基于序优化禁忌混合算法的配电网无功优化

配电网无功优化控制是解决配电网电能损耗大、电压水平低这一问题的有效手段.针对禁忌搜索(TS)算法的收敛速度对初始解有较强的依赖性这一明显不足,提出序优化禁忌(OOTS)混合优化算法,将基于赛马规则的序优化(OO)算法和Ts算法相结合,利用OO算法较强的全局搜索能力为TS算法提供较好的初值.用OOTS混合算法对某28节点配电系统进行无功优化计算,并和OO算法及TS算法的优化结果进行了比较,结果表明OOTS混合算法具有更好的收敛性和更强的全局寻优能力.     

基于多策略差分进化算法的输电网规划

差分进化(DE)算法是一类基于种群的、具有全局优化性能的、通过实数编码的启发式算法。但差分算法搜索策略过于单一,局部搜索能力差,因此通过增加多策略变异和局部寻优策略来提升全局和局部搜索能力,同时降低搜索时间,使其适应于求解大规模输电网规划问题。采用基于线路投资费用、网损费用、正常运行时的过负荷费用及输电走廊费用的输电网规划模型,通过对Garver-6系统和18节点系统的计算,不仅验证了算法及模型应用于输电网规划的正确性和有效性,而且验证了算法具有很高的计算速度和收敛性,为DE算法的进一步改进应用打下基础。     

应用禁忌搜索方法优化配电网的开关配置

基于FIU馈线自动化方式,提出了适合不同网络结构、不同分段开关类型的可靠性费用计算模型。针对分段开关优化配置是一种以可靠性费用最小为目标函数的组合优化问题,提出用禁忌搜索(TS)法优化开关位置和数量,TS法采取对搜索历史的灵活记忆方法,指导搜索过程避开局部最优解,并通过优选初始解使其有较快的收敛速度。实例证明该算法全局搜索能力强、收敛快。     

基于序优化禁忌混合算法的配电网无功优化

配电网无功优化控制是解决配电网电能损耗大、电压水平低这一问题的有效手段。针对禁忌搜索（TS）算法的收敛速度对初始解有较强的依赖性这一明显不足，提出序优化禁忌（OOTS）混合优化算法，将基于赛马规则的序优化（OO）算法和TS算法相结合，利用OO算法较强的全局搜索能力为TS算法提供较好的初值。用OOTS混合算法对某28节点配电系统进行无功优化计算，并和OO算法及TS算法的优化结果进行了比较，结果表明OOTS混合算法具有更好的收敛性和更强的全局寻优能力。     

基于ACO-PSO算法的变电站巡检机器人路径规划研究

针对机器人路径规划的传统ACO(蚁群)算法存在迭代次数多、收敛速度慢、容易陷入局部最优和出现死锁状态等问题,提出一种改进的ACO算法。结合PSO(粒子群优化)算法对传统ACO算法进行改进,减少迭代次数,提高收敛速度;通过增加随机性来扩大搜索范围,避免局部最优;利用蚂蚁回退策略解决死锁状态问题。仿真实验结果表明:改进ACO算法可以快速准确地搜索到最优路径,具有很好的寻优与避障能力。     

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...     

分布式电源的配电网重构和电容器优化投切

综合考虑最优潮流、配电网重构和电容器优化投切,建立了计及分布式电源的配电网经济运行模型。鉴于模型的复杂性,采用结合最优潮流和改进蚁群算法的混合优化方法进行求解。该方法将最优潮流嵌入改进蚁群算法中,利用最优潮流求解考虑网络安全约束的分布式电源优化调度问题,利用改进蚁群算法优化配电网结构和电容器档位。为了提高蚁群算法的优化效率,建立含有局部搜索蚂蚁的混合蚁群,平衡蚁群算法的全局和局部搜索能力。通过对16节点和33节点的测试系统仿真,表明提出的模型和算法正确有效。     

一种电力系统无功优化的新型混合优化算法

提出了一种适合于求解电力系统无功优化问题的新型混合优化算法,该算法结合基于邻域搜索的群搜索优化算法和改进灾变遗传算法.综合考虑两种算法的特点,将无功优化问题分步进行交替求解,第一步采用改进灾变遗传算法迭代两次更新解群体,第二步在此基础上采用基于邻域搜索的群搜索优化算法使群体中各解向当前最优解靠拢,交替进行,最终达到全局最优解.在IEEE118节点系统试验计算结果表明,与其他算法相比,该混合算法具有较好的全局收敛性且不容易陷入局部最优,在优化效果以及算法稳定度上都具有明显的优势.在某实际290节点电网计算结果表明,该混合算法能够适应实际电力系统无功优化问题的求解.     

