基于混沌优化与线性内点法的最优潮流算法

求解最优潮流是一项基本而重要的工作，文中将混沌优化与线性内点法相结合，提出了一种新的混合优化算法，并应用该方法进行电力系统最优潮流的计算。混沌优化方法利用混沌运动特定的内在遍历性、随机性和规律性等特点跳出局部最优点，接近最优点；同时，利用预测-校正原-对偶内点法在最优点的邻域内局部寻优，提高了收敛速度和求解精度。通过对IEEE 14、30和57节点试验电力系统的数值计算，验证了算法的有效性。     

基于混沌优化算法的电力系统无功优化

混沌优化利用混沌变量的特定内在随机性和遍历性来跳出局部最优点 ,而线性搜索可以提高局部空间的搜索速度和精度。本文将基于线性搜索的混沌优化算法用于电力系统无功优化。应用该算法对IEEE6、1 4、30节点系统进行了无功优化计算 ,结果表明该算法是正确可行的     

基于混沌优化算法的电力系统无功优化

混沌优化利用混沌变量的特定内在随机性和遍历性来跳出局部最优点,而线性搜索可以提高局部空间的搜索速度和精度.本文将基于线性搜索的混沌优化算法用于电力系统无功优化.应用该算法对IEEE6、14、30节点系统进行了无功优化计算,结果表明该算法是正确可行的.     

基于混沌内点法的可用输电能力计算

针对目前电力系统可用输电能力计算收敛速度慢、易早熟的问题,提出了一种将混沌优化与跟踪中心轨迹内点法相结合的混合求解算法。该算法利用混沌优化所具有的遍历性、随机性和规律性等特点跳出局部最优点,接近全局最优点;同时,利用跟踪中心轨迹内点法在最优点的邻域内局部寻优,从而达到全局寻优与局部寻优相结合。利用IEEE30节点测试系...     

基于人工免疫算法的电力系统最优潮流计算

基于一阶或二阶梯度的优化算法在计算电力系统最优潮流时经常陷入局部最优点，模拟进化算法具有较好的全局搜索能力，但是有时也由于过早成熟的现象而陷入局部最优点，文中提出了一种计算电力系统最优潮流的新算法－人工免疫算法，该算法是根据人或其他高等动物免疫系统的机理而设计的，将目标函数和一部分不等式约束条件作为抗原，将搜索空间的解作为抗体，依据抗原与抗体的结合力以及抗体之间的结合力对解进行评价和选择，通过抗体之间的相互激励作用提高了最优点附近的搜索效率，通过记忆细胞对抗体的抑制作用有效地摆脱局部最优点，应用此算法进行电力系统最优潮流计算，对IEEE30节点系统的计算结果说明了该算法的有效性。     

混沌模拟退火算法在无功优化中的应用

为了更有效地改进处理无功优化问题的方法,提出了混沌模拟退火(CSA)算法,该算法是一种基于混沌变量的改进模拟退火算法,结合了混沌算法的全局遍历性和模拟退火算法的启发式规则,在模拟退火算法的搜索过程中加入了混沌算法的优点。利用混沌算法确定算法的初始温度,有效地减小了搜索空间,同时利用混沌算法确定模拟退火算法中的扰动准则,使算法有效跳出局部最优解。最后将混沌模拟退火算法应用于电力系统无功优化中,通过对IEEE 6和IEEE 30节点以及实际129节点系统的仿真验证了该算法应用的有效性。     

基于混沌优化的含风电场的最优潮流计算

通过建立简化异步风电机的等效稳态模型,将风电机的滑差引入到基本参数的计算,提出基于混沌优化算法的包含风电场的最优潮流计算。此方法利用混沌运动特定的遍历性、随机性等跳出局部最优点,接近最优解,从而提高了求解精发。经MATLAB编程对IEEE14、IEEE39、IEEE118节点系统进行测试,不同风速时计算结果表明,能得到更接近实际的最优解,验证了该算法的有效性和实用性。     

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.     

