机组优化组合的协同变异遗传算法

本文提出了一种解决电力系统机组优化组合问题的协同变异遗传算法。这种算法沿用了遗传算法的基本思想，但在遗传操作算法的基本思想，但在遗传操作过程中实现基因的协同变异，以提高遗传算子的搜索效率，仿真实验表明这种算法具有很高的搜索效率和很好的适应性。     

火电厂内机组优化组合的改进遗传算法

本文针对常规遗传算法缺点，根据具体问题的特征，对火电厂内机组优化组组合中的遗传算法从各个环节进行了改进。实例计算表明，该方法收敛性好、适应性强、能更有效地达到或接近全局最优。     

基于退火演化算法和遗传算法的机组优化组合算法

机组组合问题是编制短期发电计划时首先要解决的问题，合理的开停机方案将带来很大的经济效益。现代电力系统对机组优化组合算法的收敛速度和解的质量要求越来越高，作者从改善传统算法这两方面着手，根据退火演化算法和遗传算法各自的特点，提出了一种用于机组优化组合的组合算法。与传统的一些优化算法相比，该组合算法具有搜索速度快，收敛性好，而且解的质量相当高。通过对实际系统的测算，验证了该方法的有效性和优越性。该方法具有良好的并行性，易于在并行计算机上实现。     

基于改进遗传算法的电力系统机组优化组合

用遗传算法解决电力系统机组组合及机组间的负荷分配问题。在简单遗传算法基础上,提出了将自适应遗传算法应用于机组优化组合。该算法的交叉率随种群中的最大适应度值和每代种群的平均适应度值的变化而自动改变;变异率随适应度值和进化代数的变化而自动调节。通过对算例的计算分析表明,该算法与简单遗传算法相比具有更高的精度和收敛度。     

一种机组优化组合问题的遗传算法

火力发电厂的发电机组优化组合问题具有高维数、非凸、离散、非线性、多约束的特点,增加了求解的复杂性。讨论了机组优化启停的遗传算法,通过可行性检查使初始解群中的所有个体都是可行解,也使求解过程中建立了一种从不可行解域到可行解域的映射关系,这样可以大大减少无效的遗传搜索过程。实例计算表明,该方法收敛性好,适应性强,计算速度快,能够使计算的结果更加有效地接近全局最优解。     

发电机组负荷分配的遗传算法

介绍了遗传算法的机理和特点,针对电力系统非线性和水火电联合系统的经济调度不易协调的特点,将遗传算法应用于电力系统经济调度的计算,并给出了计算的一般步骤,通过对一个三机水火电联合系统的经济调度的计算,验证了遗传算法对于计算电力系统经济调度的有效性。结果表明,遗传算法对目标函数的连续性及其导数的存在性没有严格的限制,因而非常适合于电力系统的优化计算;此外,运用遗传算法解算经济调度避免了对协调方程的求解     

遗传算法在水电站机组优化组合中的研究与应用

建立了水电站机组优化组合数学模型,提出了基于二进制与浮点数混合编码的遗传算法工程实现方法,把问题分解为机组状态组合与机组负荷分配两个子问题,分别对其优化。对实例计算分析表明：遗传算法具有计算速度快,计算结果好的优点,其对发电机组优化组合问题的求解是可行的、有效的,具有较强的实用价值。     

改进遗传算法及其在机组优化组合中的应用

提出了一种新的基于浮点数和二进制数统一编码的改进遗传算法。该算法有效利用了浮点数编码FGA(Float—coaded Genetic Algorithm)收敛迅速、不易陷入局部最优解、具有较高收敛精度的优点,同时结合二进制编码BGA(Binary—coaded Genetic Algorithm)模拟机组启停状态的优点,解决了机组优化组合的O-1混合整数非线性规划问题。该算法已成功地运用到16台机组的优化组合中,并取得很好的效果。     

用遗传算法解算机组组合的研究

用遗传算法解决电力系统机组组合及机组间的负荷分配问题。在机组数目增加时，二进制编码的遗传算法的计算量及存储量会增加很多，并且经典的遗传算法不具有渐近收敛性。针对这些问题，作者采用二进制与浮点数混合的编码方案，并根据这一特点设计了遗传算子；对经典的遗传算法在计算中出现的随机性问题，则采用压缩映射遗传算法使计算过程渐近收敛。计算表明，该算法的具有渐近收敛性，与二进制编码的算法相比，计算所需时间及内存少，而且更易引入问题的相关信息。     

