基于非支配排序差分进化算法的多目标电网规划

在多目标电网规划问题中,综合考虑经济性、安全可靠性和环境影响等因素后,提出了非支配排序差分进化算法。以电网投资、运行维护费用、网损费用、线路走廊面积最小为目标建立了多目标电网规划模型。非支配排序差分进化算法将Pareto非支配排序法与差分进化算法相结合,采用动态调整策略调整差分进化算法控制参数,改进了个体拥挤比较机制,提高了算法的全局搜索能力和种群多样性,并基于模糊集理论选取最优折衷解。Garver-6节点和Garver-18节点系统算例结果表明,该算法可以有效生成分布均匀的Pareto最优解集,在求解多目标电网规划问题中具有可行性和优越性。     

考虑电网脆弱性的多目标电网规划

在基于复杂网络理论进行电网结构脆弱性评估的基础上,建立综合考虑经济性、环境影响因素以及电网脆弱性的多目标输电网扩展规划模型.模型中的电网脆弱性指标结合电力网络本身的拓扑结构和运行状态,衡量电网规划方案下的网络输电能力以及网络对故障的耐受能力.将Pareto非支配排序与差分进化(DE)算法相结合,采用非支配排序差分进化(NSDE)算法对该模型进行求解,通过6节点系统算例验证了NSDE算法在求解多目标电网规划问题中的可行性.算例结果表明,所建立的多目标规划模型可以有效评估规划方案的网络脆弱性,对规划建设坚强的电网具有一定的借鉴意义.     

基于合作协同进化和IMPSO算法的多阶段多目标电网规划

提出一种模型,其任务是在满足安全约束的条件下,确定何时、何地,新建多少线路以满足各阶段电网负荷增长的需要,同时使建设费用、运行费用和网损费用最小。尝试将合作协同进化算法与IMPSO算法结合,应用于多阶段多目标的电力系统规划问题,在各阶段中采用IMPSO算法多目标优化,各阶段之间通过合作协同算法根据各约束条件进行协调。与常规算法比较,在算例分析与实际应用中取得了较好的效果。     

基于合作协同进化和IMPSO算法的多阶段多目标电网规划

提出一种模型,其任务是在满足安全约束的条件下,确定何时、何地,新建多少线路以满足各阶段电网负荷增长的需要,同时使建设费用、运行费用和网损费用最小.尝试将合作协同进化算法与IMPSO算法结合,应用于多阶段多目标的电力系统规划问题,在各阶段中采用IMPSO算法多目标优化,各阶段之间通过合作协同算法根据各约束条件进行协调.与常规算法比较,在算例分析与实际应用中取得了较好的效果.     

基于RQGA和非支配排序的多目标混沌量子遗传算法

为了提高多目标优化算法的收敛性、分布性和减少算法的计算代价,借鉴实数编码遗传算法和多目标优化理论,构建一种多目标混沌量子遗传算法.在分析量子位概率的混沌特性、量子态干涉特性和量子位实数编码的基础上,采用量子位概率交叉和混沌变异的方式进化种群,以提高寻优能力和收敛速度,利用非支配排序、精英保留和分层聚类等多目标优化策略保持种群多样性的同时,保证进化向Pareto全局最优解集方向进行.通过混合算法性能对比测试验证了多算法集成的有效性,并分析关键参数对算法性能的影响.电力系统多目标无功优化的仿真结果验证了该算法的有效性和可行性.     

基于改进非支配排序遗传算法的电力系统无功–潮流多目标协同优化调度

提出了一种改进非支配排序遗传（Non-dominated sorting genetic algorithms,NSGA）-Ⅱ算法,其种群局部搜索和外部种群的设置有效提高了算法的收敛性和解集的多样性。将该算法应用于电力系统无功–潮流多目标协同优化调度问题的求解。采用IEEE-14和IEEE-30母线系统进行算例分析。算例仿真的结果表明,应用所提方法能够兼顾电力系统运行的无功优化目标和潮流优化目标,实现无功最优和潮流最优的折中;同时,改进NSGA-Ⅱ算法在收敛性和解集多样性上都优于传统NSGA-Ⅱ算法。     

基于协同进化NSGA-II的多目标交直流配电网规划方法*

针对目前进入深度试验的交直流混合配电网,本文提出了一种交直流配电网网架规划模型,实现经济目标和运行可靠性目标的两目标优化规划。针对该优化模型,本文采用带精英策略结合协同进化思想的NSGA-II算法进行优化求解。最后,本文进行了交直流混合规划算例分析,结果论证了本文方法的可行性和有效性。     

基于多种群遗传算法的荆门输电网规划

文章建立了经济性的输电网规划模型,以线路新架方案为优化变量,选择多种群遗传算法进行优化求解,阐述了具体实现方法。并对荆门输电网规划问题进行优化分析,得出了规划水平年输电网规划方案。     

基于非支配排序遗传算法的无约束多目标优化配煤模型

分析单目标动力配煤模型的缺点,提出多目标优化配煤模型,模型将所有煤质指标都作为优化目标,根据每个指标的特点构建出安全性、经济性和环保性3个目标函数。引入带有精英策略的非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGA-II)作为该模型的寻优算法,并结合配煤问题的特点对原算法进行适当改进和调整,对某电厂的实际配煤问题进行求解,得到分布较好的Pareto最优解集,这些解为电厂配煤人员在多个相互关联的目标之间进行决策时提供了多样的选择,具有很好的指导作用和应用价值。     

基于自适应进化规划的电网多目标优化运行

人随机优化技术及生物进化机制角度出发,在常规进化规划算法的基础上,提出一种新颖的自适应进化规划算法,并首次将其应用于求解电力系统多目标优化运行问题。对优化模型、遗传操作等方面进行了更深一步的研究。数学算例及应用实例表明该算法十分有效,有广泛的应用价值。     

