基于改进NSGA-III的多目标优化调度方法及应用

多目标优化调度是生产过程中最优规划问题,对此提出了一种基于改进NSGA-III算法的多目标优化调度方 法并将其应用于供电运维排班规划中.在基本NSGA-III算法的基础上,通过保留精英代策略、快速非支配排序和自 适应归一化技术提高算法的收敛性,同时结合运维班组任务优化过程中的影响任务完成的人员静态因素和动态因素进 行量化处理,实现变电运维人员的优化调配, 提高运维效率. 最后通过实际算例验证了模型及算法的合理性和可 靠性.     

电力系统建设中的变电站规划与设计优化研究

首先介绍了变电站的作用和重要性,以及变电站规划与设计优化的研究背景和意义,然后针对变电站选址、 容量规划和布局优化等方面提出了具体的研究内容和方法,包括多目标规划、粒子群算法、GIS等技术的应用,最后 结合实际案例对不同研究方法的效果进行评价和比较,以期为电力系统建设中的变电站规划与设计提供参考和借鉴. 研究结果表明,综合考虑多个因素的多目标规划和基于GIS的规划方法可以更好地优化变电站的选址和布局,粒子群 算法和其他优化算法可有效提高变电站的容量利用率和经济性.     

Pareto蚁群算法在多目标电网规划中的应用

目前国内外常把多目标问题转化为单目标问题来进行电网规划,故提出一种基于Pareto蚁群算法的多目标电网规划方法,在寻优过程中对各目标函数随机取权系数,使得各目标地位相同,解决了求取权系数的难题。直接求解多目标问题,使计算量大幅度降低,求出Pareto前沿,并以图的形式直观地显现出各目标之间的关系。最后通过18节点算例验证了该算法在多目标电网规划中的正确性。     

中压配电网网架规划的智能优化算法综述

配电网网架优化是一个多目标、多阶段、离散的、非线性、受约束的混合整数规划问题。传统的优化算法已不能满足规划的需要,一类基于生物学、人工智能的现代启发式算法已经广泛应用于组合优化问题,逐渐成为规划的主流算法。该文综述了近年来配电网网架优化规划领域的国内外研究成果,针对配电网的特点,分析了相应数学模型的建立和基于现代启发式的优化算法研究中的成果和进展,提出了配电网网架优化问题建模和算法研究中存在的问题和不足,以及一些尚待深入研究的工作。     

基于非支配遗传算法及协同进化算法的多目标多区域电网规划

基于快速分类的非支配遗传算法(NSGA-II)是一种新型的多目标遗传算法,文中首次将其应用于电网优化规划。多个算例分析表明NSGA-II算法在电网规划中具有良好的优化效果,为各目标之间的权衡分析提供了有效的工具;协同进化算法采用分解-协调的思想处理复杂系统的演化,可以克服当优化问题规模扩大时,常规进化算法易于出现过早收敛的现象。据此提出将协同进化算法和NSAG-II算法相结合,以用于处理大规模多区域的电力系统规划问题,在各子网采用NSAG-II算法优化的过程中进行多区域协调。与常规遗传算法相比,算例分析取得了更好的规划结果。     

考虑源荷侧随机性的分布式电源优化配置

考虑源荷侧不确定因素,建立计及投资收益、网络损耗和电压偏差的多目标配置模型,应用半不变量法和Gram-Charlier级数计算系统概率潮流.对灰狼优化算法进行改进,将多目标搜索机制和概率潮流融入算法寻优过程中,提出一种内嵌概率潮流的多目标灰狼优化算法对模型求解.PG&E-69节点系统仿真结果表明,多目标求解算法可以为决策者提供多种可行性规划方案,且从节点电压概率的角度能更好的分析各规划方案的优劣.     

基于博弈策略的高渗透风电选址定容多目标规划与求解

针对风电高渗透接入电网时的选址和定容优化问题,提出了一种多目标优化规划模型,以及带博弈特性的差分进化算法.首先建立了考虑时序特性的风机出力模型,并根据负荷时序特性划分足够数量的场景,采用改进K-means聚类法对场景数量缩减;其次构建了考虑经济性和电网负载均衡度的风电规划多目标优化模型,在求解过程中设计了一种带贝叶斯博弈算子的差分进化算法.仿真结果表明了建立模型的有效性,以及算法在求解多目标模型时的优势.     

