具有改进变异的遗传算法在无功优化中的应用

遗传算法是一种基于自然规律选择的优化方法,在电力系统的无功优化中得到了广泛的研究。该文在对遗传算法随机变异研究基础上,结合电力系统无功优化的特征,提出了优化变异,即以目标函数的灵敏度系数向量来修正变异方向,加快搜索速度。并对IEEE14节点系统进行了计算,其结果验证了算法的有效性。     

具有改进变异的遗传算法在无功优化中的应用

遗传算法是一种基于自然规律选择的优化方法,在电力系统的无功优化中得到了广泛的研究.该文在对遗传算法随机变异研究基础上,结合电力系统无功优化的特征,提出了优化变异,即以目标函数的灵敏度系数向量来修正变异方向,加快搜索速度.并对IEEE14节点系统进行了计算,其结果验证了算法的有效性.     

一种电力系统无功优化的新型混合优化算法

提出了一种适合于求解电力系统无功优化问题的新型混合优化算法,该算法结合基于邻域搜索的群搜索优化算法和改进灾变遗传算法.综合考虑两种算法的特点,将无功优化问题分步进行交替求解,第一步采用改进灾变遗传算法迭代两次更新解群体,第二步在此基础上采用基于邻域搜索的群搜索优化算法使群体中各解向当前最优解靠拢,交替进行,最终达到全局最优解.在IEEE118节点系统试验计算结果表明,与其他算法相比,该混合算法具有较好的全局收敛性且不容易陷入局部最优,在优化效果以及算法稳定度上都具有明显的优势.在某实际290节点电网计算结果表明,该混合算法能够适应实际电力系统无功优化问题的求解.     

一种电力系统无功优化的新型混合优化算法

提出了一种适合于求解电力系统无功优化问题的新型混合优化算法,该算法结合基于邻域搜索的群搜索优化算法和改进灾变遗传算法。综合考虑两种算法的特点,将无功优化问题分步进行交替求解,第一步采用改进灾变遗传算法迭代两次更新解群体,第二步在此基础上采用基于邻域搜索的群搜索优化算法使群体中各解向当前最优解靠拢,交替进行,最终达到全局最优解。在IEEE118节点系统试验计算结果表明,与其他算法相比,该混合算法具有较好的全局收敛性且不容易陷入局部最优,在优化效果以及算法稳定度上都具有明显的优势。在某实际290节点电网计算结果表明,该混合算法能够适应实际电力系统无功优化问题的求解。     

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。     

含分布式电源的配电网无功优化

为提高系统电压稳定性,在传统无功优化目标函数模型的基础上引入电压稳定L指标,将电压稳定L指标与最优潮流结合,建立了考虑网络损耗和系统电压稳定的配电网无功优化模型.在小生境遗传算法的基础上,对遗传算法小生境进行单纯形搜索,消除算法中存在的早熟收敛和开采能力不足的缺点,增强了算法的寻优能力.采用IEEE33节点算例分析表明,该算法优化效果良好,能有效降低有功网损,提高系统电压稳定性。     

计及分布式电源功率不确定性的配电网多目标无功优化

建立以有功网损和节点电压偏差最小为目标的有源配电网无功优化模型,计及分布式电源和负荷功率的不确定性,采用两点估计法(two-point estimate method,TPEM)计算有源配电网随机潮流,并求解优化模型中的目标函数。正态分布交叉(normal distribution crossover,NDX)算子引入到带精英策略的快速非支配排序遗传算法(NSGA2)中,扩大了算法搜索范围、加强了算法全局搜索能力,对有源配电网多目标无功优化模型进行求解。通过IEEE 33节点系统中的算例验证了所提出有源配电网多目标无功优化方法的正确性和有效性。     

一种新型的电力系统无功优化算法

介绍一种类似于遗传算法的进化算法———粒子群优化算法, 并把它应用到电力系统无功优化问题中。对基本的粒子群优化算法作了适当改进, 在粒子速度更新公式中增加了一项即上一代的全局“最优”值, 相当于增加了全局极值的权重, 提高了算法的收敛性。以粒子群优化算法为基础, 选取适合于该算法的无功优化目标函数。通过对 IEEE- 14节点的仿真计算, 证明了该算法优于基本的粒子群优化算法, 且与遗传算法相比能在更少的迭代次数内搜索到更好的全局最优解。     

长距离中压线路无功优化算法研究

针对已有算法在解决长距离中压线路无功优化问题中的不足,提出了在保证末端电压质量的情况下,以线路有功功率损耗最小为目标函数的数学模型。通过改进变尺度混沌优化算法中尺度变换系数和"二次搜索"调节系数,在保证当前最优解为中心的情况下,不断缩小优化变量的搜索范围加强局部细化搜索能力,从而提高了对目标函数的求解精度。通过实例分析可知,该算法在处理无功优化问题时其优化程度与线路的长度有一定关系,对于20 km以下的线路其优化效果较为明显,当线路长度约为10 km时结合遗传算法效果更佳。     

电力市场条件下的无功综合优化

在考虑无功损耗效益和计及系统无功电价的基础上提出无功综合优化的数学模型,提出了一种快速有效的求解方法——自适应遗传算法,通过算例证明,该目标函数及其改进的算法合理有效。     

