基于遗传禁忌混合算法的电力系统无功优化

为了使遗传算法(GA)和禁忌搜索算法(TS)的优点被保持,缺点被削弱,提出了电力系统无功优化的遗传禁忌混合算法(GATS);针对电力系统无功优化中控制变量的离散性和连续性相混合的特点,提出了混合编码策略并相应地采用启发式算术进行杂交.用GATS算法对IEEE30节点系统进行了无功优化计算,并就优化结果和简单遗传算法(SGA)及二进制编码的禁忌搜索法(TSB)的优化结果进行了比较,结果表明GATS方法具有更好的收敛性和更强的全局寻优能力.     

配电网无功电压优化控制求解的一种新方法

提出将主动禁忌搜索(RTS)算法用于配电网无功电压优化控制问题的求解,并与传统的禁忌搜索(TS)算法进行了比较。在利用RTS算法的求解过程中,使用了反馈机制,可自动调节禁忌表长度,解决了TS中复杂参数设置与调节的问题;由于结合逃逸策略,使搜索有效地跳出局部极小点,避免了TS中可能出现的大循环。通过在算例中的应用表明,RTS算法非常适合对该问题的求解,比TS具有更好的灵活性和更高的求解效率。     

基于遗传禁忌搜索算法的PMU布点配置

将遗传算法GA(Genetic Algorithm)和禁忌搜索算法TS(Tabu search)相结合,提出一种遗传禁忌搜索算法GATS(Genetic Algorithm & Tabu search)用于相量测量单元优化配置.GATS算法结合了遗传算法的随机搜索能力、并行性和禁忌搜索算法的记忆功能,有效地解决了遗传算法的爬山能力差、早熟的问题,提高了收敛速度及优化质量;同时遗传算法的种群操作,保留了遗传算法的多出发点的优势,弥补了禁忌搜索的单一单操作缺乏并行性的弱点.在约束条件处理时,采用了不可行解启发性修复方法,提高了算法的优化效果.基于图论的深度优先方法用于系统可观性分析.将GATS算法应用于优化相量测量装置安装地点选择,实现了安装地点最少,而整个系统可观的目标.通过算例证明了算法的有效可靠.     

基于序优化禁忌混合算法的配电网无功优化

配电网无功优化控制是解决配电网电能损耗大、电压水平低这一问题的有效手段.针对禁忌搜索(TS)算法的收敛速度对初始解有较强的依赖性这一明显不足,提出序优化禁忌(OOTS)混合优化算法,将基于赛马规则的序优化(OO)算法和Ts算法相结合,利用OO算法较强的全局搜索能力为TS算法提供较好的初值.用OOTS混合算法对某28节点配电系统进行无功优化计算,并和OO算法及TS算法的优化结果进行了比较,结果表明OOTS混合算法具有更好的收敛性和更强的全局寻优能力.     

配电网无功电压优化控制求解的一种新方法

提出将主动禁忌搜索(RTS)算法用于配电网无功电压优化控制问题的求解，并与传统的禁忌搜索（TS）算法进行了比较。在利用RTS算法的求解过程中，使用了反馈机制，可自动调节禁忌表长度，解决了TS中复杂参数设置与调节的问题；由于结合逃逸策略，使搜索有效地跳出局部极小点，避免了TS中可能出现的大循环。通过在算例中的应用表明，RTS算法非常适合对该问题的求解，比TS具有更好的灵活性和更高的求解效率。     

基于遗传禁忌搜索算法的PMU布点配置

将遗传算法GA（Genetic Algorithm）和禁忌搜索算法TS（Tabu search）相结合,提出一种遗传禁忌搜索算法GATS ( Genetic Algorithm & Tabu search)用于相量测量单元优化配置。GATS算法结合了遗传算法的随机搜索能力、并行性和禁忌搜索算法的记忆功能,有效地解决了遗传算法的爬山能力差、早熟的问题,提高了收敛速度及优化质量;同时遗传算法的种群操作,保留了遗传算法的多出发点的优势,弥补了禁忌搜索的单一单操作缺乏并行性的弱点。在约束条件处理时,采用了不可行解启发性修复方法,提高了算法的优化效果。基于图论的深度优先方法用于系统可观性分析。将GATS算法应用于优化相量测量装置安装地点选择,实现了安装地点最少,而整个系统可观的目标。通过算例证明了算法的有效可靠。     

