基于果蝇算法的开关磁阻电机多目标优化研究

针对采用传统算法对开关磁阻电机(SRM)本体进行多目标优化时存在算法复杂、调节参数多、计算量大且易陷入局部最优解等问题,提出一种基于果蝇算法(FOA)的SRM本体多目标优化设计方法。利用极限学习机算法建立SRM非参数模型,采用FOA算法对其进行优化,实现了SRM定转子极弧的全局最优设计,最后对该优化算法的效果进行了仿真验证,同时与传统粒子群优化算法(PSO)进行了对比分析,结果表明,FOA算法不仅获得了较PSO算法更好的转矩波动系数和效率指标,而且具有参数设置少、收敛速度快且不易陷入局部最优解等特点,具有较好的应用价值。     

基于自适应烟花算法的微网经济运行优化

针对微网经济优化运行问题,建立了集中控制式微网的优化调度模型,提出了其经济优化运行策略,采用自适应烟花算法在MATLAB软件中对算例的冬季并网运行进行仿真求解,通过对算例优化结果的分析,证明了自适应烟花算法适用于求解具有多约束、多目标、非线性特点的微网运行优化问题。从算法性能和计算代价方面将自适应烟花算法、增强烟花算法、粒子群算法进行了比较,验证了自适应烟花算法具有更好地寻优能力。     

基于免疫禁忌混合算法的多目标最优潮流计算

针对电力系统多目标最优潮流计算问题,提出了一种基于免疫禁忌混合算法的多目标模糊优化潮流计算的新方法。该方法运用模糊集理论来构造评价函数,实现了多目标优化问题向单目标优化问题的转化,兼顾了各子目标,保证了较高的整体优化水平;采用求解精度高、使用灵活的免疫禁忌混合算法来进行单目标寻优,准确地获取了符合实际的全局最优解。通过对IEEE 30节点系统进行多次多目标最优潮流仿真计算,并将计算结果分别与单目标最优潮流计算及采用粒子群算法、免疫算法等其它算法的结果进行比较和分析,验证了该方法是解决电力系统多目标最优潮流问题的一种有效方法。     

含分布式发电的配电网电压优化的研究

针对含分布式发电的配电网电压优化提出了改进的模拟退火优化算法,对算法中初始种群生成、适应度计算、变异操作等进行了改进,并在处理多目标函数的优化问题中采用了自适应权重和法。算例结果表明,该算法能够收敛于全局最优解,并提高了收敛速度和稳定性。采用改进的模拟退火算法对变压器分接头和SVC出力进行优化来进行综合调压,可改善配电网的电压质量和降低网络损耗。     

多目标进化算法求解无功优化问题的对比分析

对经典的多目标进化算法(multi-objective evolutionary algorithms,MOEAs)在电力系统无功优化中的应用展开比较研究。与传统设定偏好参数、将多目标问题转化为单目标问题的方法不同,直接采用计及系统网损与电压偏移的多目标模型。提出无功优化多目标进化算法统一框架,采用一致的编码策略、约束处理方法。以IEEE30节点标准系统的多目标无功优化为算例,从帕累托前沿、外部解及C指标等方面,比较各种算法的性能特点,并按照其优劣将算法分为5个性能等级。参考算法的性能等级,详细分析每种算法的优缺点。相关结论对MOEAs在无功优化及电力系统其他优化问题中的应用和改进,都具有一定的参考价值。     

基于多目标粒子群算法的电力系统无功优化

针对电力系统有功损耗和电压偏差,提出一种带有变异的多目标粒子群算法。该算法采用非支配排序和拥挤距离来提高算法的多样性。通过ZDT1～ZDT4基准函数验证该算法的性能,比较它与其他多目标进化算法的优劣。将该算法应用于对多目标无功优化求解,采用IEEE30节点系统验证算法在无功优化中的优势。优化结果表明,该算法能清晰地给出电力系统有功损耗与电压偏差间的竞争关系,并能为用户提供均匀分布的多样化的备选解,让用户可以根据不同情况灵活选择。通过多次结果的叠加显示了该算法的稳定性。     

基于连续线性规划的梯级水电站优化调度

梯级水电站优化调度是一个多时段、多变量和多约束条件的大规模优化问题,其求解过程非常复杂。文章尝试采用连续线性规划的优化方法来解决梯级水电站长期优化调度问题。通过采用泰勒级数一阶描述形式,对优化调度目标函数和约束条件中的非线性约束进行线性化处理,建立了基于连续线性规划算法的优化调度数学模型,提出了用连续线性规划技术求解梯级水电站优化调度问题的算法,并采用迭代步长的动态比例缩减因子保证算法能快速准确地收敛到优化问题的最优解。利用Matlab7.0编制连续线性规划梯级水电站优化调度程序,一个两级梯级水电站群的仿真分析结果表明,该算法可用于求解梯级水电站优化调度问题,并可快速得到非线性问题的最优解。     

