基于Agent行为和范例学习的遗传算法在城网规划中的应用

城市配电网优化规划（简称城网规划）目前还缺乏高效、实用的算法。传统遗传算法由于受确定编码形式的制约而缺乏对复杂问题的表述能力。文中通过吸收有关文献提出的“行为遗传”思想，进一步提出了一种基于Agent行为和范例学习的新型遗传算法。该算法由Agent基于知识的一系列决策行为，生成待优化问题的一个可行解的非编码方式，取代了传统遗传算法基于编码的可行解生成方式；用基于“范例学习”的进化寻优机制，取代了传统遗传算法基于模仿基因遗传和变异的进化寻优机制。最后，分别采用新型遗传算法和传统遗传算法对同一算例网络进行优化规划，对比的结果证明了新型遗传算法具有更好的复杂问题表述能力、计算效率、收敛稳定性以及可扩展性。     

社会演化算法在机组组合中的应用

机组组合是电力系统优化运行的一个重要方面，从数学角度讲，机组组合问题是一个多约束的NP难组合优化问题，很难得到理论上的最优解，该文将一种新的方法—社会演化算法用于解决该问题。该算法用认知主体取代了传统遗传算法的基于编码的可行解生成方式；用基于“范式学习与更新”的进化寻优机制取代了传统遗传算法中基于模仿基因的遗传和变异的进化寻优机制，使其计算效率及收敛稳定性均优于传统遗传算法。最后通过算例验证了该算法的优越性。该算法不仅为解决机组组合问题带来了新的思路和方法，在求解其它带有复杂约束条件的组合优化问题方面也有非常重要的启发意义。     

基于改进遗传模拟退火算法的电网无功优化

电网无功优化问题是一个多变量、多约束的混合非线性规划问题,其操作变量既有连续变量又有离散变量,优化过程复杂繁琐.遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应的全局优化搜索算法,可用于解决含有离散变量的复杂优化问题.针对传统遗传算法的收敛速度慢,易陷入局部最优解等缺陷,提出一种基于遗传模拟退火思想求解电力系统无功优化的新算法,并引入灵敏度分析,对基本遗传算法的编码、初始种群、适应度函数和交叉、变异策略等进行改进.使用本文算法对IEEE14节点进行优化计算,仿真结果证明了本文模型和算法的实用性、可靠性和优越性.     

融合退火机制的食物链生态进化算法的输电网规划

为改善传统食物链生态进化算法某些方面存在的缺陷,提出一种综合两种智能优化方法优点于一身的混合搜索算法进行输电网优化规划。算法将整个输电网构造呈高、中、低三级种群排布的食物链,算法基于改进的适应度函数模型,结合自适应协同遗传进化机制,指导食物链向符合输电网规划问题的实际方向进化,缩短算法寻优进程。采用模拟退火机制更新个体信息,有效增强了食物链进化的多样性,避免了算法陷入局部最优的风险。食物链进化过程中采用十进制整数编码来提高算法速度和精度。18节点系统仿真结果表明,该混合搜索算法较传统单一智能算法,具备全局寻优能力强、收敛速度快的优势。     

优化遗传算法寻优的SVM在短期风速预测中的应用

针对遗传算法存在的早熟和收敛慢的问题,提出一种融合小生境算法、免疫算法的优化遗传算法。一方面通过疫苗因子引导初始种群的生成,使个体具有某些优秀基因,减少寻优时间,并随数据的更新,提出疫苗因子和参数寻优范围的自适应更新机制。另一方面在种群的进化过程中,通过小生境遗传算法维护种群的多样性。实验结果表明,将基于优化遗传算法寻优的SVM应用到短期风速预测中是可行的,具有较高的预测精度和收敛速度。     

水电站发电优化调度遗传算法的改进

遗传算法在求解水库优化调度问题时存在两个问题：随机的初始种群生成方式难以保证个体在解空间均匀分布,导致求解结果不稳定;由于水库水量平衡等条件约束,使交叉、变异操作常常导致可行解变成不可行解。针对上述问题,引入了基于均匀设计的初始种群生成方式,保障了初始种群空间分布的均匀性;在交叉、变异操作中建立了个体可行性判断与处理方法,保障了在个体进化过程中的可行性。以三峡发电优化调度为例,验证了改进算法的有效性,与标准遗传算法相比改进遗传算法可以显著提高寻优性能。     

