人工免疫算法在水电机组优化组合中的应用

针对水电机组优化组合问题提出一种模拟生物免疫系统的人工免疫算法,给出算法的基本步骤,构造几种人工免疫算子,并对一个有12台机组的水电系统作仿真计算.计算结果表明:人工免疫算法比遗传算法具有更好的全局收敛性和收敛速度.     

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。     

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。     

遗传粒子群混合算法在电厂机组负荷组合优化中的应用

粒子群优化算法应用于火电厂机组组合问题中存在早熟收敛等现象,提出3方面改进的遗传粒子群混合算法:改进粒子群初始化方法,提出粒子初始化机组运行状态组合合理性判据,并初始化一定比例的粒子使其机组负荷随机在对应机组负荷上限附近赋值;采用部分解除约束结合惩罚函数的约束处理方法,对粒子进行机组负荷平衡操作,使大部分粒子满足约束条件;通过引入遗传算法中的交叉和变异操作增加了粒子的多样性,减小了算法陷入局部极值的可能性。采用改进的遗传粒子群混合算法对3机及5机火电厂机组负荷组合进行优化,仿真结果表明,优化成功率能达到100%。     

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。     

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。     

基于多Agent遗传算法的水电厂机组优化组合研究与实现

基于多Agent系统理论,构建了一个多Agent机组优化组合系统.对于问题优化模型,提出了一种新颖的多Agent遗传算法,解决了大规模遗传算法的效率问题.对于机组的非线性耗水量特性,提出了一种由Agent动态地管理与维护的神经网络.基于与FIPA兼容的多Agent中间件JADE平台,给出了一个详细的具体实施系统.仿真结果验证了所提出的优化模型与实施方案的合理性和可操作性.     

基于多Agent遗传算法的水电厂机组优化组合研究与实现

基于多Agent系统理论,构建了一个多Agent机组优化组合系统。对于问题优化模型,提出了一种新颖的多Agent遗传算法,解决了大规模遗传算法的效率问题。对于机组的非线性耗水量特性,提出了一种由Agent动态地管理与维护的神经网络。基于与FIPA兼容的多Agent中间件JADE平台,给出了一个详细的具体实施系统。仿真结果验证了所提出的优化模型与实施方案的合理性和可操作性。     

蚁群算法在电力系统机组优化组合中的应用研究

采用模拟进化优化算法———蚁群优化算法来求解机组最优启停问题。引入了状态、决策、路径等概念,把机组最优启停问题设计成蚁群算法模式,通过附加惩罚项来处理各种约束,用tabu表限制不满足约束的状态,使得蚂蚁的搜索总在可行域内进行,对算法的搜索进程起到了有效的引导作用。仿真证明利用蚁群优化算法求解机组最优启停问题是可行的、有效的。     

改进遗传算法在机组启停优化中的应用

采用混合整数规划法、启发式算法、遗传算法解决机组组合问题,并对这几种算法精度和效率进行了比较,最后尝试性地提出了将启发式算法与遗传算法相结合的新方法,结果提高了计算效率和精度.     

遗传/禁忌组合算法在发电机组优化组合中的应用

在研究遗传算法 (GA)和禁忌算法 (TS)的基础上 ,提出一种采用遗传 /禁忌组合算法 (GA/TS)的策略 ,并将其应用于发电机组的优化组合中 ,同时用算例证明该方法的有效性和应用前景。     

多机组集中控制技术在克拉玛依电厂的应用

介绍了克拉玛依电厂多机组集中控制系统的结构及说明,并对多机组集中控制、自动发电控制以及厂级监控信息系统进行了深入研究。     

实数编码的遗传算法在厂级负荷优化分配中的应用

提出了一种改进的实数编码遗传算法来解决厂级负荷优化问题。选取了简单且符合电厂实际的数学模型和机组煤耗特性的拟合方法。在遗传操作上，突破了传统的选择-交叉-变异模式，采用了融入交叉和变异的双个体组进化来进行选择操作，以及固定替代的变异操作。针对负荷优化问题高维、约束条件多、对实时性要求高的特点，文中提出了对初始群体的随机产生过程加入边界约束的方案。迭代过程结束后，在小邻域内用枚举法搜索更优的值，进一步提高了算法的准确性。仿真结果证明，改进后的遗传算法简单、高效、全局搜索能力强，具有较高的实用价值。