基于多智能体伪并行遗传算法的小水电无功优化研究

为了解决小水电接入配电网带来的电压波动、网损增加等问题。构建了以配电网网损最小为目标函数,电压偏移量与无功补偿量为罚函数的无功优化数学模型,提出了基于多智能体和伪并行遗传算法的智能混合型求解算法,该算法通过邻集拓扑和网格环境的交换来完成全体Agent的更新,增加了进化的并行性,在优化遗传算子的基础上引入了自学习算子,该措施在有效强化系统多样性的同时降低系统内部传输的数据量,从而增强了遗传算法进行全局搜索的能力。在Matlab中对IEEE 30节点系统进行仿真和验证,并将所得结果与传统遗传算法、多Agent遗传算法进行比较,结果表明该算法能有效降低系统网损,提高电压水平,而且显著地提高了运算速度,具有更强的全局寻优能力。     

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。     

城市电网网架结构与分区方式的两层多目标联合规划

提出城市电网网架结构与分区方式的联合规划方法。首先提出城市电网分区方法,进而构建联合规划的数学模型,并使用多目标遗传算法求解。设定模型求解的前提条件,将两层规划模型的求解转化为相应的单层多目标优化问题的求解。针对联合编码策略所引起的孤岛问题提出连通网架形成方法。通过适应度计算、精英保存、分层进化等环节的设计,使多目标遗传算法在求解单层多目标优化问题过程中逐渐形成接近分层多目标优化问题有效解集的一组解。对实际系统的应用结果表明该文方法直接、有效。     

多目标遗传算法求解电力系统经济负荷分配

提出应用多目标遗传算法解决电力系统经济负荷分配问题。对负荷分配的数学模型进行了分析,将这一带约束的单目标优化问题转换成总煤耗函数和违反约束条件的程度函数两个目标函数优化问题。该算法采用实数编码技术,Pareto强度值作为个体的评价指标,利用遗传算法实现种群的进化,最终找到最优解。将该方法分别应用于某5台机组组成的发电系统和3台机组组成的发电系统进行负荷优化计算,结果与基于惩罚函数的单目标优化算法进行比较,分析表明该算法在确保满足各约束条件的前提下具备较好的寻优性能,证实了该算法的可行性与有效性。     

基于组件式GIS网络分析与多目标遗传算法的城市中压配电网规划

城市中压配电网规划是一个多目标组合优化问题。通过组件式地理信息系统（ComGIS）平台建立规划区域的网络数据集,在此基础上使用多目标遗传算法进行优化。利用ComGIS平台的网络分析功能优化单环最优路径,简化了遗传编码,并根据编码特点设计交叉、变异操作,提高了遗传算法的效率。利用基于Pareto秩的个体适应度函数引导多目标遗传算法的进化方向,最终得到接近多目标优化问题Pareto最优解集的一组两端供电网络方案。所得规划方案集便于决策人员选择,并且有效结合了规划区域的地理信息,有较强的实际意义。对某实际系统的应用结果表明了文中所提方法的有效性。     

多调整因子模糊控制器的进化优化

针对一类具有多调整因子的自调整模糊逻辑控制器，提出了基于进化计算的两种优化策略：传统的带线性量子的优化方法和具有评价机制的非线性量化因子优化法。其中，进化算法采用的是兼顾全局搜索和局部搜索的双种群自适应遗传算法，目标函数为反映全局控制性能的ITAE函数。跟踪实验有鲁棒性实验表明，该方法整体效果好，好稳态性能优，鲁棒性强。     

基于适应性权重遗传算法的配电网多目标综合优化

针对配电网多目标综合优化问题的复杂性,以及网络重构、电容器投切的离散控制变量优化问题,基于遗传算法从全局角度来求解此优化问题,研究了网络重构、电容器投切的编码方案,以及两者的综合编码方案,并研究给出合理的选择、交叉、变异以及保留操作策略。针对线损、电压质量以及线路负载多目标的各个目标权重难以确定问题,进一步引入适应性权重遗传算法,随着遗传代数的进化,算法自适应地给出各个目标权重。仿真算例验证了所提算法用于配电网多目标综合优化的合理性。     

基于NSGA-Ⅱ算法的SoC测试多目标优化研究

在系统芯片SoC测试中,测试时间与测试功耗是两个互相影响的因素.多目标进化算法能够处理相互制约的多目标同时优化问题.在无约束条件下,对SoC测试时间与测试功耗建立联合优化模型,并采用多目标进化算法中的改进型非劣分类遗传算法(Non-dominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ...     

