基于蚁群算法的制冷机组调度与优化

本文详细分析了遗传算法和蚁群算法特点,提出了一种蚁群混合遗传算法求解制冷机组优化调度问题的新算法,算法思想是在制冷机组调度的前阶段利用遗传算法群体性全局搜索能力,快速形成初始解,在满足终止遗传算法的条件之后,将遗传算法调度的较优解转化为蚁群算法所需要的初期信息素,然后利用蚁群算法所具有的正反馈性、高效等特点迅速地形成制冷机组调度的最优解。这种新算法的优点在于很好的避免了遗传算法后期搜索速度变慢,容易过快收敛和蚁群算法前期生成初始最优解较慢的缺点,从而提高了算法的整体性能。     

遗传模拟退火算法在圆筒型直线感应电机优化设计中的应用

本文采用遗传模拟退火算法对圆筒型直线感应电机进行优化设计。该优化算法把模拟退火算法结合进遗传算法中，这样在保证获得较好的全局搜索能力的同时，又加快了遗传算法在峰值附近的收敛，提高了遗传算法的效率。     

遗传算法在前向神经网络参数估计中的应用

人工神经网络在很多领域有着成功的应用,神经网络参数估计有许多训练算法,BP算法是前向多层神经网络的典型算法,但BP算法有时会陷入局部最小解,遗传算法是一种随机优化技术,它可以发现全局优解。本文介绍了遗传算法在前向多层神经网络参数估计中的应用,并对标准遗传算法进行了适当的改进。结合具体例子给出了算法实现的操作步骤和实验结果。实验数据表明采用遗传算法得到的神经网络参数是最优的,神经网络的性能优于基于BP算法的神经网络性能。     

遗传模拟退火算法在圆筒型直线感应电机优化设计中的应用

本文采用遗传模拟退火算法对圆筒型直线感应电机进行优化设计。该优化算法把模拟退火算法结合进遗传算法中,这样在保证获得较好的全局搜索能力的同时,又加快了遗传算法在峰值附近的收敛,提高了遗传算法的效率。     

基于稳定参数控制的改进遗传算法在配电网络规划中的应用

提出一种基于稳定参数控制的改进遗传算法.该算法不仅保持了种群多样性,而且通过突变算子引入了新的搜索空间,使算法更容易找到全局最优区域,缩短了传统遗传算法要跳出局部最优区域所消耗的迭代时间.将该算法应用于重庆某10kV辐射状配电网络规划,结果表明该算法在收敛性能和搜索能力上比其他遗传算法有较大提高,在全局寻优性能上也优于其它遗传算法.     

考虑进化稳定的多种群遗传算法在配电网规划中的应用

提出了考虑进化稳定策略的改进多种群遗传算法并将其应用于配电网规划。该算法不仅保持了多种群遗传算法的多目标性,而且通过引入突变算子使算法更容易找到全局最优区域,缩短了传统多种群遗传算法要跳出局部最优区域所消耗的迭代时间。算例结果表明该算法在收敛性能和搜索能力方面比其他遗传算法有较大提高,在全局寻优性能上也优于其他遗传算法。     

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。     

遗传算法在水库（群）优化调度研究中的应用综述

介绍了遗传算法在水库（群）优化调度中的应用背景及算法的收敛性，讨论了水库（群）优化调度中遗传算法的基本应用步骤以及存在的问题，给出了算法的各种改进方法，并对遗传算法的应用前景进行了展望。     

基于遗传位爬山混合算法的电力系统无功优化

针对电力系统无功优化中遗传算法收敛慢、计算效率低且易于陷入局部最优解等问题,提出了将遗传算法与位爬山算法相结合的混合算法,并在遗传算法中采用排序选择方式进行个体选择操作,以更好地保持群体的多样性,避免了陷入局部最优解;通过交叉、变异等遗传操作,在满足终止判定准则的条件下,将遗传算法得到的结果作为位爬山算法的初值进行位爬山操作,改善了遗传算法的计算效率。以IEEE30节点系统为例对该混合算法的性能进行了仿真,仿真结果验证了该混合算法的有效性和可行性。     

