基于混沌遗传算法的电力系统无功优化

针对遗传算法在求解大规模电力系统无功优化问题中存在的收敛速度慢、易早熟的缺点,提出了一种新的无功优化算法——混沌遗传算法CGA。该方法结合混沌优化所具有的遍历性、随机性和规律性的特点,在遗传进化过程中引入混沌移民算子,通过混沌移民操作维持群体中染色体的多样性,以克服传统遗传算法中由于近亲繁殖所导致的早熟问题,确保算法的全局收敛性,加快计算速度。通过对某地区42节点系统进行仿真计算,该方法相比于简单遗传算法,计算速度提高了45%,收敛到全局最优的概率提高了1.25倍。     

水电系统短期经济运行的新方法

水电系统的短期发电量最大问题是一大型、动态、有时滞的非线性约束优化问题。针对标准遗传算法的缺陷,提出一种基于实数编码技术的混沌遗传算法用于求解此问题。该算法根据给定个体概率分布函数构造杂交算子,结合混沌和人工神经网络理论,设计了一种混沌变异算子,使算法能有效维持群体多样性,防止和克服进化中的“早熟”现象,对约束条件采用不需要设置惩罚因子的直接比较罚函数方法加以处理。仿真算例验证了该算法在提高解的精度和加快收敛速度方面都有明显改善。     

一种基于退化混沌变异算子的改进遗传算法及其应用

针对标准遗传算法收敛性较差的缺点，利用混沌变量优化中的随机遍历性，构造出一种随进化代数而退化的变异因子，代替标准算法中的变异算子，以克服标准遗传算法在多峰函数优化中的早熟现象，对三个测试函数的仿真试验表明，改进的算法收敛性优于标准遗传算法．     

混沌免疫遗传算法在电力系统故障诊断中应用

针对电力系统故障诊断问题,提出了一种新的免疫遗传算法——混沌免疫遗传算法。该算法将免疫算法、混沌与遗传算法相结合,利用混沌运动的遍历性、随机性产生初始种群,加快搜索的速度;利用免疫原理的浓度计算及调整加入新的混沌序列补充种群,增加种群的多样性,避免陷入局部最优;交叉变异结束后在最优解附近再用混沌进行局部寻优提高解的精度。它能从保护和断路器的拒动和误动中,快速找到故障点。实验结果表明,该算法能快速寻找到最优解,保证系统的实时性和准确性,较好地实现了对电力系统的故障诊断。     

低碳调度下机组组合问题的混沌遗传混合优化方法

提出了一种求解低碳调度下机组组合问题的混沌遗传混合优化方法。采用控制基因与参数基因编码方式对机组发电计划进行编码,通过结合电碳特征优先次序、混沌映射和随机生成3种方法提高初始种群多样性;将混沌迭代搜索引入到遗传算法的进化过程之中,构造新的变异算子,改进遗传算法过早收敛的缺点,并且在变异过程中进行按电碳特征优先权确定的区间偏移,达到了加快算法收敛速度的目的。通过算例验证了混沌遗传混合优化方法具有较好的收敛特性和全局搜索能力。     

基于RQGA和非支配排序的多目标混沌量子遗传算法

为了提高多目标优化算法的收敛性、分布性和减少算法的计算代价,借鉴实数编码遗传算法和多目标优化理论,构建一种多目标混沌量子遗传算法.在分析量子位概率的混沌特性、量子态干涉特性和量子位实数编码的基础上,采用量子位概率交叉和混沌变异的方式进化种群,以提高寻优能力和收敛速度,利用非支配排序、精英保留和分层聚类等多目标优化策略保持种群多样性的同时,保证进化向Pareto全局最优解集方向进行.通过混合算法性能对比测试验证了多算法集成的有效性,并分析关键参数对算法性能的影响.电力系统多目标无功优化的仿真结果验证了该算法的有效性和可行性.     

基于混沌遗传算法的滤波器优化

针对目前根据工程经验或简单的技术经济指标来设计无源滤波器的现状,将混沌序列引入遗传算法中,利用混沌序列的特性可以有效地弥补遗传算法存在的使优化解落入局部最优陷阱的缺陷,同时改进遗传算法的参数,可以进一步提高优化的效率和精度。测试函数的优化计算证实了该方法的正确性。工程实例表明,应用混沌遗传算法对LC滤波器参数进行优化,假设条件少,寻优空间大、寻优速度快,该算法可以用来作为LC滤波器参数优化的有效方法。     

基于混沌遗传和模糊决策算法的多目标负荷经济调度

提出一种可同时得到电力系统最优机组组合和多目标负荷分配结果的混沌遗传和模糊决策算法.结合改进优先顺序法、启发式遗传算法、混沌优化和模糊决策的优点,按改进的优先顺序法确定各时段运行的机组序列,用启发式遗传算法确定机组组合状态,并对交叉率和变异率进行模糊决策.在负荷分配中,考虑单一经济目标和多目标优化2种决策模型,用遗传算法进行并行搜索,同时在最优点附近利用混沌优化的遍历性进行局部寻优,避免遗传算法陷入局部最优,有效提高了收敛速度.将所提算法分别应用于10机和30机系统中,结果表明,该算法较好地处理了电力系统负荷经济调度的各种约束条件,减少了不可行解,加快了收敛速度.     