多目标动态优化高级遗传算法及其在智能化电磁电器设计中的应用研究

首次将遗传算法引入电磁电器设计领域,在全面阐述智能交流接触器优化设计问题的基础上,成功地形成了一种多目标动态优化高级遗传算法,并应用此算法对智能交流接触器结构及其控制参数进行优化设计,取得了令人满意的结果,显示了遗传算法在电器设计领域有着广阔的应用前景。     

基于适应性权重遗传算法的多目标无功优化研究

研究一种多目标无功优化问题的求解方法.基于无功分层分区平衡以及保证紧急情况下电网安全的原则,给出了在电网正常情况下优先投切电容器、调节变压器分接头,然后设定机端电压的优化调控顺序,进一步提出将优化问题分解为连续变量优化和离散变量优化问题,并分别求解,迭代直至收敛的求解思路.鉴于多目标无功优化模型的复杂性,以及连续、离散控制变量并存,采用遗传算法求解,重点研究了控制变量的编码方案以及选择、交叉、变异以及保留操作策略.针对于多目标无功优化各个目标权重难以确定问题,又进一步引入了适应性权重遗传算法,随着遗传代数的进化算法能自适应地给出各个目标权重.仿真算例验证了文中所提的多目标无功优化求解方法的合理性.     

基于适应性权重遗传算法的多目标无功优化研究

研究一种多目标无功优化问题的求解方法。基于无功分层分区平衡以及保证紧急情况下电网安全的原则,给出了在电网正常情况下优先投切电容器、调节变压器分接头,然后设定机端电压的优化调控顺序,进一步提出将优化问题分解为连续变量优化和离散变量优化问题,并分别求解,迭代直至收敛的求解思路。鉴于多目标无功优化模型的复杂性,以及连续、离散控制变量并存,采用遗传算法求解,重点研究了控制变量的编码方案以及选择、交叉、变异以及保留操作策略。针对于多目标无功优化各个目标权重难以确定问题,又进一步引入了适应性权重遗传算法,随着遗传代数的进化算法能自适应地给出各个目标权重。仿真算例验证了文中所提的多目标无功优化求解方法的合理性。     

传统多目标优化方法和多目标遗传算法的比较综述

多目标优化是最优化领域的一个重要的研究方向。论述了多目标优化模型,同时介绍了常用的几种传统优化方法和常用的几种多目标遗传算法,对改进后的遗传算法与传统优化方法求解效果进行了比较,认为要进一步研究求解多目标优化问题的更多高效算法,若能结合两者的优点,处理多目标问题的效果将越来越好。     

机组负荷分配的多目标优化和多属性决策

同时计及机组运行的经济性和污染排放,将基于进化算法的多目标优化技术与多属性决策方法联合运用,针对火电厂负荷优化分配问题进行了研究。对于多目标优化问题,采用改进的非支配解排序的多目标遗传算法(NSGAⅡ),求出Pareto最优解,由这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵方法对最优解的属性进行权值计算,然后用逼近理想解的排序方法(TOPSIS)进行多属性决策(MADM)研究,对Pa-reto最优解给出排序。给出了3台机组负荷分配的优化算例,计算表明所提方法适应性好,结果合理可行。     

