遗传算法在电力系统无功优化中的应用综述

遗传算法是近十年来发展的基于自然选择规律的一种优化方法,算法能成功的解决无功变量中的离散问题,避免常规数学优化方法的局部最优现象.本文详细阐述了简单遗传算法以及遗传算法与其它算法相结合的混合算法在电力系统无功优化中的应用和今后的发展方向.     

遗传算法在电力系统无功优化中的应用综述

遗传算法是近十年来发展的基于自然选择规律的一种优化方法，算法能成功的解决无功变量中的离散问题，避免常规数学优化方法的局部最优现象。本文详细阐述了简单遗传算法以及遗传算法与其它算法相结合的混合算法在电力系统无功优化中的应用和今后的发展方向。     

遗传算法在电力系统无功优化中的应用综述

遗传算法是近10年来发展的基于自然选择规律的一种优化方法，算法能成功的解决无功变量中的离散问题，避免常规数学优化方法的局部最优现象。本文阐述了简单遗传算法以及遗传算法与其它算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

基于遗传算法的电网无功优化

将遗传算法应用于电力系统无功优化,对遗传算法的编码方式、遗传算子以及中止判据方面做了详细的阐述,建立了基于遗传算法的电力系统无功优化模型,避免了常规数学优化方法的局部最优问题.计算机仿真结果表明,遗传算法能够更好地收敛于全局最优解,能更切合电力系统运行的实际,能有效提高电压质量和降低网损.该算法已应用于某地区无功优化软件,取得了较好的效果.     

实现无功优化的新算法—遗传算法

阐述了遗传算法（ＧＡ）在电力系统无功优化中的应用。实例计算表明，与常规无功优化方法比较，ＧＡ收敛性好，适应性强，可以达到全局最优，是实现离散无功优化的一种好方法。     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,文章将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,算法对IEEE 6、IEEE 30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的.     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,该文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE6、IEEE30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的。     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,本文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE 6、IEEE30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的.     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,该文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE6、IEEE30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的.     

实现无功优化的新算法——遗传算法

阐述了遗传算法〖ＢＦ〗(GA)〖ＢＦＱ〗在电力系统无功优化中的应用。实例计算表明，与常规无功优化方法比较，GA收敛性好，适应性强，可以达到全局最优，是实现离散无功优化的一种好方法。     

基于改进Tabu搜索算法的电力系统无功优化

本文将一种改进的Tabu搜索算法（MTSA）用于电力系统无功优化，建立了相应的数学模型，考虑了有功损耗费用和补偿费用，使得总费用最小。在一般Tabu搜索算法的基础上，对搜索步长、禁忌表、不同循环起始点的选择以及算法终止判据等问题做了分析、讨论，并做了一些改进，使得更容易朱出局部最优解，保证可以搜索整个可行域，从而得到全局最优解的可能性更。应用MTSA对IEEE6节点系统行了无功优化计算，与线性规划算法、Box算法进行了比较，结果表明MTSA与Box算法一类的随机搜索算法的优化结果相近，而较之浅性规划算法具有更强的全局寻优能力。     

基于遗传算法的无功规划优化

提出了一种应用于电力系统无功规划优化问题的改进遗传算法。该算法对传统遗传算法的编码方式、群体规模以及遗传３算法等方面进行了     

基于运行模式的无功电压优化调度的研究

运用基于运行模式的无功优化调度方法, 建立不同季节、不同负荷水平的运行模式。以目标电压范围为中心,对不同运行模式,规范约束条件及功率因素要求,制订无功电压调度曲线。文中提出的季度运行模式能反映众多运行样本的共性,涵盖它们的特殊性,这是区别于C.S.Chang方法的一个重要特点,不需要采用数据薄盒(data wafer)技术来解决过量存储的问题。     

基于遗传算法的无功优化在福建电网的实用化改进

分析了基于遗传算法的无功优化在实际系统应用中存在的问题,在传统遗传算法的基础上,对适应度函数和群体多样性的保持进行了改进,并将设备动作优先级和历史负荷经验数据引入遗传算法,根据福建电网的实际情况完成了遗传算法在无功优化中的实用化改进.实际应用表明,改进后的算法使得控制设备动作合理,动作次数少,能有效地提高电网的电压合格率并降低网损.     