家庭智能用电任务调度优化模型及其算法研究

针对家庭负荷的优化调度,提出了一种家庭智能用电任务调度优化模型。根据不同家电设备的用电特点,采用集合论语言对不同用电任务进行描述定义,建立以负荷峰值、用电费用为优化目标,以家庭负荷特性及运行状态为约束的多目标优化问题。提出了基于混合编码遗传算法的求解算法,算法中针对不同用电任务分别设计了不同的算法编码及算法操作策略,实现对家庭智能用电任务调度问题的单目标和多目标优化求解。通过家庭用电任务模拟算例对该算法性能进行了验证,结果表明该算法能够较好地实现家庭用电任务的优化调度。     

基于禁忌搜索-免疫粒子群算法的无功优化

在考虑经济性网损的基础上,研究了电压稳定对无功的影响,建立了多目标无功优化的数学模型,采用模糊权重法将多目标无功优化转化为单目标无功优化进行求解。针对粒子群算法易早熟和后期收敛性差的缺点,提出免疫算法和禁忌搜索算法协同进行机制,并将该算法应用于IEEE-30节点系统上进行测试,证明了改进粒子群算法的有效性。     

基于MSI-APSO算法的多目标无功优化

采用多策略融合自适应粒子群优化(MSI-APSO)算法求解电力系统多目标无功优化。该算法采用分阶段调整加速因子,根据适应值自适应调整惯性权重,以平衡算法局部搜索和全局搜索的能力;同时,基于群体信息改善部分性能差的粒子,迭代性能改善后的粒子,并采取速度保持策略,以提高算法的搜索准确度与收敛速度。建立了以有功网损最小、电压偏差最小及电压稳定裕度最大为目标的无功优化数学模型,并采用MSI-APSO算法求解该模型。最后对IEEE 14和IEEE 30节点系统进行算例仿真,仿真结果证明了该算法在收敛速度和优化效果上具有比其他几种改进PSO算法更佳的性能,能有效求解电力系统多目标无功优化问题。     

粒子群和变邻域差分进化搜索算法在多目标无功优化中的应用

目前很少研究多目标无功优化问题,而应用到多目标无功优化的多数智能算法容易陷入局部最优点.提出采用变邻域差分进化搜索与BPSO混合算法对网络无功优化,该算法具有并行处理特点、参数少容易控制、收敛速度快,很适合处理多目标无功优化问题,该算法不仅能够保证群体的多样性并且又能继承上一代的优越性,达到了多目标的要求,通过算例验证...     

基于分解的智能优化算法在电力系统无功优化中的仿真研究

电力系统无功优化是一个多目标优化问题,在传统无功优化模型的基础上,建立了以有功网损最小和无功补偿成本最少为目标函数的多目标无功优化仿真模型.采用MOEAD算法求解多目标无功优化模型.仿真结果表明,采用MOEAD算法求解多目标无功优化问题,能够有效降低有功网损,减少无功补偿成本,而且计算速度快、计算性能好.     

基于多种群分层粒子群优化的配电网络重构

为解决配电网的重构问题,文章基于控制理论的分层思想提出了多种群分层粒子群优化(particle swarm optimization,PSO)算法:在第1层采用多种群粒子群并行计算;在第2层将每个种群看成一个粒子,将种群的最优值作为当前粒子的个体最优值,进行粒子群优化并把优化结果返回到第1层。该算法结合配电网络的特点改进了PSO算法粒子位置的更新规则,提高了迭代过程中有效解的产生概率。最后对2个典型IEEE测试系统进行了仿真计算,结果表明多种群分层PSO算法的优化结果和收敛特性均优于PSO算法。文章提出的多种群分层并行计算思想对大规模系统的优化问题求解提供了新思路。     

基于粒子群无功优化的网损降低技术研究

在传统无功优化模型上,建立了以网损最小和电压稳定裕度最大为目标函数的多目标优化模型,通过对目标函数加权建立妥协模型,使多目标函数问题转化为单目标函数问题,并采用粒子群算法求解无功优化问题,通过对IEEE30节点系统的算例分析,表明了采用多目标无功优化模型和粒子群算法能够在保证各节点电压不越限的情况下,有效地降低系统网损...     

