了一种在计算的同时调整支路节点顺序的算法,解决了配电网重构后部分支路电流流向颠倒的问题。应用差分进化算法对IEEE 33节点网络进行配电网重构仿真,结果表明该方法能有效降低配电网损耗。     

改进蛙跳算法在输电网规划中的应用

传统蛙跳算法（SFLA）具有高效计算性能和全局搜索能力,但容易出现早熟。针对早熟问题,通过对局部搜索步长和搜索策略进行改进,并将高斯变异算子引入算法当中,形成改进蛙跳算法（ISFLA）,并将其应用于输电网规划模型的求解中。通过对IEEE6节点和IEEE18节点系统的计算,证明了与传统蛙跳算法相比,改进后的算法寻优精度和收敛速度均得到了有效提高,具有较好的适应性。     

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。     

一种求解最优潮流问题的改进粒子群优化算法

提出了一种新的基于可行保留策略和变异算子的改进粒子群优化算法来求解最优潮流问题。可行保留策略将最优潮流问题的目标函数和约束条件分开处理,使得只有可行的解才能指导粒子飞行,避免了粒子在不可行域中的无效搜索,提高了算法的搜索效率;变异算子以预定的概率选择变异个体,对粒子的位置进行高斯变异操作,使得粒子可以有效避免陷入局部最优,增强了算法的全局搜索能力。通过 IEEE 30节点系统对该算法进行了测试,结果表明,对于复杂的最优潮流问题,该算法优于进化规划算法和常规的粒子群优化算法。     

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.     

一种求解配电网多阶段规划的改进遗传膜算法*

对于中长期的配电网规划问题,为动态地考虑负荷在规划水平年内的变化情况和DG的大量接入,采用多阶段方法对含DG的配电网进行DG的选址定容和网架的扩展规划。结合电力系统全寿命周期管理理论,建立了以全寿命周期成本现值和最小为目标函数的配电网多阶段规划模型。针对上述模型求解的复杂性,提出了一种基于膜间交流重组、反余切-指数自适应交叉换位以及反正切-指数自适应变异改写等进化规则的改进遗传膜算法。采用有向图的邻接矩阵表示方法进行解对象编码,使得优化过程中无需解码,并提出一种通过操作节点入度来快速产生可行初始解和一次性修复所有不可行情况(即孤点、孤链和环)的方法。IEEE 54节点算例结果表明改进遗传膜算法具有收敛速度快、全局搜索能力强以及稳定性好等优点。     

基于Voronoi图和改进差分进化算法的变电站规划优化

针对电网中的变电站选址定容规划问题,提出了一种基于Voronoi图和改进差分进化算法的变电站规划优化方法。首先构建了变电站年费用最小的规划模型,然后针对模型求解,通过Voronoi图划分变电站的供电范围,并对差分进化算法中的变异算子和交叉算子的动态调整方式进行优化以提高其寻优性能,采用改进后的差分进化算法进行站址寻优。最后通过具体算例验证了所提规划方法的有效性和优越性。     

改进和声搜索算法用于配电网重构

针对配电网重构大规模非线性混合整数规划的特点,提出采用通过粒子群算法控制参数进化的改进和声搜索算法对配电网进行重构。首先,将粒子群算法引入和声搜索算法,用于智能引导和声搜索算法参数的进化;然后,提出新的支路组断开原则及其相关概念。通过上述改进克服固定参数设置对和声搜索算法搜索能力的制约,提高算法的全局寻优性能并有效减少不可行解的生成。最后,将上述方法和原则结合对IEEE33节点系统以及PGE69节点系统进行仿真,得到的仿真结果验证了该方法的准确性和有效性。     

一种混合智能算法在配电网络重构中的应用

提出了一种新的混合智能方法用来解决配电网络重构问题。该方法结合了遗传算法（GA）和粒子群优化算法（PSO）两者的优点，体现出较GA和PSO更好的寻优性能。在寻优过程中，部分个体以PSO方法迭代，其它个体进行GA中的交叉和变异操作，整个群体信息共享，同时采用自适应参数机制和优胜劣汰的思想进化。通过对IEEE16节点、IEEE33节点、IEEE69节点测试系统的计算和分析表明，该方法在解决配电网络重构问题上具有很高的搜索效率和寻优性能。     

混沌模拟退火算法在无功优化中的应用

为了更有效地改进处理无功优化问题的方法,提出了混沌模拟退火(CSA)算法,该算法是一种基于混沌变量的改进模拟退火算法,结合了混沌算法的全局遍历性和模拟退火算法的启发式规则,在模拟退火算法的搜索过程中加入了混沌算法的优点。利用混沌算法确定算法的初始温度,有效地减小了搜索空间,同时利用混沌算法确定模拟退火算法中的扰动准则,使算法有效跳出局部最优解。最后将混沌模拟退火算法应用于电力系统无功优化中,通过对IEEE 6和IEEE 30节点以及实际129节点系统的仿真验证了该算法应用的有效性。     