基于Tabu搜索方法的电力系统无功优化

将 Tabu搜索方法用于电力系统无功优化 ,采用二进制和十进制编码 2种方案。对IEEE30节点系统和 1 2 5节点山东省某地区电网进行了优化计算 ,并与简单遗传算法、结合模拟退火的遗传算法进行了比较 ,结果表明 Tabu搜索方法具有更强的全局寻优能力 ,可用于运行方式安排 ,并具有在线决策的潜力     

高中压配电网动态无功优化算法的研究

考虑将各点负荷形态变化的系统优化为动态优化，提出了适用于高中压配电网的动态无功优化算法。该算法直接从动态无功优化的模型出发，通过控制变量的选取和动作时间量的预确定，将动态优化模型转化成同普通无功优化模型完全相同的表达形式。从而可以用任何适用于无功优化的算法从整体上来求解动态无功优化。该算法的数学模型简单，而且便于和现有的无功优化算法集成。算例结果表明，文中提出的动态无功优化算法能在完全满足最大允许动作次数约束的前提下降低系统在一天内的损耗、提高电压合格率，且算法的速度能完全满足实时运行的需要。     

能量损耗最小的无功补偿动态优化算法研究

无功补偿动态优化一方面要考虑设备的最大动作次数约束及优化动作时间；另一方面要根据负荷变化确定不同时段的最优投运容量。这是一个复杂的非线性优化问题。该文基于最优匹配注入流的基本思路，提出了基于能量损耗最小的最优匹配注入流的算法。该算法仅计算一次就可以求出所有电容器在各个时段的最优投运容量，而且具有很好的收敛性和寻优性能；通过利用计算各个时段的静态最优补偿容量和时段的等值融合，提出了一种有效的启发式算法以用于优化电容器的动作时刻。算例表明，文中提出的算法具有良好的收敛性和优化性能，可以应用于实际系统。     

基于电网分区的多目标分布式并行无功优化研究

针对集中式并行无功优化的瓶颈问题，建立了基于电网分区的多目标分解协调模型，并采用辅助问题原理(APP)进行分布式并行计算，将全网的多目标无功优化问题分解为多个子网的多目标并行优化问题：基于地域的系统分解与协调符合电网市场化发展的方向。仿真结果表明，本算法具有较强的收敛性和快速性。     

基于协同进化法的电力系统无功优化

针对无功优化问题非线性、非连续性等特点以及大范围内无功优化控制变量较多的问题，提出基于协同进化的无功优化算法以及相应的求解步骤。协同进化算法借鉴分解协调的思想，将无功优化问题分解为一系列相互联系的子优化问题，每个子优化问题对应于进化算法的一个种群，各种群通过共同的系统模型相互作用，共同进化，从而使整个系统不断演进，最终达到问题求解的目的。与常规的遗传算法相比，协同进化算法不但能得到更好的优化结果，收敛性好，而且克服了普通遗传算法计算时间过长的缺点，算例结果表明，该算法更适合于求解大系统的无功优化问题。     

基于改进遗传算法的多目标无功优化

阐述了用于无功优化的改进遗传算法,在已有改进简单遗传算法的基础上,提出在含有多个目标的目标函数中采用线性变化和指数变化规律的越界罚系数,并对适应度函数进行模拟退火修正以保持种群的多样性和加快收敛;采用遗传因子自适应变化和改进的变异操作,可使遗传算法的全局优化和局部寻优能力大为提高.IEEE14节点系统的仿真计算结果表明,该方法在计算速度和收敛能力上优于简单遗传算法,且罚系数采用指数规律变化比采用定值或线性变化规律时收敛能力有明显改善.