基于TS和GA算法的配电电容器优化投切

为降低损耗,提高电压质量,简化控制,在深入研究遗传算法和禁忌算法各自优点的基础上,对已装有电容器的配电网,根据负荷水平及其变化趋势,采用分时段优化控制策略,对每一时段应用TS和GA混合算法,得出每段的最优运行方式,来求解次日运行中配电电容器的优化投切问题。     

基于TS和GA算法的配电电容器优化投切

为降低损耗,提高电压质量,简化控制,在深入研究遗传算法和禁忌算法各自优点的基础上,对已装有电容器的配电网,根据负荷水平及其变化趋势,采用分时段优化控制策略,对每一时段应用TS和GA混合算法,得出每段的最优运行方式,来求解次日运行中配电电容器的优化投切问题.     

基于序优化禁忌混合算法的配电网无功优化

配电网无功优化控制是解决配电网电能损耗大、电压水平低这一问题的有效手段。针对禁忌搜索（TS）算法的收敛速度对初始解有较强的依赖性这一明显不足,提出序优化禁忌（OOTS）混合优化算法,将基于赛马规则的序优化（OO）算法和TS算法相结合,利用OO算法较强的全局搜索能力为TS算法提供较好的初值。用OOTS混合算法对某28节点配电系统进行无功优化计算,并和OO算法及TS算法的优化结果进行了比较,结果表明OOTS混合算法具有更好的收敛性和更强的全局寻优能力。     

基于改进扩大邻域禁忌搜索算法的电力系统无功优化

阐述了改进扩大邻域禁忌搜索(FITS)算法,建立了基于FITS算法的无功优化数学模型,并采用IEEE 14节点模型进行算例分析。计算结果表明,相较于基本禁忌算法(TS)及扩大邻域禁忌算法(ITS),改进后的算法收敛快,寻优能力强,在不考虑严格的实时性要求时,基于FITS算法的优化能使网损有较大程度的降低,且电压质量也有明显改善,提高了系统运行的合理性和经济性。因此,FITS算法在改善电压质量、降低电网损耗方面更具经济价值,证明了FITS算法在电力系统经济运行中的有效性和合理性。     

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GATS混合算法的PSS与SVC控制器参数设计

随着电力网络规模的扩大，电力系统优化问题日益复杂，故提出了一种采用遗传禁忌GATS混合优化策略对电力系统稳定器PSS和静止无功补偿器SVC附加线性稳定控制器进行参数协调优化的设计方法。该方法结合遗传算法GA和禁忌搜索算法TS各自的优点，将禁忌搜索引入到遗传算法的变异操作，改进了遗传算法的变异算子，具有比常规遗传算法更强的局部搜索能力。在10机新英格兰电力系统上对该优化方法进行了测试。特征值分析表明，该设计方法能有效地将多种不同运行方式下系统的特征根移到复平面目标函数限定的区域内，保证了小扰动稳定性控制的鲁棒。同时还对不同优化方法的收敛性及计算时间进行了比对，结果表明遗传禁忌混合策略的性能优于常规遗传算法以及遗传模拟退火混合优化策略。     

电力系统相量测量装置最优配置混合算法的研究

以电力系统状态完全可观测和相量测量装置(PMU)配置数目最小为目标,形成了PMU最优配置问题。将遗传算法和禁忌算法有效结合形成禁忌遗传算法,该算法在改进交叉和变异算子的基础上,继承和发展了遗传算法基于多点搜索、鲁棒性强等诸多优点,每当群体有出现早熟而陷入局部最优解的趋势时,利用禁忌搜索增强算法的爬山能力,避免算法早熟而陷入局部最优解,增强算法的全局收敛能力和收敛速度。与遗传算法和禁忌搜索方法相比,禁忌遗传算法具有更好的全局收敛能力和收敛速度。最后采用IEEE14,IEEE30和IEEE57节点系统对算法的有效性进行了验证。     

