基于改进遗传算法的配电网网架规划

针对传统的遗传算法在求解过程中出现收敛速度慢、早熟现象等问题,引入单亲遗传算法;以网架线路年综合费用最小为优化目标建立配电网网架规划的数学模型,运用改进的单亲遗传算法消除了常规遗传算法中对网络可行性破坏严重的双亲交叉算子,同时针对单亲遗传算法在染色体选择、基因操作、收敛准则等方面的不足,采用最优保留策略和两两竞争相结合的染色体选择方法,以及最优个体的最少保留代数为收敛准则,提高了算法的局部搜索效率和全局优化能力,求得模型优化解;仿真算例验证了该方法的可行性和有效性。     

PGA在电力系统电源规划中的应用

目前,遗传算法作为一种基于人工智能技术的优化算法在电力系统电源规划中已经得到广泛应用.然而其遗传操作繁杂、计算量庞大、早熟收敛等问题使其应用受到局限.本文提出一种自然分段式编码成功地将单亲遗传算法PGA引入电源规划中,通过使用该方法可以大大简化电源规划的计算量、避免早熟收敛、提高计算效率.算例结果表明:该算法可以成功解决包含各种类型电源的规划问题,并且还有广阔的发展空间.     

PGA在电力系统电源规划中的应用

目前,遗传算法作为一种基于人工智能技术的优化算法在电力系统电源规划中已经得到广泛应用。然而其遗传操作繁杂、计算量庞大、早熟收敛等问题使其应用受到局限。本文提出一种自然分段式编码成功地将单亲遗传算法PGA引入电源规划中,通过使用该方法可以大大简化电源规划的计算量、避免早熟收敛、提高计算效率。算例结果表明:该算法可以成功解决包含各种类型电源的规划问题,并且还有广阔的发展空间。     

PGA在水火电混合系统电源规划中的应用

目前，遗传算法作为一种基于人工智能技术的优化算法在电力系统电源规划中已经得到广泛应用。然而，其遗传操作繁杂，计算量庞大，早熟收敛等问题使其应用受到局限。本文提出一种自然分段式编码，成功地将单亲遗传算法PGA引入水火电混合系统电源规划中，通过使用该方法可以大大简化电源规划的计算量，避免早熟收敛，提高计算效率。算例结果表明：该算法可以成功解决包含各种类型电源的规划问题，并且还有广阔的发展空间。     

基于遗传算法的电力市场环境下电源规划的研究

通过对电力市场条件下电力系统电源规划的研究,提出了市场环境下的电源规划模型和算法,该模型以传统电源规划为基础,在体现可靠性与经济性综合运筹的同时兼顾了可持续发展问题。该模型采用Grefenstette编码的遗传算法进行求解,在求解过程中对简单遗传算法的算子进行了部分改进,不仅能可靠获得全局最优解和次优解,而且加大了求解规模与速度。给出的算例和结果表明该文提出的模型和算法均合理有效。     

基于C-PSO的水火电混合电力系统电源规划

提出了一种粒子群算法与遗传算法结合的组合粒子群算法,并将其用于求解复杂的、非线性的水火电混合电力系统电源规划问题.该结合算法引入的遗传算法成功地提高了基本粒子群算法的全局搜索能力,同时也比基本遗传算法的收敛速度更快.算例结果表明:对于短期规划,该算法能可靠、快速地收敛到全局最优解,对于大型电力系统的中长期电源规划问题也可得到较好解.     

基于树形结构编码单亲遗传算法的配电网优化规划

在给出二叉树结构编码遗传算法在收敛性方面的结论可以推广到树形结构编码遗传算法中去的理由后,提出树形结构编码单亲遗传算法及移位、重分配等结构编码遗传操作算子,并将其应用于求解配电网规划问题.结合Prim算法产生初始种群,获得比完全随机产生的配电网络更优的初始方案.充分利用树形结构基因编码优点,优化过程中无需解码;充分利用单亲遗传算法的优点,优化过程中配电网络始终自然呈辐射状,无需辐射性及连通性检验.讨论了馈线线径确定、交叉点处理以及进行扩展规划等的方法.通过算例验证了该方法的快速性和有效性.并在结论部分对树形结构编码单亲遗传算法进行了完善,提出了该算法的变异算子.     