电力网的网架结构优化规划方法

电力网网架优化是一个多目标、多阶段、离散的、非线性、受约束的混合整数规划问题。传统的优化算法已不能满足规划需要,以人工智能技术为基础的各类优化算法逐渐成为规划的主流算法。该文综述了近年来电网网架优化规划领域的国内外研究成果。针对输电网和中低压配电网的不同特点,分析了相应数学模型的建立和基于智能技术的寻优算法研究中的成果和进展。重点探讨了中低压配电网网架优化问题建模和算法研究中存在的问题和不足,提出了未来网架优化规划研究中应关注的问题和研究方向。     

采用多目标改进差分进化算法的环境经济发电调度

针对差分进化算法在迭代过程中可能出现的早熟收敛问题,在算法中加入早熟判定系数和混沌优化,提出了改进差分进化算法;将改进差分进化算法扩展到多目标规划领域,形成了多目标改进差分进化算法,并应用于多目标环境经济发电调度.根据模糊集方法从帕累托前沿中选择最优折衷解.以6机系统为例进行仿真计算,结果验证了本文所提多目标改进差分进化算法在解决环境经济发电调度中的可行性和有效性.     

基于免疫粒子群算法的水沙调度模型研究

本文利用多目标规划的思想方法,结合免疫粒子群优化算法建立了水库水沙联调的多目标规划模型.该模型为协调水库发电效益和排沙减淤之间的矛盾提供了一个新的途径,所提出的算法是建立在非线性整体求解的理论基础之上,因此可以克服动态多目标规划的"维数灾".实例研究表明,本模型可以较好地模拟和优化水库运行状态.     

基于免疫遗传算法的含分布式电源配网规划

大量分布式电源的接入使配电网规划更加复杂.在限制分布式电源接入总量和考虑多种约束的基础上,建立以配网年费用最小为目标函数的规划模型.针对该模型的特点,采用一种新型免疫遗传算法( IGA)对配电网扩展规划进行优化.该算法综合了免疫系统和遗传算法的优点,可实现群体收敛性和个体多样性间的动态平衡,具有良好的全局收敛能力.分别...     

基于改进混沌遗传算法的配电网架优化

将混沌优化搜索引进到配电网架优化中来,通过对遗传算法的改进提出了一种新的配电网架优化方法,并针对遗传算法应用于配电网规划时出现的不可行解问题进行相应修复;同时结合网络层次分析方法给出了配电网的改进前推回代潮流计算方法.将上述方法应用于算例证明其实用有效.     

改进遗传算法在输电网络规划中的应用研究

首先对输电网络规划和遗传算法进行简要论述,并确立了数学模型。为了提高遗传算法在输电网络规划中的优化性能,提出了改进自适应遗传算法(MAGA)。该方法有助于防止传统遗传算法过早收敛和走向局部最优,适应于多变量、多目标的环境,能够快速的找到全局最优。通过对实际系统的计算表明,MAGA具有可行性。最后,应用了2种不同算法进行性能比较,证实了MAGA有更强的优化性能。     

基于改进免疫遗传算法的含分布式电源配电网规划

随着大量的分布式电源的接入,配电网规划变得越来越复杂。在优化分布式电源接入总量和考虑传统电源多种约束的基础上,建立以最佳配电网年费用为目标函数的配网规划数学模型。针对改进免疫遗传算法具有生物免疫系统中抗体多样性的保持机制和基于抗体浓度的调节更新机制,同时又具有一般进化算法的随机搜索能力,采用改进免疫遗传算法对配电网规划问题进行求解,并借鉴支路交换的思想设计杂交算子和变异算子,以避免辐射性检查过程,使得算法的寻优能力增强。通过算例分析,与简单遗传算法和常规免疫遗传算法相比,提出的改进免疫遗传算法更适合于求解含分布式电源的配电网规划问题,结果表明了该算法的可行性;同时表明,含分布式电源规划方案较无分布式电源规划方案具有很大的经济和社会效益。     