机组负荷优化分配的遗传算法

采用遗传算法对发电机组之间负荷进行优化分配,并与等微增率法进行了比较,计算结果表明,遗传算法在计算结果和适用范围方面都较等微增率法更加优越,具有较好的稳定性和快速的收敛性。     

机组负荷最优分配的改进遗传算法

本文针对常规遗传算法缺点,根据具体问题的特征,对火电厂内机组优化组合中的遗传算法从各个环节进行了改进,实例计算表明,该方法收敛性好,适应性强,能更有效地达到或接近全局最优。     

遗传算法搜索优化及其在机组启停中的应用

提出了一种遗传算法应用于机组启停的新思路。针对机组启停问题的特点,设计了一些启发式技术,使得遗传算法初始种群中的所有个体都是可行解。针对遗传操作生成的不可行解,建立了一种从不可行域到可行域的是映射关系,大大减少了搜索中的无效操作。对过度满足约束条件的解,给出了一种有效减冗余的手段。并提出了一种边界搜索方法,可以更容易得到更优的解。这些措施起到了优化搜索路径的作用,有效地提高了遗传算法求解的效率和质量。     

机组组合问题的扩展Hopfield神经网络算法

从Hopfield神经网络的原理和机组组合问题的特点出发，提出了一种适合解决机组组合问题的扩展Hopfield神经网络算法。该算法结合了Hopfield神经网络和模拟退火算法（SA）的优点，对整数变量取值范围进行了可行的扩展，有效地避免了陷入局部最优。同时，该算法无须进行额外的负荷经济分配，故能迅速，高效地搜索到系统的高质量优化解，对于实际系统的仿真计算结果证明了该算法的有效性，并且，方法本身具有良好的并行性，易于在并行计算机上实现，因此具有实际应用的可能性。     

单亲遗传算法及其在火电厂机组优化组合中的应用

本文首先简单介绍了序号编码的单亲遗传算法,然后针对火电厂电机组优化组合问题的具体特征,提出了一种实数编码的单亲遗传算法,并构造了两种遗传算子,最后给出了一个计算实例,计算结果表明这种算法是非常有效的。     

一种求解大规模机组组合问题的混合智能遗传算法

针对传统的采用二进制编码的遗传算法在求解大规模机组组合问题时收敛速度慢、易早熟等问题,作者结合机组组合问题的特点,提出了一种混合智能遗传算法.该算法以机组状态作为个体编码,结合启发式方法的自适应智能变异算子求解目标函数,显著缩小了求解问题的规模,保证了群体多样性,提高了算法的搜索效率,改善了算法的收敛性.仿真计算结果表明了该算法的有效性和实用性.     

电力市场中机组组合的智能优化算法

随着电力市场的兴起，机组优化组合问题的目标函数和约束条件都发生了重大的变化，本文提出了在电力市场机制下机组组合问题的数学模型，并运用智能优化算法－遗传算法求解，该算法不同于常规优于算法的特点在于，能够从最后一代的母体群中产生多个满足约束条件的可行方案，为电钢调度提供了极大的灵活性。而且任何可以用罚因子项表示的约束条件可以考虑到遗传算法，适合大规模及超大规模问题的求解。     

基于免疫算法的机组负荷优化分配研究

文章提出应用新的智能算法一免疫算法解决负荷优化分配问题。在分析负荷分配的数学模型和免疫算法特点的基础上，详细研究了基于免疫算法的负荷优化分配方法。优化问题的解对应于免疫算法中的抗体，解的优劣通过结合力的计算来评价，具有最大结合力的抗体就是问题的优化解。文中还提出应用机组持续状态时间进行编码改进，可明显加快算法的搜索速度，免疫算法中特有的基于抗体浓度更新和抗体多样性也使得算法具有很好的收敛性和搜索性能。该算法通过10台机系统进行了验证，计算结果证明免疫算法与其它优化算法相比，能更快搜索到较优解，从而为机组负荷优化分配的求解提供新的有效算法。     

电力系统机组组合问题的改进粒子群优化算法

机组组合问题是一个大规模的非线性混合整数规划问题.文章首先对机组组合问题的0、1变量进行松弛,应用罚函数方法将此问题转化为一个非线性连续变量的规划问题,并应用改进粒子群优化算法求解.该算法在标准的粒子群优化算法的基础上,每个粒子速度和位置的更新不仅考虑自身个体极值和全局极值的信息,还考虑其它粒子所包含的信息.通过收敛性分析可知,若合适地选择算法的控制参数,该算法能较好地收敛到最优解.算例表明文章所提出的算法具有解的质量高、收敛速度快的优点.