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。     

免疫算法与其它模拟进化优化算法的比较研究

免疫算法作为解决优化问题的有力工具,它的有效性已经得到了证明,介绍了免疫算法的数学模型和基本步骤,阐述了它不同于其它优化算法的优点。最后将免疫算法,遗传算法和进化策略同时应用于求解ｓｉｎｃ函数的最优值,以进行比较研究。     

基于免疫遗传算法的小水电配电网无功优化

针对目前应用于电力系统无功优化的智能算法所存在的问题,提出将免疫遗传算法应用于电力系统无功优化问题的措施。免疫遗传算法是将免疫理论和基本遗传算法各自的优点相结合,不仅具有遗传算法的搜索特性,还具有免疫算法的多机制求解多目标函数最优解的自适应特性,对"早熟"问题有所改善,收敛于全局最优。最后,以安康市某区域电力系统为例对算法进行了性能测试,提出了合理的调压措施,结果表明将免疫遗传算法应用于电力系统无功优化问题可以显著降低系统网损,改善电压质量。     

免疫算法与其它模拟进化优化算法的比较研究

免疫算法作为解决优化问题的有力工具，它的有效性已经得到了证明。介绍了免疫算法的数学模型和基本步骤，阐述了它不同于其它优化算法的优点。最后将免疫算法、遗传算法和进化策略同时应用于求解ｓｉｎｃ函数的最优值，以进行比较研究。结果表明，免疫算法在求解某些特定优化问题方面优于其它优化算法，其应用前景非常广阔。     

基于免疫遗传算法的智能配电网分布式电源选址定容

合理地对分布式电源进行选址和定容对于智能配电网规划非常重要。文章在研究分布式电源规划的基础上,建立了以有功网损最小为目标函数的优化模型,用罚函数法将分布式电源规划问题转化为无约束问题,针对该模型特点,首次将免疫遗传算法应用到分布式电源选址和定容问题的求解中。该算法综合了免疫系统和遗传算法的优点,具有良好的全局收敛能力。对33节点配电测试系统进行仿真计算,将仿真结果与标准遗传算法进行比较。验证了免疫遗传算法具有一定的收敛性和适应性。     

一种多目标量子算术优化算法探究

为更好地解决算术算法中多目标优化问题,提出一种基于档案集的多目标量子算术优化算法并在七个基准函数上进行测试;通过分析测试结果以及与常用的多目标优化方法 /多目标粒子群优化算法、快速非支配排序遗传算法和多目标灰狼优化算法相关指标进行比较,表明了该算法优于上述常用的多目标优化算法,并具有较高的收敛速率。     

改进的免疫遗传算法在无功优化应用中的研究

无功优化是电力网络优化的主要措施,其实质是一个多目标非线性混和优化问题。采用免疫遗传算法来研究该问题的求解方法就是在传统遗传算法的基础上,借鉴生物免疫机制中抗体的多样性保持策略和记忆抗原的特点,大大提高了算法的全局搜索和局部搜索能力。实验表明,免疫遗传算法具有很好的全局收敛性,能有效解决无功优化问题。     

基于改进遗传算法的继电器优化设计

为解决二进制编码遗传算法(GAs)处理连续优化问题时需解码、编码操作,算法计算精度不高等问题,提出了一种基于实数编码的改进遗传算法(IFGA),采用非均匀交叉和非均匀变异算子进化产生下一代种群。针对继电器产品体积最小优化设计受机、电、磁、热、几何尺寸等制约条件下的非线性约束优化问题,其目标函数和约束函数均呈高度非线性,应用改进的遗传算法结合自适应约束处理技术求解该优化问题。通过数值试验与传统设计、已有文献设计的对比,该算法满足所有约束条件,且目标函数值下降51.6%,验证了该算法的有效性。     

基于遗传算法的无功功率优化与控制专家系统开发

针对电力系统中无功功率优化问题建立了数学模型,利用函数连接网络将多目标问题转化为单目标无功优化问题,采用免疫遗传算法进行求解。 提出了分区分层的多变电所电压无功协调控制专家系统的设计思想。该系统具有较高优化精度的同时求解过程较为简单。     

利用拉格朗日松弛法解决SIS中的负荷经济分配问题

利用拉格朗日松弛法对火力发电厂厂级监控信息系统(SIS)中的负荷经济分配问题进行了求解。该方法以发电费用为目标函数,用拉格朗日乘子将系统的负荷约束松弛,并将得到的拉格朗日函数分解为一个上下两层的优化问题分别进行求解,保证了算法的快速有效性。与混沌优化及遗传算法进行了仿真比较,结果表明所提出的方法收敛速度快,求解精度高,易于掌握,是解决电力系统负荷经济分配问题的有效手段。     

基于免疫遗传算法的含分布式电源配网规划

大量分布式电源的接入使配电网规划更加复杂.在限制分布式电源接入总量和考虑多种约束的基础上,建立以配网年费用最小为目标函数的规划模型.针对该模型的特点,采用一种新型免疫遗传算法( IGA)对配电网扩展规划进行优化.该算法综合了免疫系统和遗传算法的优点,可实现群体收敛性和个体多样性间的动态平衡,具有良好的全局收敛能力.分别...     