基于C-PSO的水火电混合电力系统电源规划

提出了一种粒子群算法与遗传算法结合的组合粒子群算法,并将其用于求解复杂的、非线性的水火电混合电力系统电源规划问题。该结合算法引入的遗传算法成功地提高了基本粒子群算法的全局搜索能力,同时也比基本遗传算法的收敛速度更快。算例结果表明:对于短期规划,该算法能可靠、快速地收敛到全局最优解,对于大型电力系统的中长期电源规划问题也可得到较好解。     

基于交换-单亲遗传算法的配电网优化重构研究

介绍了配电网的特点,阐述了单亲遗传算法的基本原理,采用交换算子代替单亲遗传算法中的倒位算子、移位算子和突变算子,构建交换-单亲遗传算法.采用了配电网可靠性测试系统对交换-单亲遗传算法进行仿真分析,与常规单亲遗传算法进行相比,交换-单亲遗传算在算速度更快,重构得到的配电网供电可靠率更高.     

量子进化算法在输电网扩展规划中的应用

量子进化算法是一种基于量子计算概念且具有量子染色体形式的进化算法,由于计算中融入了当前最优解的信息,同时采用全干扰交叉操作克服早熟现象,因此该算法具有更快的收敛速度和全局寻优能力.输电网扩展规划是复杂的大规模非线性组合优化问题.文章提出一种基于量子进化算法的电力系统输电网扩展规划模型,并对算法参数进行优化,提出了较适合本文研究问题的旋转门的旋转角取值.算例结果表明,该模型可靠有效,加入特殊算子改进后,可进一步提高计算精度和运算速度.     

基于遗传算法的电力系统电源规划模型

提出一种基于遗传算法的电力系统电源规划模型。模型提出的动态模板十进制编码法,成功地解决了电源规划中遗传算法的染色体编码问题,从而使本模型能容易地计及电源中需考虑的各种因素。     

基于遗传算法发电规划的BOT电厂成本效益分析

分析了电力市场发展中ＢＯＴ（ｂｕｉｌｄ ｏｐｅｒａｔｅ ｔｒａｎｓｆｅｒ）形成私有发电厂对系统规划和运行的影响,并且基于发电扩展规划,提出了ＢＯＴ电厂的成本效益分析模型。为了较好地处理ＢＯＴ电厂的附加约束,而且更有效地求解发电规划问题,提出了一个基于遗传算法的发电规划方法,通过对一个实际系统的测试表明,所提出的方法可行、有效。     

Development of an analytical model for generation expansion planning as a tool to provide guidelines for preventing instability in the long‐term electricity market

This paper considers the problem of deciding multiperiod investments for generation expansion planning (GEP) in restructured power systems. This problem has presented a challenge for both market managers and suppliers regarding the stability in the electricity market and minimum income for suppliers over the planning period. In this paper, an analytical model for studying the GEP problem from the viewpoint of a central management entity is presented. The aim of this method is to establish a dynamic balance between energy supply and demand by adjustment of GEP over the horizon of planning so that not only the expected profit is provided for all new generating plants but the long‐term stability in the electricity market is also improved. This analytical model can be utilized by regulatory bodies to obtain some guidelines and thereby to set their policies for improving GEP and preventing instability in the long‐term electricity market. To do so, in this study, the uncertainties of demand and supply have been modeled through two stochastic processes. Furthermore, the market price dynamics and their mutual effects on the GEP's results have been considered. Finally, this nonlinear dynamic optimization problem is solved using a modified genetic algorithm (GA). The efficiency and ability of the proposed method are examined on a test power system. © 2011 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