电力系统经济负荷分配的人工免疫混沌优化算法

提出了一种用于求解复杂电力系统经济负荷分配问题的新的人工免疫混沌优化算法，该算法融合了人工免疫算法极强的全局搜索能力以及混沌优化方法适合局部搜索的特点。在优化过程中，人工免疫算法通过克隆选择、克隆扩增和高频变异形成记忆细胞，并将其作为最优解的近似解，然后按混沌运动规律在近似解的邻域内进行局部搜索，进而获得精确的最优解。多个算例仿真结果表明，所提出的算法能够有效地解决经济负荷分配问题。     

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。     

电力系统NP难问题全局优化算法的研究

通过对现有的NP难问题求解方法的分析,结合非确定性图灵机理论,提出基于随机化技术的方法是求解NP难及NP完全问题惟一有效途径的猜想。在现有的随机化方法中具有多点搜索特性的遗传算法具有最强的全局搜索能力,其局部精细寻优能力差的缺陷应通过专门的局部优化算法来补偿,即利用具体问题的特点开发面向问题的遗传算法。提出了开发新的高效全局优化算法的指导思想：多点随机化全局搜索策略 面向问题的局部寻优算法=最有效的全局优化算法。     

日有功负荷多目标模糊优化分配模型

提出了一个综合多个目标的日有功负荷分配集中优化模型,用模糊集理论将多目标函数模糊化,然后用量大最小法将多目标问题转化为单目标非线性规划问题,从而用原－对偶路径内点算法求解,算例仿真结果表明,该模型与坤生优化模型相比,在各个单目标值轻微空的情况下,使多目标值综合考虑效果更好。     

电力系统无功优化规划的进化策略法

无功优化规划是一个复杂的混合优化问题,传统方法较难获得全局最优解。文中提出了求解电力系统无功优化规划的进化策略方法。该方法通过对不同类型的变量采用不同的变异函数,使得进化策略方法可以解决组合优化问题,对优化问题无可导性要求,对初始点无特殊要求,获得全局最优解的概率大。以IEEE-9节点系统为例进行无功优化规划计算,结果表明此算法是可行的。     

主配电馈线上固定电容器和可调电容器的最佳配置

研究了在主配电馈线上安装固定和可调并联电容器的优化配置问题,以减少功率与功能损耗,从而取得最佳净经济节约价值。提出的基于优化技术的通用计算程序可求解最佳固定和可调电容器组容量、最佳安装位置、最佳投切时间。该模型适应不均匀馈电线上实际的无功负荷分配。数字实例说明了代表性的实际主配电馈线上无功优化配置的经济节约价值。     

求解离散无功优化的非线性原-对偶内点算法

针对无功优化计算中离散变量和连续变量共存问题,提出用直接非线性原一对偶内点法内嵌罚函数的新算法。通过对几个不同规模试验系统计算分析,并与Tabu搜索法求得的结果比较,证明了该方法是有效的,而且在计算速度、收敛性和优化精度上都优于Tabu搜索法。这使内点法在解决非线性混合整数规划无功优化的有效性和实用性方面更进了一步。     

基于非仿射非线性模型的静止无功补偿控制器设计

对于含静止无功补偿器的单机无穷大系统建立了非仿射非线性模型。然后根据多变量控制的逆系统方法,设计了基于非线性反馈线性化和线性二次型最优控制规律的控制器。最后通过仿真结果说明了所设计控制器的有效性。     

电力市场环境下的发电机组检修计划

提出了一种基于Benders分解法的优化方法,以解决电力市场下的长期发电机组检修计划问题。该优化模型以总费用最小为目标函数,约束条件包括检修约束和系统可靠性约束。应用此方法对IEEE-RBTS系统进行了计算,结果表明了该方法的正确性和有效性。     

混沌神经网络在DTC系统中的转速辨识

针对BP神经网络易陷入局部极小值的缺点,提出了混沌神经网络的学习算法。利用混沌的遍历性和随机性,采用混沌变量全局粗搜索与混沌变量局部细搜索相结合,得到神经网络权值的全局最优值。利用该算法对直接转矩控制(DTC)系统进行转速辨识,仿真结果表明用混沌优化BP神经网络的速度辨识器不仅具有较好的跟踪能力,还提高了运算效率,使系统具有良好的静动态性能。     

基于市场报价的阻塞管理模型及内点法实现

提出了一种电力市场下解决阻塞问题的新方法,它可以根据市场报价同时调整实时平衡市场下的发电机出力和削减部分短期双边合同量。建立了阻塞管理的非线性数学模型,应用改造的非线性原对偶内点法最优潮流求解以上模型,计算出的节点实时电价体现了如何在各用户中分摊阻塞管理费用。算例表明,该方法可以根据市场参与者的报价得到最优的调度方案,利用节点电价指导用户调整用电计划,从而有效地解决了阻塞问题。