免疫遗传法结合概率因果模型诊断变压器故障

为了对电力变压器的绝缘故障进行诊断,提出了一种免疫遗传算法结合概率因果模型的故障诊断方法。该法先用概率因果模型将电力变压器的故障诊断问题转化为最优化求解问题,再将概率因果模型的似然值函数作为免疫遗传算法的抗原,故障诊断的解作为其抗体,对电力变压器进行故障诊断。基于生物系统的免疫遗传算法既保留了遗传算法随机全局并行搜索的特点,又在相当大程度上避免未成熟收敛,确保快速收敛于全局最优解。实例分析证明,该方法能有效诊断电力变压器的故障,具有较高的诊断准确率。     

现代启发式算法在电网规划中应用的比较

分析了以遗传算法、模拟退火算法和禁忌搜索算法为代表的现代启发式算法应用于电网规划这类非线性组合优化问题时存在的缺陷。在传统遗传算法的基础上,结合模拟退火算法概率性的突跳搜索机制和禁忌搜索算法能避免迂回的邻域搜索机制提出了一种混合算法,并以地理信息系统为平台来求解电网规划问题。实际应用结果表明,采用文中的混合算法可提高计算速度、收敛性能和计算效率。     

基于改进免疫遗传算法的含分布式电源配电网规划

随着大量的分布式电源的接入,配电网规划变得越来越复杂。在优化分布式电源接入总量和考虑传统电源多种约束的基础上,建立以最佳配电网年费用为目标函数的配网规划数学模型。针对改进免疫遗传算法具有生物免疫系统中抗体多样性的保持机制和基于抗体浓度的调节更新机制,同时又具有一般进化算法的随机搜索能力,采用改进免疫遗传算法对配电网规划问题进行求解,并借鉴支路交换的思想设计杂交算子和变异算子,以避免辐射性检查过程,使得算法的寻优能力增强。通过算例分析,与简单遗传算法和常规免疫遗传算法相比,提出的改进免疫遗传算法更适合于求解含分布式电源的配电网规划问题,结果表明了该算法的可行性;同时表明,含分布式电源规划方案较无分布式电源规划方案具有很大的经济和社会效益。     

基于BAS-IGA的含分布式电源配电网故障定位

针对遗传算法解决含分布式电源配电网故障区段定位易早熟收敛的问题,提出了一种基于天牛须搜索算法和改进遗传算法相结合的故障定位方法。该方法首先利用天牛须搜索算法产生高质量的初始种群,其次通过构造遗传算法数学模型、优化3种遗传算子和调节交叉变异概率对遗传算法进行改进,最终经遗传迭代产生最优解,达到精确定位故障区段的目的。以IEEE33节点配电网模型为例,分别针对单重故障、多重故障以及信息畸变情况进行仿真。仿真结果表明,提出的优化算法定位准确率为100%,且收敛速度快、容错性好。     

基于多种群遗传算法的无功规划

考虑了无功规划中负荷预测水平的不确定性,提出了多种负荷预测方式下综合效果最优的无功规划模型。在用遗传算法求解规划问题时,未成熟收敛现象是不可忽视的问题。该文分析了未成熟收敛现象产生的根本原因,并基于移民和人工选择的遗传算法思想(GAMAS),引入了多种群遗传算法(MPGA),并根据其特点进行了一定的改进,较好地改善了简单遗传算法(SGA)的未成熟收敛现象,提高了算法的全局搜索能力和局部搜索能力。通过实际算例,证明了本算法在寻优有效率和成功寻优的迭代次数方面与SGA相比都有较大地改善。     

自适应局部微调遗传算法

针对遗传算法在有限时间内难于给出高精确度解的问题,在传统遗传操作的前期与后期分别采用自适应与局部微调相结合的方法,给出了一种自适应局部微调的遗传算法,即将遗传代数划分为自适应概率搜索阶段和局部微调阶段,在交叉操作中分别采用自适应概率算术交叉和部分确定性诱导交叉;在变异操作中分别采用自适应随机扰动变异操作和最优个体诱导变异操作.应用该算法对全局最优解领域进行搜索,能在较短的时间内找到高精确度的数值解.对6个典型测试函数的优化问题实验表明,该方法具有快速、稳定和易于实现的优点.     

电力市场下AGC机组调配的遗传算法

对电力市场下自动发电控制(AGC)机组的调配问题进行研究发现，现有利用整数规划的方法是基于机组AGC调节容量不变这一条件，因此所得到的结果可能不是最优解。提出了计及机组AGC调节容量变化的数学模型，对利用遗传算法求解这一非线性混合整数规划问题进行了探索。实际系统的算例表明，利用遗传算法可以克服现有利用整数规划方法所存在的问题。文中还对遗传算法参数的选取与调整进行了讨论。     

混沌遗传混合算法在配电网重构中的应用

指出网络重构是配电系统运行和控制的手段,也是配电管理系统的重要内容。考虑配电网运行特点,建立了以有功网损最小为目标的配电网重构数学模型,并计及潮流、电压、容量及辐射状运行等约束条件。针对该模型的特点,采用一种新型混沌遗传混合算法对配电网进行重构计算,该算法既具有遗传算法的全局性和并行性,又具有混沌搜索的遍历性和快速性。将该算法用于IEEE33节点系统重构计算,并与重构前、单一遗传算法重构结果进行比较,证明了所提出混沌遗传混合算法的有效性和快速性。