基于阈值选择策略的改进混合蛙跳算法在电网规划中的应用

利用混合蛙跳算法(SFLA)具有高效计算性能和优良全局搜索能力的优势,针对其侧重于解决连续性问题以及易陷入局部最优解的不足,通过对混合蛙跳算法的解向量进行离散化处理并采用阈值选择策略,提出了适用于电网规划的一种基于阈值选择策略的改进混合蛙跳算法(ISFLA)。算例应用结果表明,与粒子群算法(PSO)相比,所提算法能够在较小的计算规模和较短的计算时间内得到全局最优解。通过进一步分析不同阈值对算法收敛速度的影响可以看出,应针对不同的电网规模及扩展规划范围选择合理的阈值,以此提高ISFLA的收敛速度和电网规划的有效性。     

基于阈值选择策略的改进混合蛙跳算法在电网规划中的应用

利用混合蛙跳算法(SFLA)具有高效计算性能和优良全局搜索能力的优势,针对其侧重于解决连续性问题以及易陷入局部最优解的不足,通过对混合蛙跳算法的解向量进行离散化处理并采用阈值选择策略,提出了适用于电网规划的一种基于阈值选择策略的改进混合蛙跳算法(ISFLA).算例应用结果表明,与粒子群算法(PSO)相比,所提算法能够在较小的计算规模和较短的计算时间内得到全局最优解.通过进一步分析不同阈值对算法收敛速度的影响可以看出,应针对不同的电网规模及扩展规划范围选择合理的阈值,以此提高ISFLA的收敛速度和电网规划的有效性.     

现代启发式算法在电网规划中应用的比较

分析了以遗传算法、模拟退火算法和禁忌搜索算法为代表的现代启发式算法应用于电网规划这类非线性组合优化问题时存在的缺陷。在传统遗传算法的基础上,结合模拟退火算法概率性的突跳搜索机制和禁忌搜索算法能避免迂回的邻域搜索机制提出了一种混合算法,并以地理信息系统为平台来求解电网规划问题。实际应用结果表明,采用文中的混合算法可提高计算速度、收敛性能和计算效率。     

邻域退火粒子群算法在配电网重构中的应用

为求解多目标非线性整数组合优化的配电网络重构问题,建立了以电压均衡指数和网损为目标的配电网重构数学模型。为了克服粒子群算法容易局部收敛的不足,提出了一种基于正态分布的局优邻域闭锁方法的退火技术的粒子群算法(LA-PSO),改进了扰动机制,设计了自适应退火策略,对邻域内的粒子执行并行化退火操作,从而弥补粒子群算法爬山能力的不足,提高了算法的全局寻优能力。用3个不同规模的算例测试提出的算法并与基本算法的性能进行了比较。结果表明,该算法有效改进了粒子群优化算法的局部收敛问题,与单一算法相比,在收敛特性、全局寻优能力和稳定性等方面都有所提高。     

基于局优分支优化的粒子群收敛保证算法及其在电网规划中的应用

总结了粒子群（PSO）算法的一些改进方法;分析并指出了PSO算法收敛困难的关键原因;提出了局优分支优化技术.该技术由5要素组成：①局部最优区域的确定;②局部最优区域的闭锁;③局部最优区域的深度搜索;④全局搜索的粒子补充;⑤迭代终止判据.还结合电网规划的特点提出了采用启发式逐步倒推模型对局部最优子群进行深度搜索的技术.在电网规划中的应用表明,该2项技术克服了PSO算法的收敛困难,提高了PSO算法的搜索效率,保证了PSO算法的全局搜索性能和局部搜索性能.同时,也为其它算法提供了新的优化思路.     