计及输电阻塞的帕累托最优多目标电网规划

在解除管制环境下,要求输电扩展规划有效缓解输电网络阻塞,文中分别以年阻塞盈余、线路投资费用和系统缺电成本为规划目标,基于帕累托(Pareto)多目标最优建立综合考虑阻塞问题、经济性和可靠性的多目标电网规划模型,并通过一种改进的强度帕累托进化算法(strength Pareto evolutionary algorithm,SPEA),实现对模型的求解。建立一种基于多维空间欧氏距离的排序方法,实现帕累托最优解集范围内的优化决策。18节点系统算例表明通过改进SPEA可以有效形成分布均匀的帕累托解集,并且所提多目标规划方法能够缓解和控制规划网络的输电阻塞。     

基于离散多目标蜻蜓算法和改进FCM的风电协调输电网扩展规划研究

针对风电并网协调输电网扩展规划问题,提出一种基于离散多目标蜻蜓算法和改进FCM的风电协调输电网扩展规划方案。首先以投资建设成本、网损成本和弃风量为指标构建多目标风电协调输电网扩展规划模型。设计加权多核改进FCM算法,有效模拟风电空间分布多维运行时空特性。其次,提出柔性N-1安全校验策略,筛选出隶属度较低、出力和负荷较大的极端场景。设计离散多目标蜻蜓算法,提高算法多目标优化问题求解精度。最后,采用离散多目标蜻蜓算法对风电协调输电网扩展规划模型进行求解,提出最优规划方案确定策略。仿真实验证明了所提方法的有效性。     

基于多目标优化算法的IPT系统谐振网络参数设计

传统IPT系统的谐振网络参数设计方法存在着低效、准确性差以及难以对具有多个设计目标的系统进行谐振网络参数设计等缺陷。首先提出了一种基于NSGA-Ⅱ多目标优化算法的谐振网络参数的设计方法,经一次运算即可得到多组满足系统设计目标的谐振网络参数值,克服了传统谐振网络参数设计方法的缺陷。以PP结构的IPT系统为例,把高电压增益和系统效率最优设计作为目标,设计出了最优谐振网络参数。仿真和实验结果表明,设计出的谐振网络参数能够满足系统需要。     

考虑电网结构脆弱性的多目标电网规划

综合考虑电网结构脆弱性,电网扩建投资成本和年运行费用,搭建了多目标电网规划模型.模型中结合经济性因素对电气介数指标进行了改进,基尼系数对支路电气介数均匀度的评估可以有效的衡量电网规划方案下的结构脆弱性大小。基于协同进化算法(CEA,co-evolutionary algorithms),结合模糊理论对模型求解,通过Garver 6节点系统算例验证方法的可行性。仿真结果表明文章所提出的模型可行,对于电网扩建和规划具有重要的参考价值。     

基于遗传算法的输电网络规划模型

针对输电网络规划存在的两方面的问题,把遗传算法应用于输电网络规划,提出了基于遗传算法的输电网络规划模型,该模型还考虑了“N—l”事故检验,使得规划方案更加合理。以新建线路的投资年费用和系统年运行费用之和最小为目标函数,建立了输电网络规划的数学模型。     

计及过负荷风险的输电网多目标期望值规划

建立以方案总投资费用贴现值和平均网损功率期望值为目标函数的多目标动态电网规划的标准期望值模型。在应用随机变量的标准差对支路潮流过负荷风险进行控制的基础上,进一步提出了计入标准差的期望值规划模型。采用随机直流潮流实现了各随机变量的相关计算。采用SPEA (strength pareto evolutionary algorithm)对所提模型进行了求解,针对SPEA应用于动态电网规划问题中的种群初始化冗余问题和具体的进化操作实现2个环节进行了重点探讨。以18节点系统为算例验证了所提方法对过负荷风险评估和控制的效果。     

考虑发电容量适应性的多目标输电网规划

电源和负荷增长的不确定性及发电出力变化将对电网规则方案的适应性和灵活性提出新的要求.文中引入发电容量适应性指标,衡量网络结构对发电出力容量变化的适应能力,建立考虑网络结构优化的多目标输电网规划模型,对多场景电网期望负载水平进行优化,改善电网运行环境和应对发电出力容量变化的能力,提高电网功率传输能力,减少各场景下的负荷损失.典型算例结果表明了文中模型和方法的有效性.     

基于量子序优化混合算法的输电网规划

序优化理论是一种基于绝对随机抽取可行解的优化算法,最优解具有高概率的可信度.量子算法是一种局部搜索能力强的搜索算法.利用量子算法的强大的局部搜索功能与序优化混合,构造出随机性和方向性比较平衡的量子序优化混合算法.针对输电网规划这样一个复杂的组合优化问题,建立相应的数学模型,采用量子序优化混合算法求解.18节点系统算例的...     

基于改进粒子群优化算法的多目标分布式发电规划

通过归一化处理和权系数选取,将以网络损耗最小、节点电压平均偏差最小、静态电压稳定裕度最大和总投资成本最小为目标的多目标分布式发电（distributedgeneration,DG）规划模型转化为单一目标。采用改进粒子群4~g415（improvedparticleswarmoptimization,IPSO）算法进行DG规划的优化计算,为避免陷入局部最优,对惯性权重进行非线性的自适应调整,并在计算过程中引入速度变异算子和位置交叉算子,较好地克服了计算后期易陷入局部收敛的问题。将IPSO算法应用于69节点配电网测试系统,仿真结果验证了IPSO算法是有效和可行的。