基于非线性规划遗传算法的变电站选址定容优化研究

为了优化电网布局,节省电力投资,对变电站选址定容方法进行优化。通过综合非线性规划方法与传统遗传算法的优点,提出一种非线性规划遗传算法。首先建立考虑全寿命周期(LCC)的变电站规划模型,然后采用非线性规划遗传优化算法对模型进行求解。实际算例表明,非线性规划遗传优化算法比传统遗传算法寻优能力更强,能快速得出全局最优解,实用性强。     

中压配电网优化规划的改进遗传算法

提出将基于Prüfer编码的改进遗传算法应用于中压配电网优化规划.此算法结合实际配电网结构多为树形,而Prüfer数可表示任意一颗树的特点,利用Prüfer编码,染色体长度短(n-2,n是节点数目);对初始种群的生成进行改进,使种群均为有效个体;对遗传算子(选择、交叉、变异)进行改进,采取自适应算子,加强对进化过程的控制;采取修补染色体手段,避免不可行解,加快算法的计算效率和收敛速度.算例结果验证了该算法有效性和实用性.     

中压配电网优化规划的改进遗传算法

提出将基于Prüfer编码的改进遗传算法应用于中压配电网优化规划。此算法结合实际配电网结构多为树形,而Prüfer数可表示任意一颗树的特点,利用Prüfer编码,染色体长度短(n-2,n是节点数目);对初始种群的生成进行改进,使种群均为有效个体;对遗传算子(选择、交叉、变异)进行改进,采取自适应算子,加强对进化过程的控制;采取修补染色体手段,避免不可行解,加快算法的计算效率和收敛速度。算例结果验证了该算法有效性和实用性。     

基于多策略改进的遗传算法在配电网规划中的应用

针对电力电子化配电网规划复杂的优化问题,提出一种基于多策略改进的多目标遗传算法（简称遗传算法）。将遗传算法与配电网规划进行有效结合,研究了遗传算法在规划方案中的染色体组编码方式;对遗传算法进行具有针对性的多策略改进,涉及种群选择、交叉与变异算子以及自适应遗传算子的改进;通过种群修复提高算法的搜索能力,使染色体的决策变量在满足约束的同时,确保种群多样性启发式地进化为规划问题的最优解。通过Schaffer函数与Griewank函数对基于多策略改进的遗传算法进行性能测试,并对其组成内容、搜索特点与搜索寻优的过程分别进行了分析和讨论。结果表明,基于多策略改进的遗传算法在搜索精度与计算效率方面具有较大优势,对于配电网规划优化具有重要价值。     

电力系统经济负荷分配的量子粒子群算法

本文首次将量子粒子群算法用于电力系统经济负荷分配中。该算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解。同时该算法的进化方程中不需要速度向量,而且进化方程的形式更简单,参数较少且容易控制。对两个算例进行仿真测试,证实该算法可有效解决经济负荷分配问题;性能对比显示,该算法求得的解优于已有的改进粒子群算法及其它优化算法所求得的解。本文为量子粒子群算法用于经济负荷分配的实用化研究奠定了必要的理论基础。     

“自由度”在基于Agent的配网重构算法中的应用

配网重构的实质是求解大规,模、多约束条件的非线性组合优化问题.除了经典方法以外,使用基于人工智能原理的遗传算法求解这类问题在近年来受到了广泛的关注.但因配电网辐射状运行条件的限制,简单遗传算法在求解该问题时容易陷入无效解过多、效率低下的困境,而采用基于Agent的改进遗传算法可以有效解决这一问题,但还有一些地方需要改进...     

