遗传算法在电力系统无功优化中的应用综述

遗传算法是近10年来发展的基于自然选择规律的一种优化方法，算法能成功的解决无功变量中的离散问题，避免常规数学优化方法的局部最优现象。本文阐述了简单遗传算法以及遗传算法与其它算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

遗传算法在电力系统无功优化中的应用综述

遗传算法是近十年来发展的基于自然选择规律的一种优化方法,算法能成功的解决无功变量中的离散问题,避免常规数学优化方法的局部最优现象.本文详细阐述了简单遗传算法以及遗传算法与其它算法相结合的混合算法在电力系统无功优化中的应用和今后的发展方向.     

电力系统无功优化方法综合分析

无功优化是电力系统电压稳定与经济运行的核心问题，也是提高电力系统电压质量的重要措施。本文简要地介绍了无功优化的经典算法：梯度类算法，牛顿法，二次规划法和线性规划法。详细地分析了人工智能方法在无功优化中的应用，即遗传算法、模拟算法、Tabu搜索法、混合算法、专家系统、人工神经网络法、模糊优化法等应用于无功优化的基本思路，还对动态规划法进行了分析，并进行诸多方法的比较，得出了合理的结论：遗传算法及其与其它算法的结合，将使遗传算法在无功优化与控制的应用领域中发挥愈来愈大的作用。     

遗传算法在电力系统无功优化中的应用

遗传算法(GA)是近10年来发展的基于自然选择规律的一种优化方法,算法能成功的解决无功变量中的离散问题,避免常规数学优化方法的局部最优现象。根据众多参考文献,阐述了简单遗传算法(SGA)以及GA与其他算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

遗传算法在电力系统无功优化中的应用综述

简要介绍了电力系统无功优化的现状 ,无功优化使用的各种经典方法均存在着只能得到局部最优解的缺陷。一种模拟自然界生物进化的新原理———遗传算法从其诞生之日起就蓬勃发展起来 ,广泛应用于各个领域。详细地阐述了简单遗传算法以及遗传算法与其它算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

遗传算法在电力系统无功优化中的应用综述

简要介绍了电力系统无功优化的现状,无功优化使用的各种经典方法均存在着只能得到局部最优解的缺陷,一种模拟自然界生物进化的新原理－遗传算法从其诞生之日就蓬勃发展起来,广泛应用于各个领域,详细地阐述了简单遗传算法以及遗传算法与其它算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

基于遗传算法的无功优化模型研究

遗传算法是近十年发展起来的基于自然选择规律的一种优化方法。本文阐述了遗传算法（GAs)在电力系统无功优化中的应用。实例证明计算表明,与常规无功优化方法相比,该算法成功地解决了无功优化中变量的离散问题,避免了常规数学优化方法的局部最优现象。     

遗传算法在电力系统无功优化中的应用

遗传算法根据自然界适者生存的原则进行搜索和优化。将遗传算法应用于电力系统无功优化，不仅能避免一般优化算法的局部最优问题，并能解决无功优化中变量的离散问题，避免维数灾难，提供最优及次优方案，使无功优化更切实际。遗传算法的引入，为电力系统无功优化提供了一种新的计算方法，使无功优化方法更加完善和实用。     

电力系统无功优化方法综合分析

无功优化是电力系统电压稳定与经济运行的核心问题 ,也是提高电力系统电压质量的重要措施。本文简要地介绍了无功优化的经典算法 :梯度类算法 ,牛顿法 ,二次规划法和线性规划法。详细地分析了人工智能方法在无功优化中的应用 ,即遗传算法、模拟算法、Tabu搜索法、混合算法、专家系统、人工神经网络法、模糊优化法等应用于无功优化的基本思路 ,还对动态规划法进行了分析 ,并进行诸多方法的比较 ,得出了合理的结论 :遗传算法及其与其它算法的结合 ,将使遗传算法在无功优化与控制的应用领域中发挥愈来愈大的作用     

用于电力系统无功优化的内点法与遗传算法的比较研究

通过在线无功优化，降低网损、保证电压质量，对供电企业的经济运行是非常必要的。本文就在线无功优化的特点，结合无功优化方法中比较具有代表性且差异较大的两种方法——内点法和遗传算法进行研究和比较，针对解决在线无功优化问题提出一种新思想：内点法和遗传算法相混合的算法。     

