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。     

基于混沌遗传算法的舰船电力系统故障恢复

为了解决舰船电力系统故障恢复的问题,根据故障恢复快速性的要求提出了一种新的混沌遗传算法,尝试改进遗传算法,采用遗传算法代替混沌优化算法中的"细搜索";同时用混沌优化算法中的"粗搜索"来初始化遗传算法的种群,以保证初始种群含有较丰富的模式,从而增加搜索快速收敛于全局最优解的可能.对典型的模型仿真结果表明,该算法具有更好的收敛性能,有效提高了故障恢复的速度和精度,避免了陷入局部最优的可能.     

基于混沌遗传算法的舰船电力系统故障恢复

为了解决舰船电力系统故障恢复的问题,根据故障恢复快速性的要求提出了一种新的混沌遗传算法,尝试改进遗传算法,采用遗传算法代替混沌优化算法中的"细搜索";同时用混沌优化算法中的"粗搜索"来初始化遗传算法的种群,以保证初始种群含有较丰富的模式,从而增加搜索快速收敛于全局最优解的可能。对典型的模型仿真结果表明,该算法具有更好的收敛性能,有效提高了故障恢复的速度和精度,避免了陷入局部最优的可能。     

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。     

基于混沌人工鱼群算法的输电网规划方法

人工鱼群算法收敛速度快,但存在早熟收敛现象;混沌优化算法具有遍历性、随机性和对初值敏感的特点,虽然全局搜索能力强,但收敛速度慢。大规模输电网规划方法对求解速度的要求越来越高,为此结合人工鱼群算法和混沌优化算法,提出了适用于输电网规划的混沌人工鱼群算法,该算法继承了混沌优化算法特点,使人工鱼群在搜索过程中避免陷入局部极值,同时改进了人工鱼的视野和游动步长,加快了寻优效率。算例结果验证了该算法的可行性。     

基于混沌优化的双种群人工蜂群算法

为提高人工蜂群算法(ABC)的全局搜索能力,加快收敛速度,提出了一种基于混沌优化的双种群人工蜂群算法(BCABC)。算法将种群随机分为2个种群,在子种群中分别采用不同的选择策略,并通过种群间的信息交互,提高算法的收敛速度。在算法陷入局部最优时,利用混沌思想的遍历性产生新解,跳出局部最优,获得最优解。仿真实验结果表明,改进算法在收敛速度和算法精度上都有明显提高。     

基于强引导粒子群与混沌优化的电力系统无功优化

为解决粒子群优化后期搜索速度较缓慢,易陷入局部最优的问题,提出一种基于强引导粒子群与混沌寻优相结合的电力系统无功优化算法,该算法在采用强引导型粒子群的基础上引入混沌优化以进一步提高全局寻优能力,即在粒子群算法的基础上引入强引导思想,在搜索初期,对粒子位置的更新加以引导,减少算法随机性以提高搜索效率。为进一步解决寻优后期粒子可能陷入早熟收敛的问题,利用混沌优化具有"奇异吸引子"的特性,在解空间进一步搜索,两者的结合可以更有效地搜索到全局最优解。通过对某高压配电网的具体计算,最优降损率可以达到14.04%,节点最低电压从0.895 0 p.u.提高到0.995 6 p.u.,结果表明该算法应用在电力系统无功优化领域的可行性和有效性。     

改进的混沌优化算法及其在电力系统负荷分配中的应用研究

为减少现有混沌优化方法在搜索空间内的盲目重复搜索,提高寻优效率,提出了一种改进的混沌优化算法,并用于电力系统经济负荷分配这类复杂、非线性问题的求解中。该算法根据当前寻得的最优解确定精搜索空间,并根据精搜索空间与原空间的比例大小确定各自的搜索概率,并分别以不同的搜索概率同时对原空间和精搜索空间进行混沌搜索。这样即可避免传统混沌优化算法中因过早缩小搜索空间而造成的遗失全局最优解的缺点,又可提高算法的寻优速度。实验结果表明,该方法收敛速度快,寻优效率高,可有效解决电力系统经济负荷分配等复杂的优化问题。     

TS-PSO算法在电力系统无功优化中的应用

为了解决粒子群算法(PSO)局部搜索能力较弱和存在早熟收敛的问题,提出了将禁忌搜索(TS)思想融入到粒子群算法中的混合算法,并将该算法应用到电力系统无功优化中。改进后的算法综合了粒子群算法快速性、随机性和全局收敛的优点,还具有禁忌搜索局部寻优的能力。通过对IEEE-30节点测试系统、铜陵电网实际进行仿真计算,并与其它算法进行比较,结果表明该算法能取得更好的全局最优解,既加快了收敛速度,又提高了收敛精度。     

改进的混沌优化算法及其在电力系统负荷分配中的应用研究

为减少现有混沌优化方法在搜索空间内的盲目重复搜索,提高寻优效率,提出了一种改进的混沌优化算法,并用于电力系统经济负荷分配这类复杂、非线性问题的求解中.该算法根据当前寻得的最优解确定精搜索空间,并根据精搜索空间与原空间的比例大小确定各自的搜索概率,并分别以不同的搜索概率同时对原空间和精搜索空间进行混沌搜索.这样即可避免传统混沌优化算法中因过早缩小搜索空间而造成的遗失全局最优解的缺点,又可提高算法的寻优速度.实验结果表明,该方法收敛速度快,寻优效率高,可有效解决电力系统经济负荷分配等复杂的优化问题.     