基于单亲遗传算法的配电网络规划

配电网络规划属于非线性混合整数规划问题，应用传统数学优化算法往往难以直接求解，文章针对目前应用广泛的常规遗传算法在求解该问题时存在的难以保证方案连通性和辐射性的缺陷，提出了基于单亲遗传算法的配电网络优化规划算法，于整数编码策略，给出了配电网络规划中变量编码的具体方法和迭代求解程序，该算法具有进化操作成功率高，求解配电网络优化规划问题的效率高等优点，同时可将简化网架结构和选取导线截面结合在一起，既可确保解的最优性，又可减少工作量，仿真算例验证了该方法的快速性和有效性，该算法还适用于辐射型配电网络的扩展规划和配电网络的重构。     

配电网综合规划模型与算法的研究

该文建立了综合考虑变电站规划和配电网线路规划的数学模型，该模型以总体负荷矩最小为目标函数，以各种可能的电力约束为约束条件。针对模型，提出了两层改进的遗传算法与一层最短路算法相互嵌套的新算法。该算法可以灵活地用于配电网综合规划问题的求解，其子算法也可用于馈线路径规划问题及配电网网络重构问题的求解。经过实例应用，证明该算法能够有效地兼顾求解可接受的最优解与求解时间之间的要求。该文提出的规划模型及相应的求解方法，对实际的配电网规划项目以及配电网规划软件的编制都有一定的指导意义。     

遗传禁忌混合算法及其在电网规划中的应用

电网规划是一个较难解决的NP难问题。文中首先就遗传算法、禁忌搜索算法(TS)及其两者的混合算法在旅行商问题(TSP)中的应用来比较它们之间的优缺点,认为采用了TS变异算子的改进遗传算法将大大提高其优化能力;然后通过该混合算法在典型电网扩展规划算例中的应用来看,认为该混合算法适用于求解复杂的电网规划问题;最后通过对该混合算法在求解实际的城市中压配电网络规划问题时与其他两种单一算法的结果比较来看,其搜索效率相比单一算法得到了很大程度的提高,体现了很好的应用前景。     

改进的混合模拟退火遗传算法应用于电网规划

遗传算法很适用于解决具有多目标性,非线性和整数性的电网规划问题,然而遗传算法的一些特点使得其在应用中出现了局部收敛等一些缺点,提出将模拟退火与遗传算法与有机结合,克服了传统遗传算法难以解决的不稳定和局部收敛的问题,并在计算程度和精度上取得了令人满意的效果。     

配电网拓扑结构概念聚类及其在优化规划中的应用

聚类分析是一种无监督的机器学习方法。被广泛应用于各研究领域。在城市配电网优化规划的研究中，现有的关于网络拓扑结构分析的一些方法并不适用于配电网优化规划工作，而关于配电网拓扑结构聚类分析的研究更是鲜见报道。基于对配电网结构、运行特点以及优化规划工作实际需要的认知，提出了一种结合模糊逻辑的配电网拓扑结构概念聚类方法，对于推进配电网优化规划问题的研究具有广泛的实际意义。为检验该方法的有效性，在该方法的基础上引入几个简单的概念，构成一个基本的机器学习模块，该模块可以方便地“嵌入”基于Agent行为和范例学习的新型遗传算法中，以提高原算法的计算性能。并用算例证明了在引入基于配电网拓扑结构概念聚类的机器学习模块后，新型遗传算法具有更高的计算效率和求解质量。     

Network Expansion Planning Using Improved Controlled NSGA‐II

This paper presents the application of multiobjective optimization methods to network expansion planning. Distribution network expansion planning minimizes system cost and distribution loss while satisfying the constraints. Problem formulation yields combinatorial optimization problems that are difficult to solve due to their complexity. This research applies a genetic algorithm, which is a meta‐heuristics method. The present study proposes a new method of multiobjective optimization: NSGA‐II, SPEA2, and Controlled NSGA‐II are assumed to be the best methods now. The proposed method introduces the concept of a linkage identification genetic algorithm, enabling more efficient searching than methods hitherto known. In the past, most research on network expansion planning did not include the load curve. This research demonstrates that the investigation must include the load curve. It also proposes a new method of search including the load curve.