基于遗传算法的无功优化在鄂州电网中的实现

在简要分析传统的电力系统无功优化方法的局限性之后,指出在无功优化问题中引入遗传算法（ＧＡ）的必要笥和可行性,然后将基于遗传算法的无功优化方法用一以往多操作要管理专家系统无功优化子系统中,论述了基于ＧＡ的无功优化方法的程序流程,着重解决了在实际应用时遇到的几个问题,即无功优人强离散变量的处理、目标函数及相关参数值的选取等。所开发系统的实际运行结果表明,该算法可有效地减少系统的网络损耗,产生较好的社会     

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     

电力市场环境下的无功优化模型及其求解方法

该文分析了传统的电力系统无功优化模型存在的缺陷，论述了在电力市场中实行无功计价的必要性。提出了根据发电机运行的不同状况对发电机无功进行分段计价的观点，并依此建立了以有功网络损耗费用和无功费用为目标函数并包含各种运行约束的电力系统无功优化数学模型。由于电力系统无功优化问题本身的复杂性，该文将遗传算法和ALOPEX相结合的优化算法应用于上述的无功优化模型，这种方法能充分发挥遗传算法的全局寻优优势和ALOPEX算法的爬山能力突出的特点，可以克服以往优化算法的不足。给出的算例也证明了该文提出的无功优化模型可以在降低网络有功损耗的同时实现无功潮流的合理分布，起到改善系统无功环境的作用。     

结合专家知识的遗传算法在无功规划优化中的应用

在遗传算法中采用专家知识辅助寻优,有助于改善寻优方向,防止过早收敛,由于无功功率不家远距离传输。因此电力系统中的无功平衡和电压调整具有很强的地区性。依据专家知识对少数被选中的个体动态形成本厂、站的就地无功／电压控制的有效变量集进行人工调整,可以改善遗传算法的局部寻优能力。该专家知识包括三个主要方面：消除电压越限、减少投资和降低网损。为了更符合实际情况,建立了母线电压对调节裕度的模糊隶属函数。对某实际系统的计算表明,结合专家知识的遗传算法能够更有效地找到全局最优。     

日无功计划优化模型和算法的研究

根据实际无功电压管理工作的需要,建立了日无功计划数学模型。应用一种充分结合粒子群优化算法和遗传算法各自优点的混合优化策略来求解该模型,提出将遗传算法中的变异原理引入传统粒子群优化算法,以弥补粒子群优化算法全局搜索能力较弱的欠缺,充分发挥两种算法的优点,改善优化的性能。对北京市电网的计算和分析表明了本文所提出模型和算法的正确性和实用性。     

免疫算法及其在电力系统无功优化中的应用

提出一种用于电力系统无功优化的免疫算法(Immune Algorithm,IA).该算法是根据生物免疫原理提出的,与遗传算法相比,它具有抗原识别、记忆、抗体的抑制和促进等显著特点.IA将目标函数和约束条件比作抗原,将问题的解比作抗体.通过亲和度的计算来评价抗体并促进或抑制抗体的产生,减小了进化过程陷入局部最优解的可能性;通过抗原记忆,提高了局部搜索能力,加快了计算速度.将IA用于69节点实际电力系统的无功优化计算,并与传统遗传算法的计算结果进行了比较.结果表明IA能够以更快的速度得到最优解,其性能明显优于遗传算法.     

地区电网无功优化实时控制系统的研究与开发

无功的优化与控制关系到电力企业自身的经济效益。提出的地区电网无功优化实时控制系统基于现有地调主站的调度自动化系统（SCADA/EMS），SCADA将实时的数据断面发送给EMS，EMS利用遗传算法求解整个电网的无功优化问题，并根据优化解给出控制方案，再通过SCADA系统的下行命令通道执行优化控制方案，完成闭环控制。文中重点论述了遗传算法应用于实时控制系统的优势，并且解决了一些在实时控制过程中遇到的技术问题。现场应用表明，该系统可以方便灵活地满足实时控制所提出的各种要求，具有较好的实时性和鲁棒性。     

电力市场下日无功计划优化模型和算法的研究

针对电力市场下无功辅助服务的特点，提出了计及无功费用的日无功计划数学模型，并应用一种充分结合免疫原理和遗传算法各自优点的混合优化策略来求解该模型。该算法模拟免疫系统中抗体的自我平衡机制，调节遗传算法中个体浓度的抑制和促进；利用免疫记忆功能，实现了优良基因片的重组，提高遗传算法的总体搜索能力。依据抗体结构的可变区和稳定区，该文提出基于有效负荷变化指标的专家知识来对个体的基因进行修补，使遗传算法的优化过程具有指导性。IEEE30节点系统的计算和分析表明了该文所提出模型和算法的正确性和实用性。     

基于灾变遗传算法的无功规划优化

摘要： 提出了应用于电力系统无功规划优化的灾变遗传算法。算法中引入“灾变”的概念来保证解空间的多样性;采用了分组整数编码技术和锦标赛选择机制;提出采用与十进制整数编码策略相结合的邻近变异操作算子,以避免二进制编码中的海明悬崖。将此算法应用在佛山226个节点的电力系统中。结果表明它能克服一般遗传算法（GA）的早熟收敛倾向和改善GA的局部搜索能力,比常规GA的寻优效率高得多。     

遗传算法在无功优化应用中的改进

将遗传算法应用于电力系统无功优化的同时,针对无功优化的实际,文章提出了在不同优化阶段,对目标函数各项罚因子采用不同权重,并且构造出分阶段适应性函数,以及提出了选择式杂交方式等改进措施。通过典型算例和实际系统的测试,证明了这些改进方法对遗传算法应用于无功优化计算的寻优速度和收敛特性都有明显提高。