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。     

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。     

基于改进遗传算法的配电网无功优化

针对传统遗传算法在电网无功优化领域应用中存在的不足,结合配电网的特征,建立了综合考虑全年网损、电压品质和补偿设备投资的无功优化数学模型。同时应用自适应遗传算法对传统遗传算法的遗传算子和终止判据等进行了改进,提出了一种配电网无功优化的改进遗传算法,使其计算效率和全局寻优能力均有提高。实例计算表明,其优化效果优于传统遗传算法。     

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。     

A genetic algorithm solution to the optimal short-term hydrothermal scheduling

This paper presents an algorithm for solving the hydrothermal scheduling through the application of genetic algorithm (GA). The hydro subproblem is solved using GA and the thermal subproblem is solved using lambda iteration technique. Hydro and thermal subproblems are solved alternatively. GA based optimal power flow (OPF) including line losses and line flow constraints are applied for the best hydrothermal schedule obtained from GA. A 9-bus system with four thermal plants and three hydro plants and a 66-bus system with 12 thermal plants and 11 hydro plants are taken for investigation. This proposed GA reduces the complexity, computation time and also gives near global optimum solution.     

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。     

基于遗传算法—模糊径向基神经网络的光伏发电功率预测模型

针对光伏发电系统出力波动问题,提出遗传算法(GA)—模糊径向基(RBF)神经网络的光伏发电功率预测模型,将功率预测值应用于光伏发电的蓄电池储能功率调节系统,以降低对电网的冲击。选择与待预测日天气类型相同、日期相近、温度欧氏距离最小的历史日作为相似日,把与光伏发电功率相关性大的太阳辐射强度和温度作为模型输入变量,提出K均值聚类和遗传算法的参数优化方法,建立基于GA—模糊RBF神经网络的最终预测模型。在光伏功率预测的基础上,提出一种平滑控制策略,对光伏并网功率进行有效调节,从而达到平滑光伏功率波动的目的。实例证明,所述预测模型具有较高精度,并验证了平滑功率波动控制策略的有效性。     

实时无功优化调度中的邻域搜索改进遗传算法

为了避免遗传算法的早熟收敛及改善其收敛性能，提出了电力系统最优无功调度和电压控制的一种改进遗传算法。算法中采用了分组整数编码技术和锦标赛选择机制；结合十进制整数编码的特点，提出了邻近变异的操作算子，避免了二进制编码中的海明悬崖(Hamming cliffs)；在遗传迭代结束后再引入邻域搜索技术，以极短的时间完成搜索。将此算法应用在海南电网的实时无功优化调度中，结果表明该算法能迅速获得全局优化解，具有很好的全局收敛性能，能满足电力系统无功优化实时调度的要求。     

面向对象编程技术在配电网规划中的应用

面向对象编程是确保大型系统分析和应用软件易于维护、升级和移植的有效方法，简述了面向对象（Object-Oriented)的软件设计思想，讨论了面向对象编程中的几项核技术，并将其引入配电网规划的仿真设计中。结合实际配电网规划模型，给出了基于遗传算法的配电网规划求 流程，定义了遗传算法、配电网潮流算法等相应的算法类及配电网元件类，提出了基于友元机制等在类的实例对象之间交互信息的有效方法。工程应用验证了此方法的有效性。     

基于人工鱼群算法的电力系统无功优化

尝试将人工鱼群算法(AFSA)用于电力系统无功优化,建立了相应的优化模型,对IEEE6、IEEE14节点系统及某地区实际电力系统进行了无功优化计算,并与遗传算法(GA)、改进Tabu搜索算法(MTSA)进行了比较,结果表明AFSA鲁棒性强,全局收敛性好,用于电力系统无功优化计算是有效、可行的。     

基于遗传算法的直流电机风力发电系统最优励磁控制技术

针对风力发电系统发电机转速波动较频繁，难于同时对电压和频率的稳定性实施控制等特点，结合直流发电机的工作特性，提出了基于直流发电机的风力发电系统控制技术。采用基于遗传算法的最优励磁控制技术对发电机的励磁实施控制，使发电机获得了稳定的输出电压。从理论上分析了直流风力发电系统的可行性及其特点，重点分析和研究了基于遗传算法的直流风力发电机组最优励磁控制技术在稳定输出电压方面的性能，运用Matlab对该系统进行了仿真，并用直流电动机作原动机，通过调节电动机的转速模拟风速变化引起的风力机转速变化。在电力系统动态模拟试验室中进行了大量实验，通过比较和分析获取的数据和仿真结果，进一步验证了该方法的正确性和可行性。