基于智能优化算法的FACTS设备多目标优化配置

综合考虑可用输电能力和柔性交流输电设备投资费用,建立了用于FACTS设备选址和定容的多目标优化模型。提出了一种基于变焦佳点集和种群熵的改进多目标引力搜索优化算法(improved multi-objective gravitational search algorithm,IMOGSA)。利用该算法对FACTS设备的位置及容量组合进行优化,得到包含对应组合的可用输电能力和投资费用信息的Pareto解集,并采用模糊满意度方法对所得Pareto解集进行分析,选出兼容性最好的解。在IEEE-14节点系统中对所提出的方法进行了验证,并和多目标引力搜索算法、多目标粒子群算法进行对比,结果表明改进多目标引力搜索优化算法优于后2种算法,是FACTS设备选址定容的首选。     

光伏并网优化模型的启发式退火进化求解算法

为提升分布式光伏并网优化模型的求解效率和精度，提出一种用于求解分布式光伏并网优化模型的启发式算法。将启发式算子引入退火进化算法之中，构建启发式退火进化算法HAEA(heuristic annealing evolutionary algorithm)，采用熵权法EWM(entropy weighting method)对多个优化目标进行权重分配。结合某地区48节点网架对所构建的多目标优化模型求解算法进行验证，与传统优化算法相比，HAEA算法解决了传统算法的早熟问题，优化效率和精度更高，算法给出的规划方案在电压质量和网损等方面表现更优。此外，重点分析了阶段性接入策略与传统接入策略的差异。     

基于GSO算法的无线监测网络拓扑优化方法

针对目前无线监测网络拓扑优化模型复杂,难以求解的问题,提出基于GSO算法的无线监测网络拓扑优化方法。首先建立无线单跳网络和多跳网络能耗模型,并以能耗最小为目标,建立多约束的无线监测网络拓扑优化模型,对配电终端监测范围、节点簇间的距离和感知范围等网络拓扑元素进行优化;然后采用GSO优化算法对所提网络拓扑优化模型进行求解,该算法不依赖于初始状态,收敛性好,可有效解决模型难以求解的问题。理论和仿真证明,该优化模型通过拓扑优化可有效降低能耗,且采用GSO算法求解该模型具有速度快和精度高等优越性。     

基于多目标粒子群算法的电力系统无功优化

针对电力系统有功损耗和电压偏差,提出一种带有变异的多目标粒子群算法.该算法采用非支配排序和拥挤距离来提高算法的多样性.通过ZDT1～ZDT4基准函数验证该算法的性能,比较它与其他多目标进化算法的优劣.将该算法应用于对多目标无功优化求解,采用IEEE30节点系统验证算法在无功优化中的优势.优化结果表明,该算法能清晰地给出电力系统有功损耗与电压偏差间的竞争关系,并能为用户提供均匀分布的多样化的备选解,让用户可以根据不同情况灵活选择.通过多次结果的叠加显示了该算法的稳定性.     

基于改进人工鱼群算法的大规模多目标机组组合优化

大型电力系统包含众多发电机组,且运行时需要考虑诸多方面的因素,其机组组合优化是一个多目标多约束的非线性大规模优化问题,现有方法存在诸多不足。人工鱼群算法在解决非线性优化问题时性能良好,但存在寻优效率低、可能陷入局部极值等缺点。针对这些不足,提出了改进的人工鱼群算法。该算法引入了可变视野,对人工鱼移动策略做出了调整并与遗传算法中的变异操作相结合。构建了兼顾经济性与环保性的多目标优化模型。为了解决机组规模扩大导致的计算时间过长问题,采用了分阶段的优化方法,将改进后的算法应用于启停安排阶段,确定机组启停状态后采用混合整数规划法进行负荷分配。针对最高包含1000台机组的大电网机组优化算例进行了模拟实验,实验结果表明:改进后的优化算法的收敛性和全局搜索能力均得到了提高,大规模机组组合的计算时间大大缩短。多目标条件下也取得了理想结果,验证了该方法的有效性。     

模拟渔夫捕鱼寻优算法在多目标无功优化中的应用

模拟渔夫捕鱼寻优算法（Optimization algorithm on simulating the fisher fishing,SFOA）是模拟渔夫捕鱼行为习惯而提出的一种新的智能算法。通过对该算法的研究,并将SFOA算法用于求解电力系统多目标无功优化问题。无功优化模型采用计及网损和电压平均偏离两个指标,并提出了基于考虑用户偏爱区域把目标函数转化为约束条件的方法,它可以有效地处理多目标优化问题。由于无功优化是多变量优化问题,而SFOA算法在处理多维问题时寻优速度受到限制,因此,采用在方体内随机初始化方法,简化了移动搜索和收缩搜索在方体内的复杂搜索,提高了算法的搜索速度。通过IEEE-30节点和IEEE-57节点算例仿真结果表明,该算法有较好的全局搜索性能和较稳定的收敛速度,能有效提高系统运行的经济性和安全性。