基于改进微分进化算法的电力系统无功优化

提出了一种改进的微分进化算法求解电力系统无功优化问题。在进化过程中，该算法根据进化情况采用动态参数调整机制提高算法的搜索效率，并且对种群重叠状况进行实时监视，对重叠个体利用混沌搜索策略来进一步提高算法的全局寻优能力。通过对IEEE 6、IEEE 30、IEEE 118标准测试系统及某地区实际系统的无功优化问题计算及结果分析表明，文中提出的改进微分进化算法高效、且全局寻优能力强。     

基于内点法和改进遗传算法的无功优化组合策略

提出了一种求解无功优化问题的组合策略，该策略将无功优化问题分解为连续优化和离散优化2个子问题，分别用预测–校正内点法和改进遗传算法进行求解。考虑到实际电网在进行无功优化控制时，发电机是主要的调节手段，先不考虑离散变量的约束，采用预测–校正内点法优化连续变量；然后保持连续变量不变，用改进遗传算法优化离散变量；再返回到连续优化阶段，如此交替求解。当出现相邻的连续优化阶段和离散优化阶段网损变化的差值小于设定值时，停止优化。IEEE14、30、57、118节点系统的仿真结果表明，该策略比其它组合算法在收敛性和计算效率上更具优越性。     

考虑电力系统安全的输电网规划

设计了考虑电力系统安全的输电网规划流程，改变了传统规划只考虑N安全和N-1安全的规划模式，进一步计算分析了规划网络在N-2安全情况下的缺电成本。文中采用故障筛选再规划的方式提高了N-1安全规划的计算速度，实现了大规模规划问题的求解，满足工程应用需要。18节点系统及实际电网147节点系统的计算结果表明，该方法行之有效。     

改进差分进化算法在电力系统无功优化中的应用

针对电力系统无功优化具有非线性、多控制变量、多约束条件、连续变量和离散变量混杂的特点,提出了一种改进的差分进化算法。该算法根据进化学习过程中积累的经验,利用优良群体引导变异的方向,同时提取优良群体各维元素的信息,以优良群体信息指导个体每一维变量的交叉操作。IEEE 30节点系统算例表明,所提算法较基本差分进化算法和粒子群算法,收敛速度快、计算精度高、稳定性好、能有效地求解电力系统无功优化问题。     

基于扩展潮流模型的电力系统电压稳定分析

提出一种追踪系统PV曲线并判断其电压崩溃类型的改进算法。它采用扩展潮流模型，应用连续潮流方法。给出新的发电机电流极限约束的直接处理算法，解决了计及发电机电流约束时，潮流难于收敛和不易精确求出电压崩溃点的问题；对不易精确求得的极限诱导分岔点，通过在连续潮流法的校正步骤中将关键的极限约束方程作为附加方程来快速而精确地求解。New-England 39节点系统和IEEE118节点系统算例表明该模型和算法的有效性和合理性。     

基于改进遗传内点算法的电网多目标无功优化

将遗传算法和内点法相结合求解电力系统无功优化问题。改进了传统的遗传算法,采用混合编码和动态调整选择、交叉、变异算子,并在适应度函数中引入了内点法的对数障碍函数,有效地解决了实际系统的离散变量和状态变量易在边界取得的问题。在无功优化模型中,计及了网损,电压平均偏离,静态电压稳定裕度和调控费用4个指标。IEEE 14和IEEE 57节点算例系统的仿真结果表明,该算法稳定且具有很好的全局寻优能力和较快的收敛速度,能有效提高系统运行的经济性和安全性。     

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。     

一种计算最小负荷裕度的实用方法

最小负荷裕度能量度从当前运行点到电压失稳点的最恶劣的一种演化，为电压稳定预警提供更多信息。文中提出一种计算最小负荷裕度的实用方法。结合控制中心实际，得到一种负荷模式以及模式波动的表示形式，从而建立实用的连续潮流模型和求取最小负荷裕度的优化模型，推导了负荷裕度对于负荷模式的灵敏度，并采用序列线性规划法来快速、有效地求解最小负荷裕度。给出的期望负荷裕度和最小负荷裕度为电压稳定预警提供更丰富的规则信息。新英格兰10机39节点系统的仿真算例验证了所述方法的有效性。     

基于量子粒子群混合算法的电力系统无功优化

针对传统粒子群算法在无功优化中易陷入局部最优和后期收敛慢等问题,提出了基于量子粒子群混合算法的无功优化计算方法.该算法将量子叠加态思想引入到粒子群算法中,使得单个粒子能表示更多的状态和量级,增加了种群的多样性;采用量子旋转门更新粒子的速度和位置,提高了收敛的速度.用该算法对IEEE 30节点系统进行无功优化计算,并与粒...