电力市场环境下的无功优化模型及其求解方法

该文分析了传统的电力系统无功优化模型存在的缺陷，论述了在电力市场中实行无功计价的必要性。提出了根据发电机运行的不同状况对发电机无功进行分段计价的观点，并依此建立了以有功网络损耗费用和无功费用为目标函数并包含各种运行约束的电力系统无功优化数学模型。由于电力系统无功优化问题本身的复杂性，该文将遗传算法和ALOPEX相结合的优化算法应用于上述的无功优化模型，这种方法能充分发挥遗传算法的全局寻优优势和ALOPEX算法的爬山能力突出的特点，可以克服以往优化算法的不足。给出的算例也证明了该文提出的无功优化模型可以在降低网络有功损耗的同时实现无功潮流的合理分布，起到改善系统无功环境的作用。     

基于协同进化法的电力系统无功优化

针对无功优化问题非线性、非连续性等特点以及大范围内无功优化控制变量较多的问题，提出基于协同进化的无功优化算法以及相应的求解步骤。协同进化算法借鉴分解协调的思想，将无功优化问题分解为一系列相互联系的子优化问题，每个子优化问题对应于进化算法的一个种群，各种群通过共同的系统模型相互作用，共同进化，从而使整个系统不断演进，最终达到问题求解的目的。与常规的遗传算法相比，协同进化算法不但能得到更好的优化结果，收敛性好，而且克服了普通遗传算法计算时间过长的缺点，算例结果表明，该算法更适合于求解大系统的无功优化问题。     

遗传蚁群融合算法及在不确定性无功优化中的应用研究

在双层规划的理论基础上,针对电网无功优化中的负荷不确定性问题,建立了以网损最小为上层优化目标、以满足电压约束条件为下层优化目标的电力系统无功优化模型。并将遗传算法和蚁群算法结合起来用于求解,采用遗传算法生成信息素的初始分布,利用蚁群算法求精确解。以IEEE30节点系统作为试验系统,验证了无功优化模型及算法的正确性和有效性。     

基于改进遗传算法与原对偶内点法的无功优化混合算法

基于改进遗传算法和原对偶内点法提出一种求解无功优化问题的混合算法。首先通过改进遗传算法求解无功优化问题中的离散变量,然后采用原对偶内点法求解与已获得离散变量最匹配的连续变量。在改进遗传算法中采用交叉、变异算子并基于可行域规则处理离散约束,有效提高了混合优化算法的整体寻优效率。在IEEE 118节点系统中的仿真计算结果验证了本文方法的有效性。该方法已应用于福建电网自动电压控制系统中。     

遗传算法在电力系统无功优化中的应用综述

遗传算法是一种通过在整个解空间多渠道同时搜索以找到全局最优解的寻优方法，已经在许多复杂优化问题上被证明是一种相当有效的方法。为此，就遗传算法在电力系统无功优化中的应用进行了介绍，并提出了遗传算法在大规模电力系统无功优化计算中的改进措施。     

遗传蚁群融合算法及在不确定性无功优化中的应用研究

在双层规划的理论基础上,针对电网无功优化中的负荷不确定性问题,建立了以网损最小为上层优化目标、以满足电压约束条件为下层优化目标的电力系统无功优化模型.并将遗传算法和蚁群算法结合起来用于求解,采用遗传算法生成信息素的初始分布,利用蚁群算法求精确解.以IEEE30节点系统作为试验系统,验证了无功优化模型及算法的正确性和有效性.     

基于内点法和遗传算法无功优化的比较及应用

无功优化是电力系统实现电压和无功功率最优控制和调度的基础，使用者对无功优化程序功能的需求不同，采用的无功优化算法也不尽相同，内点法和遗传算法是其中较具代表性且差异较大的2种，对基于内点法无功优化的数学模型，遗传算法的适应度函数和收敛判据进行改进，在IEEE6节点系统进行校验，并分析其在湖北恩施电网无功优化控制方面的应用，结果表明，内点法无功优化的结果比改进遗传算法无功优化的结果差，且处理离散变量不方便，但计算速度快于改进遗传算法，随问题规模增大，内点法的这一优势更明显。     

一种电力系统无功优化综合算法的研究

比较了无功优化算法的两种典型算法——原对偶内点法和遗传算法;提出了在线无功优化的一种混合算法。实例计算表明该算法是可行而实用的方法。     

日无功计划优化模型和算法的研究

根据实际无功电压管理工作的需要,建立了日无功计划数学模型。应用一种充分结合粒子群优化算法和遗传算法各自优点的混合优化策略来求解该模型,提出将遗传算法中的变异原理引入传统粒子群优化算法,以弥补粒子群优化算法全局搜索能力较弱的欠缺,充分发挥两种算法的优点,改善优化的性能。对北京市电网的计算和分析表明了本文所提出模型和算法的正确性和实用性。     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,文章将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,算法对IEEE 6、IEEE 30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的.