遗传禁忌混合算法及其在电网规划中的应用

电网规划是一个较难解决的NP难问题。文中首先就遗传算法、禁忌搜索算法(TS)及其两者的混合算法在旅行商问题(TSP)中的应用来比较它们之间的优缺点,认为采用了TS变异算子的改进遗传算法将大大提高其优化能力;然后通过该混合算法在典型电网扩展规划算例中的应用来看,认为该混合算法适用于求解复杂的电网规划问题;最后通过对该混合算法在求解实际的城市中压配电网络规划问题时与其他两种单一算法的结果比较来看,其搜索效率相比单一算法得到了很大程度的提高,体现了很好的应用前景。     

基于混合遗传算法的无功优化

通过混合算法来改进遗传算法是一种可行的方向。在前人研究的基础上进一步提出了一种能够保持遗传算法、模拟退火算法和禁忌搜索算法优点的混合遗传算法。该算法显著改善了遗传算法早熟收敛和局部搜索能力差的不足,具有良好的全局寻优能力和局部搜索能力,并在实际系统应用中验证了它的有效性。     

基于改进禁忌搜索算法的电网公司最优购电模型

介绍了投资组合理论,修改并完善了其中的Markowitz模型,并由此建立了电网公司的最优购电模型。将经典的禁忌搜索算法进行了改进,提高了其局部搜索能力,在综合考虑购电收益和购电风险的基础上,应用改进的禁忌搜索算法求解了电网公司的最优购电模型。算例分析结果表明,基于改进禁忌搜索算法的电网公司最优购电模型可以为电网公司制定一套合理的购电策略,并且在未来引入期货与期权市场后,此模型及其求解方法同样适用。     

基于禁忌搜索粒子群优化算法的无功优化

针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,提出将粒子群优化算法结合禁忌搜索的混合算法,并应用它来求解电力系统无功优化问题。该混合算法是以粒子群优化算法为主框架,以禁忌搜索算法作为个体群继续在邻域中寻优,寻优结果对粒子群算法的输出做了更新。混合算法保留了粒子群优化算法的并行处理性,同时利用了禁忌搜索算法的较强的"爬山"能力,加快了混合优化算法的收敛时间和提高了收敛解的有效性。     

基于禁忌克隆遗传算法的配电网故障恢复重构

将克隆遗传算法(clonal genetic algorithm,CGA)和禁忌搜索算法(tabu search,TS)相结合,提出用于配电网故障恢复重构的禁忌克隆遗传算法(tabu search clonal genetic algorithm,TSCGA)。针对配电网的结构特征和克隆遗传算子的特点采用基于环网的编码策略,避免遗传操作后产生表示环网或孤岛的无效解;在CGA中克隆遗传算子的基础上增加了修正算子,减小了搜索范围,提高了搜索效率;并把禁忌搜索算法中的禁忌表、禁忌表处理和藐视准则融入到克隆遗传算法中,显著提高了收敛速度。最后用IEEE33节点标准算例对TSCGA进行了仿真分析,并与其他智能算法进行了比较,结果表明TSCGA具有更快的收敛速度和更好的稳定性。     

基于改进禁忌算法的配电网络重构

为了提高配电网络重构的优化质量和优化效率,提出了一种结合变异运算的最优邻域禁忌搜索算法.通过在禁忌算法中引入小概率变异扰动,增强禁忌算法跳出局部最优解的能力,提高了算法的全局寻优能力;利用配电网的结构特点,快速、简易地确定邻域最大降损开关交换,提高邻域候选解集的质量,提高了算法的搜索效率.3个算例的计算结果表明,本文算法计算速度快,寻优效果好,有效提高了网络重构的优化效率和优化质量.