低碳调度下机组组合问题的混沌遗传混合优化方法

提出了一种求解低碳调度下机组组合问题的混沌遗传混合优化方法。采用控制基因与参数基因编码方式对机组发电计划进行编码,通过结合电碳特征优先次序、混沌映射和随机生成3种方法提高初始种群多样性;将混沌迭代搜索引入到遗传算法的进化过程之中,构造新的变异算子,改进遗传算法过早收敛的缺点,并且在变异过程中进行按电碳特征优先权确定的区间偏移,达到了加快算法收敛速度的目的。通过算例验证了混沌遗传混合优化方法具有较好的收敛特性和全局搜索能力。     

基于混沌遗传算法的电力系统无功优化

针对遗传算法在求解大规模电力系统无功优化问题中存在的收敛速度慢、易早熟的缺点,提出了一种新的无功优化算法——混沌遗传算法CGA。该方法结合混沌优化所具有的遍历性、随机性和规律性的特点,在遗传进化过程中引入混沌移民算子,通过混沌移民操作维持群体中染色体的多样性,以克服传统遗传算法中由于近亲繁殖所导致的早熟问题,确保算法的全局收敛性,加快计算速度。通过对某地区42节点系统进行仿真计算,该方法相比于简单遗传算法,计算速度提高了45%,收敛到全局最优的概率提高了1.25倍。     

洪水演算的参数自适应马斯京根法

由于不同洪水所估计的马斯京根模型的参数值各不相同,采用相同的参数值势必对洪水演算的精度产生较大的影响.本文提出了一种用于洪水演算的参数自适应马斯京根法,采用数据挖掘中的时间序列相似性搜索方法搜索与当前洪水最相似的洪水过程,利用该相似洪水进行模型参数的最优估计,然后根据所估计的参数进行洪水演算.同时,针对参数估计中所存在的求解复杂、精度差等问题,提出了一种基于免疫克隆选择的马斯京根模型参数估计算法.该方法具有求解精度高,计算速度快、适应性强等特点,能够很好的解决马斯京根模型的参数最优估计问题.仿真实验表明参数自适应马斯京根法具有更高的演算精度,应用实例验证了该方法可行性和有效性.     

灾变遗传算法在配电网开关优化配置中的应用

分析了开关投资、运行维修费用、停电损失和网络损耗的计算方法,基于等年值法建立了开关优化的含约束、非线性的组合优化模型,采用了灾变遗传算法来求解这类优化问题。通过对实例的计算表明:提出的数学模型和算法有较强的工程实用性,灾变遗传算法具有较好的全局收敛性和较快的收敛速度。     

基于改进浮点遗传算法的潮汐电站优化运行

在分析潮汐电站运行特性基础上,建立其多维优化的月周期优化调度模型。该模型含有线性和非线性约束,而且目标函数呈非线性。利用整体算术交叉和精英保留策略,设计出一种全局寻优的浮点数编码改进遗传算法。算法实例求解结果与电站实际月发电量和动态规划法求解结果比较后表明,该算法可行、有效,提高了求解质量和运行效率。     

群居蜘蛛优化算法在水电站优化调度中的应用及其效能分析

针对水电站优化调度高维、非线性、多约束以及模型不易求解的特点,本文提出将群居蜘蛛优化算法应用于水电站优化调度。算法依据群居蜘蛛的协同机制全局寻优,能够避免早熟收敛和陷于局部最优值,获得最优的水库调度决策。结合具体实例并与动态规划、遗传算法的效能进行比较,结果表明该方法不仅寻优效果好,而且稳健性强,参数少、搜索效率高,是一种有效的水电站优化调度模型的求解方法,可在实际中推广应用。     

基于混沌遗传混合优化算法的短期负荷环境和经济调度

环境和经济短期负荷调度主要由在调度周期内的最优机组组合和负荷分配组成,该文将优先次序法、遗传算法与混沌优化相结合,以应用到电站机组环境／经济运行优化问题中,在混沌遗传算法中采用递阶基因结构,将控制基因用于机组组合全局粗寻优,参数基因用于负荷分配局部优化, 基因修正与罚函数相结合解决约束问题,采用混沌扰动避免遗传算法早熟,运用基于线性搜索的混沌局部优化方法,加快算法的收敛速度和降低计算时间,优化计算结果可以同时得到最优机组组合及负荷最优分配,为实际调度系统提供了一个良好的方法。     

水电系统短期经济运行的新方法

水电系统的短期发电量最大问题是一大型、动态、有时滞的非线性约束优化问题。针对标准遗传算法的缺陷,提出一种基于实数编码技术的混沌遗传算法用于求解此问题。该算法根据给定个体概率分布函数构造杂交算子,结合混沌和人工神经网络理论,设计了一种混沌变异算子,使算法能有效维持群体多样性,防止和克服进化中的“早熟”现象,对约束条件采用不需要设置惩罚因子的直接比较罚函数方法加以处理。仿真算例验证了该算法在提高解的精度和加快收敛速度方面都有明显改善。     

自适应混沌整体退火遗传算法在水电站群优化调度中的应用

提出了一种基于标准遗传算法(SGA)的自适应混沌整体退火遗传算法(SCWAGA)求解梯级水电站群长期发电优化调度问题。该算法通过混沌优化生成初始解,提高初始解的质量;采用父代参与竞争的整体退火选择方式,避免种群早熟及过早收敛;利用参数自适应函数调整交叉算子和变异算子,提高算法的收敛速度以及避免算法陷入局部最优。以红水河流域水电站群为计算实例的研究结果表明,SCWAGA比SGA具有更快的收敛速度,且搜索到的全局最优解优于SGA与逐步优化算法(POA),为大规模水电系统优化调度求解提供了一种新的有效途径。     

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。