基于变尺度混沌理论与免疫遗传算法的电力系统无功优化

提出一种基于变尺度混沌理论与免疫遗传算法的混合智能无功优化算法。该算法利用混沌变量的遍历性、随机性和规律性特点,将混沌运动自身的遍历区域变换成优化变量的取值范围,通过对整个解空间进行考察实现了可行域内的全局优化搜索。同时通过变尺度方法不断缩小优化变量的搜索范围来实现局部细化搜索,从而增强混沌局部搜索能力,加快解的收敛速度,提高解的精度。文章最后以某地区实际电网为例,分别采用免疫遗传算法和混合智能算法对其进行无功优化计算,结果表明本文提出的混合智能算法在计算速度和全局收敛性方面有很大的提高。     

基于改进型遗传算法的混沌神经网络在电力负荷预测的应用

通过对陕西省省网历史负荷数据进行混沌特性分析,重构系统相空间,并计算最大Lyapunov指数,指出该时间序列具有混沌特性,从而采用混沌神经网络对该时间序列进行短期负荷预测。神经网络模型采用改进型遗传算法对权值和阈值进行学习和训练,优化神经网络权重,充分发挥遗传算法的全局寻优能力和神经网络的局部搜索性能。然后采用该网络进行预测,预测结果表明:该模型预测算法优于纯BP网络方法的预测结果,较大地提高了预测精度。     

无源滤波器的多目标优化设计

针对目前根据工程经验或简单的技术经济指标来设计无源滤波器的现状，以及现有优化设计方法中假设条件较多、寻优空间较小、寻优能力不强、对实际因素考虑不全面等问题，提出了一种无源滤波器的多目标优化设计方法。将无源滤波器的初期投资、无功功率补偿容量、滤波后电网谐波含量作为三个目标，利用遗传算法对无源滤波器的参数进行优化设计。通过适应度函数的阈值制约以及以不同概率进行染色体选择操作，使得种群朝三个目标最佳协调点的方向进化；并且，为了克服算法的早熟收敛，引入混沌算子来增加种群的多样性；最后对一个混全滤波实验系统进行了无源滤波参数的多目标优化设计。实践表明，设计出的无源滤波器具有良好的综合性能。     

基于混沌进化算法的梯级水电系统短期发电计划

提出一种求解梯级水电系统短期发电计划问题的新方法－混沌杂交进化算法（CHEA）。该算法将混沌序列与进化算法有机结合在一起,同时采用浮点数编码并构造一种新的自适应误差反向传播变异算子,从而有效抑制了进化算法的“早熟”现象和收敛速度慢等缺陷,仿真计算结果表明,该方法可以求解具有复杂约束条件的非线性优化问题,算法求解精度高,收敛速度快,从而为水电系统的短期发电计划问题提供了一种有效的方法。     

基于混沌遗传算法的变压器局部放电源点定位新方法

混沌遗传算法是利用混沌引导种群进化的寻求全局最优的优化方法．将混沌遗传算法用于求解局部放电超声定位的优化问题，根据三个超声波传感器所接收到的超声信号与电脉冲信号的时差，快速精确估算出局部放电源点位置及各路超声波信号的等值波速．仿真及实验结果表明：该算法具有很高的精度和实用价值．     

现代重工持续发力中国电气市场

新世纪以来,中国电力市场的高速发展为众多国外电气制造企业创造了机会,他们争先恐后地搭上了中国电力市场＂快车＂。如今,中国发电量更是稳居全球之首,其发展潜力不言而喻。不管是＂先来者＂,还是＂后到者＂,国内外电气企业纷纷凭借日新月异的技术,力争在这场中国电力市场发展大潮中＂分一杯羹＂。现代重工（中国）投资有限公司系韩国现代重工集团在中国的全资子公司,成立于2006年5月,总部位于上海。公司在华业务范围涉及工程机     

无源滤波器多目标优化设计

配电电网装设无源滤波器以补偿无功和抑制谐波的设计中,滤波器的LC参数是一个多约束、非线性的规划问题,其参数优化最为关键。针对目前现有优化设计方法中,假设条件较多、寻优能力不强、寻优速度较慢等问题,利用改进遗传算法的全局寻优能力,提出了一种新的无源滤波器设计方法,即无源滤波器的成本、无功补偿和滤波效果3个目标全局优化。通过适应度函数的阈值制约以及以不同概率进行染色体选择操作,使得种群向3个目标最佳协调点进化;通过混沌算子解决早熟收敛的问题。工程算例的仿真计算表明了应用遗传算法设计滤波方案的优越性和对遗传算法改进的有效性。