基于IBBDE算法的交直流混联系统无功优化

随着高压直流输电工程(HVDC)投产规模持续增长,交直流混联电网的格局初步形成,给传统电网无功优化带来挑战。文中提出一种改进骨干差分进化算法(Improved Bare-bones Differential Evolution,IBBDE)求解交直流混联系统无功优化问题。在骨干差分进化算法的基础上,IBBDE算法采用广义反向学习初始化种群和自适应调整交叉概率的改进措施以提升种群的全局寻优能力。以含HVDC的IEEE 30节点系统为算例进行分析,结果表明,与差分进化算法和骨干差分进化算法相比,所提IBBDE算法可获得更优的无功优化效果,且寻优稳定性更好。     

基于免疫算法的机组组合优化方法

机组组合是改善传统电力系统运行经济性和电力市场出清的重要手段。基于群体进化的智能优化算法存求解过程中存在计算效率低和易于早熟收敛等缺点。提出机组组合的免疫算法，利用免疫算法保持种群多样性的内在机制和免疫记忆特性改进既有的智能优化方法。新算法扩展了约束处理技术，能更好地对可行解空间搜索，采用一种由后向前、由前及后、双向迂回推进的精简程序改善个体可行解的局部最优性，同时利用优先级顺序法产生能较好反映问题先验知识的初始种群。典型算例证实新算法能获得更优的结果，具有更快的收敛速度，且在系统规模扩大时有大致线性的计算复杂性，是一种新的高效的机组组合智能优化算法。     

基于动态多种群粒子群算法的无功优化

提出了一种基于动态多种群策略的改进粒子群算法。该算法将传统粒子群优化算法(particle swarm optimization，PSO)中的种群划分成多个子群，每个子群相对独立地朝同一目标进化，仅通过一种轮形结构的弱联系进行交流。在进化过程中各种群不断分裂和聚类重组，动态调整种群规模以更好地适应进化。该算法可以较好地避免PSO算法过快收敛于局部最优解，并且有较快的收敛速度。文中将该算法应用于求解电力系统无功优化问题，并与标准PSO算法的性能进行了对比，仿真计算证明该算法是有效、可行的。     

基于改进遗传算法的配电网无功优化

本文在分析了电网安全经济运行现状的基础上,阐明了配电网无功优化的必要性,提出了以节省损耗电费最大为目标的无功优化数学模型,并基于传统遗传算法,提出了一种改进的遗传算法对无功优化模型进行求解：采用十进制编码、最优个体保存策略以及变异操作采用十进制码加减变异范围内随机数操作。最后将本算法用于某14节点电网系统中,结果表明,本文算法在优化效果基本相同的情况下,还具有迭代次数少,计算速度快等优点,具有重要的现实应用价值。     

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。     

电力系统PMU安装地点选择优化算法的研究

将进化衰减因子引入了遗传算法,构造了一种新的自适应遗传算法。新算法在进化过程中能够同时根据个体适应度和进化时间的变化自动调整交叉与变异概率,克服了遗传算法易早熟的缺点,提高了最优解的多样性,加快了算法寻优速度。精英个体保留策略保证了整个算法的全局收敛性。算法约束条件处理采用了不可行解启发性修复方法,保证了全部优化结果都被严格限定在了满足约束条件的解空间内。基于图论的深度优先搜索方法用于系统可观性分析。将新的自适应遗传算法应用于优化PMU安装地点选择,实现了安装地点最少,而整个系统可观的目标。该算法已在某省     

新型智能优化算法估算年降水量频率曲线参数

鉴于在不同分布线型下,传统参数估计方法需要推导繁琐的公式,因而引入智能优化算法。研究新型智能优化算法估算年降水量系列频率分布参数,提高降水系列分布参数估计精度。以陕西省眉县、凤县和凤翔3个气象站的年降水量系列资料为例,应用反向学习自适应差分进化算法（OL-ADE）、蜻蜓算法（DA）和基于压缩因子的遗传粒子群混合算法（HGAPSO）原理,按照优化准则进行分布参数优化求解。在此基础上,利用TOPSIS评价法直观定量评价以上3种参数估计方法和3种传统参数估计方法。结果表明：与传统算法相比,3种新型智能优化算法在年降水量频率分布参数估计中均取得较好的拟合效果。HGAPSO算法拟合精度最高,DA和OL-ADE算法拟合效果大致相同。     

电力市场条件下的无功优化研究

在电力市场条件下,传统无功优化的目标函数应做相应的修改,由原来的一次能源消耗量最小转变为经济利益最大。由于无功电量要定价,所以电网公司购买的无功电量应计入目标函数。同时．无功优化对电网公司购买有功电量也会产生很大的影响,通过改进遗传算法对新的目标函数进行优化。具体算例表明,新的无功优化数学模型可行,并具有很好的经济性。