含分布式电源的多智能体入侵杂草算法配电网规划优化

以配电网系统投资费用最小为目标,针对入侵杂草算法缺乏信息共享机制的缺陷,提出一种将入侵杂草算法与多智能体进化思想相结合的新型求解算法。该算法既充分利用了入侵杂草算法参数少、结构简单和鲁棒性强的优点,又通过引入多智能体进化思想改善了入侵杂草算法后期收敛速度慢、易陷入局部最优、收敛精度不高的缺点。以IEEE 33节点配电网系统为例进行仿真分析,并将优化结果与传统的入侵杂草算法优化结果进行比较,结果表明该算法在解决含分布式电源配电网规划优化问题上收敛精度更高,寻优速度更快,能够有效地减少配电网总投资费用。     

多目标进化算法及其在控制系统设计中的应用研究

本文首先介绍了多目标优化问题的进化算法。控制器的设计大多是多目标优化问题,而用多目标进化算法来进行设计可以得到一组优化的Pareto解集,非常适用于控制系统的设计。通过分析控制器性能的要求,介绍了进化算法的设计步骤。实例说明了多目标进化算法控制器设计的优越性。     

基于多智能体深度强化学习的电热联合系统优化运行

电热联合系统优化调度问题对于实现系统的能源互补、经济运行具有重要意义.电热联合系统优化运行涉及非线性、非凸、多目标问题求解,传统方法在计算实时性与迭代收敛性等方面存在困难.文章首先构建电热联合系统优化数学模型,将电热联合系统按照不同利益主体划分为多智能体,基于多智能体深度确定性策略梯度强化学习算法,建立了适用于电热联合系统的行动器-评判器框架,将优化模型转化为强化学习模型.其次对智能体进行了状态与动作空间的划分,搭建多智能体强化学习环境并设计相应的奖励函数.最后进行电热联合系统算例验证,表明所提方法可以有效解决电热联合系统优化问题.训练后的多智能体强化学习模型可实时生成优化策略,克服传统方法运算时间长、难以满足在线计算要求的问题;和单智能体算法相比,模型训练过程更易稳定收敛,执行过程中各智能体仅依赖局部信息完成计算,解决不同利益主体的数据共享问题.     

基于模糊多目标遗传优化算法的节假日电力负荷预测

多目标遗传优化算法的一个优点就是可在一次迭代计算中寻找到问题的多个非劣最优解。该文应用多目标遗传算法和关联规则算法提出一个基于模糊规则的电力负荷模式分类系统。在此分类系统中采用多目标遗传优化算法从众多模糊分类规则中自动挑选出具有较好识别性能和可解释性的模糊规则，并利用模糊关联规则挖掘通过启发式规则选择改善遗传算法的搜索性能。经仿真试验表明此分类系统具有较好的分类性能，可为节假日负荷预测提供更为充分的历史数据，从而改善其负荷预测性能。     

智能电网经济运行的多目标调度优化策略(英文)

探讨了新形势下电网监控调度和优化运行的问题。根据智能电网安全、经济、清洁的特点,以有功网损、污染气体排放量和系统电压稳定程度3个指标对电网的安全性、经济性和环保性进行量化评估,并将双馈感应发电机的模型加入到潮流计算的模型中,考虑了大容量风电并网对系统的影响,将上述指标作为优化目标,用强度Pareto进化算法对优化模型进行求解,并对上述3个优化目标进行寻优,很好地解决了智能电网中多方面的监测和多目标优化运行问题,为智能电网的监控运行提供了思路。     

基于改进多智能体进化算法的机组负荷优化分配

对发电机组输出功率速度限制等条件下的最优机组组合问题进行了研究,提出了基于多智能体进化算法的求解方法.首先选取二次函数作为机组煤耗量特性曲线,建立了负荷优化分配模型,同时考虑了机组运行的约束条件,并选取多智能体进化算法进行优化设计,从而达到机组组合与运行的良好协调,最后通过一个包含十台机组的火电厂负荷分配算例仿真,证明了这种新方法的可行性,获得了较满意的效果,为机组负荷优化分配问题提供了一种新的思路和方法.     

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.