An improved genetic algorithm for generation expansion planning

This paper presents a development of an improved genetic algorithm (IGA) and its application to a least-cost generation expansion planning (GEP) problem. Least-cost GEP problem is concerned with a highly constrained nonlinear dynamic optimization problem that can only be fully solved by complete enumeration, a process which is computationally impossible in a real-world GEP problem. In this paper, an improved genetic algorithm incorporating a stochastic crossover technique and an artificial initial population scheme is developed to provide a faster search mechanism. The main advantage of the IGA approach is that the “curse of dimensionality” and a local optimal trap inherent in mathematical programming methods can be simultaneously overcome. The IGA approach is applied to two test systems, one with 15 existing power plants, 5 types of candidate plants and a 14-year planning period, and the other, a practical long-term system with a 24-year planning period     

改进的遗传算法在中期发电规划中的应用

给出了发电扩展规划的基本数学模型。为了满足日益严峻的电网调峰问题,在发电扩展规划模型中引入了峰谷差约束,然后讨论了应用于发电扩展规划的简单遗传算法的交叉和变异因子固定不变和有时进化缓慢的缺点。提出了一种改进的遗传算法。该算法能根据父代群体的进化质量动态地调整交叉和遗传因子,使进化群体始终探测新的超平面并获得新的最优个体,能克服过早收敛,也不易陷入局部最优解,从而有效地改善了算法收敛速度和最好解。最后给出了上海市2000－2007年的中期发电扩展规划的实际算例,分别用简单遗传算法和改进遗传算法进行了计算。计算结果表明,改进的遗传算法由于能自动调整遗传因子,在进化过程中能激励所有个体协作共同度过进化停滞期而能获得较优解。     

低碳经济下的电源规划研究

从政策因素、技术因素和市场因素3方面探讨了碳经济对电源规划的影响,建立了评估电源规划的碳经济指标;并将该指标引入传统的电源规划模型,建立了低碳经济下的电源规划模型。通过仿真研究,分析了碳经济指标引入前后的电源规划方案。仿真结果表明,低碳经济下的电源规划能够有效引导能源结构调整,实现CO2减排,符合当今能源发展趋势和低碳经济要求。     

改进免疫算法在电力系统电源规划中的应用

目前,遗传算法作为一种基于人工智能技术的优化算法在电力系统的电源规划中已经得到广泛应用,然而其遗传操作繁杂、计算量大,易产生退化、早熟等问题使其应用受到局限.文章提出一种基于自然分段式编码的改进免疫算法(Modified Immune Algorithm,MIA),使用该方法可以大大减少电源规划的计算量,提高计算效率,并可充分利用特征信息灵活求解.该算法具有全局多峰搜索能力以及优异的收敛特性,同时可避免退化、早熟等问题的发生.算例结果表明,该算法可以较好地求解电源规划问题,并且具有广阔的发展空间.     

电源规划模型及求解方法研究综述

对传统的电源规划模型结合需求侧管理、考虑环境保护和电力市场环境下的电源规划模型进行了详细的研究,总结了实施需求侧管理、环境保护对电源规划的影响和电力市场改革对电源规划的新要求,分析了各种模型中电源规划目标函数和考虑约束条件的不同。然后将电源规划问题所采用的求解方法主要分为数学优化方法和人工智能方法进行归纳,包括动态优化法、混合整数规划法、专家系统、模糊理论、遗传算法和人工神经网络等,对比了各种方法的优缺点。最后阐述了当前电源规划过程中尚待深入研究的问题。     

NSGA-II algorithm for multi-objective generation expansion planning problem

This paper presents an application of Elitist Non-dominated Sorting Genetic Algorithm version II (NSGA-II), to multi-objective generation expansion planning (GEP) problem. The GEP problem is considered as a two-objective problem. The first objective is the minimization of investment cost and the second objective is the minimization of outage cost (or maximization of reliability). To improve the performance of NSGA-II, two modifications are proposed. One modification is incorporation of Virtual Mapping Procedure (VMP), and the other is introduction of controlled elitism in NSGA-II. A synthetic test system having 5 types of candidate units is considered here for GEP for a 6-year planning horizon. The effectiveness of the proposed modifications is illustrated in detail.