基于模式记忆并行蚁群算法的输电网规划

该文讨论了目前大规模输电网规划求解中常见的无法完成对解空间的充分搜索，从而难于求得全局最优解的问题；给出了泛函形式的输电网规划模型，并重点分析了输电网规划解的模式。在分析了传统蚁群算法易产生未成熟收敛现象及其原因的基础上，设计了一种基于模式记忆的并行蚁群算法，该算法通过模式记忆实现了解空间分解，能够有效地识别、记忆和跳出局部最优解；通过局部细化搜索进一步加强了局部搜索能力；通过并行计算提高了计算速度。某实际77节点的算例分析表明了该算法具有很高的计算效率和优秀的局部、全局收敛性，有效克服了现代启发式算法在求解输电网规划问题时存在的效率不高及未成熟收敛等现象。     

基于变尺度混沌理论与免疫遗传算法的电力系统无功优化

提出一种基于变尺度混沌理论与免疫遗传算法的混合智能无功优化算法。该算法利用混沌变量的遍历性、随机性和规律性特点，将混沌运动自身的遍历区域变换成优化变量的取值范围，通过对整个解空间进行考察实现了可行域内的全局优化搜索。同时通过变尺度方法不断缩小优化变量的搜索范围来实现局部细化搜索，从而增强混沌局部搜索能力，加快解的收敛速度，提高解的精度。文章最后以某地区实际电网为例，分别采用免疫遗传算法和混合智能算法对其进行无功优化计算，结果表明本文提出的混合智能算法在计算速度和全局收敛性方面有很大的提高。     

基于混合人工鱼群算法的输电网扩展规划

应用于输电网扩展规划的人工鱼群算法(artificial fish school algorithm,AFSA)依靠随机移动无条件接受劣解以摆脱局部极值,具有盲目性大的特点,且该算法一般在优化初期收敛较快而后期收敛速度减慢。针对AFSA的上述缺点,文章结合模拟退火算法,提出一种混合人工鱼群算法(HAFSA)。HAFSA利用模拟退火算法的概率性突跳搜索机制,使局部极值跳跃能力具有可控性,降低了算法的盲目性,提高了算法效率;引入基于分段自适应调整视野策略的反馈机制,兼顾了全局搜索与局部挖掘能力;加入拟遗传算法的变异算子加快了优化后期的收敛速度。通过IEEE6节点和巴西南部46节点算例证明了HAFSA的正确性和有效性。     

基于差分粒子群算法的变电站选址定容规划

针对标准粒子群算法(particle swarm optimization,PSO)易陷入局部最优,差分进化算法(differential evolution,DE)后期收敛速度慢的缺点,提出差分粒子群算法(differential particle swarm optimization,DEPSO)将二者进行混合优化,提高群体的收敛速度和全局寻优能力,并应用于配电网变电站规划。在变电站选址数学模型中结合Voronoi图来确定变电站供电范围和规划容量,继而校验变电站实际负载率,简化计算过程,提高搜索效率。通过某市城区远期规划实例验证得知该算法正确有效,可以满足城区配电网的规划要求。     

配电网中辐射线路的最优分段处理

配电网中辐射线路的最优分段处理是一个需要同时考虑经济性和可靠性的非线性组合优化问题.采用结合了遗传算法的全局搜索特性和禁忌搜索算法的局部搜索特性的混合算法来求解该问题,所采用模型的目标函数同时考虑了分段开关的年投资与维护费用以及将可靠性效益转化为经济性指标的用户缺电成本.最后采用一个简单算例验证了文中方法的可行性,并在实际系统中得到了应用.     

A hybrid multi-agent based particle swarm optimization algorithm for economic power dispatch

This paper presents a new multi-agent based hybrid particle swarm optimization technique (HMAPSO) applied to the economic power dispatch. The earlier PSO suffers from tuning of variables, randomness and uniqueness of solution. The algorithm integrates the deterministic search, the Multi-agent system (MAS), the particle swarm optimization (PSO) algorithm and the bee decision-making process. Thus making use of deterministic search, multi-agent and bee PSO, the HMAPSO realizes the purpose of optimization. The economic power dispatch problem is a non-linear constrained optimization problem. Classical optimization techniques like direct search and gradient methods fails to give the global optimum solution. Other Evolutionary algorithms provide only a good enough solution. To show the capability, the proposed algorithm is applied to two cases 13 and 40 generators, respectively. The results show that this algorithm is more accurate and robust in finding the global optimum than its counterparts.     

融合禁忌搜索的SSA算法及其路径规划的应用

针对麻雀搜索算法易陷入局部最优解、收敛精度不足等问题,提出一种融合禁忌算法思想的改进麻雀搜索算法。首先,采用拉丁超立方抽样初始化种群,保证初始空间解分布更均匀;其次,对R2相似文献