基于混沌免疫接种粒子群算法的电力系统多目标无功优化

针对基本粒子群优化算法的收敛性能受初始粒子分布影响较大的问题,应用混沌优化理论具有遍历性的突出优点和人工免疫系统中接种疫苗的方法,即混沌免疫接种粒子群优化算法,将该方法应用于电力系统多目标无功优化模型求解.混沌免疫接种粒子群算法是采用混沌优化生成初始粒子即无功优化控制变量值,并选择其中较优的粒子作为初始粒子群,改善了随...     

Reactive Power Optimization Using Hybrid CABC-DE Algorithm

Reactive power optimization is closely related to voltage quality and network loss, and it has great significance for the safety, reliability, and economical operation of the power system. Differential evolution (DE) algorithm has been currently applied to reactive power optimization. In order to mitigate the shortcomings of poor local search ability and premature convergence in DE, this paper presents a novel hybrid algorithm–chaotic artificial bee colony differential evolution (CABC-DE) algorithm, which improves the DE algorithm based on artificial bee colony algorithm and ideas of chaotic search. It introduces the observation bees' acceleration operation and the detective bees' chaotic search operation into CABC-DE. The validity of the proposed method is examined using IEEE-14 and IEEE-30 bus system. The experimental results show that CABC-DE algorithm is more effective than regular DE algorithm for reactive power optimization. The algorithm can save the search time greatly and get a better solution for optimization, thus making it suitable for solving reactive power optimization problems.     

An adaptive chaotic artificial bee colony algorithm for short-term hydrothermal generation scheduling

Short-term hydrothermal scheduling (SHS) is a complicated nonlinear optimization problem with a set of constraints, which plays an important role in power system operations. In this paper, we propose to use an adaptive chaotic artificial bee colony (ACABC) algorithm to solve the SHS problem. In the proposed method, chaotic search is applied to help the artificial bee colony (ABC) algorithm to escape from a local optimum effectively. Furthermore, an adaptive coordinating mechanism of modification rate in employed bee phase is introduced to increase the ability of the algorithm to avoid premature convergence. Moreover, a new constraint handling method is combined with the ABC algorithm in order to solve the equality coupling constraints. We used a hydrothermal test system to demonstrate the effectiveness of the proposed method. The numerical results obtained by ACABC are compared with those obtained by the adaptive ABC algorithm (AABC), the chaotic ABC algorithm (CABC) and other methods mentioned in literature. The simulation results indicate that the proposed method outperforms those established optimization algorithms.     

改进免疫聚类算法的变压器故障诊断研究

电力变压器是电力系统中的最关键的设备之一,一旦其发生故障,必然会带来巨大的经济损失。本文分析了模糊C均值、免疫算法、混沌优化算法应用于变压器故障诊断的应用现状,提出了基于灰色关联度的免疫模糊聚类算法。在算法中,将故障样本间的灰色关联度和模糊聚类目标函数作为个体亲和度的函数的参数,混沌变异采用柯西变异算子,使得较大概率的搜索广大空间成为可能,从而产生较大变异,这样不易陷入局部最优点,从而保持种群的多样性。实验结果表明,采用所提方法使变压器故障诊断的准确率达到90%以上,该算法不仅有效的克服了传统的FCM聚类算法易陷入局部最小值的缺点,又能有效的抑制免疫进化过程中产生的"退化"现象。     

电力市场中最优潮流模型及算法研究

对传统最优潮流模型做了改进,提出了基于模糊理论和多目标优化理论的最优潮流模型,综合考虑了网损量最小和有功、无功购电费用最低3个目标;将免疫克隆算法和变尺度混沌搜索方法有机地结合起来,形成了免疫克隆混沌优化算法,并应用于改进最优潮流模型的求解。用IEEE 14节点算例进行了仿真分析,结果表明改进最优潮流模型有效,采用免疫克隆混沌算法对改进最优潮流模型求解是可行和高效的。     

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。     

基于改进型SVR的电网短期负荷预测

常规的支持向量回归预测模型（SVR）预测算法采用人工经验的方法对RBF核函数参数、不敏感系数和惩罚系数等参数进行选取,其性能会因随机选取的参数而变得随机和不确定。人工鱼群算法的初始参数会对整个算法的优化性能产生较大影响,将粒子群优化算法和混沌机制引入常规人工鱼群算法,对其进行改进,可以提高种群多样性和全局寻优能力,避免优化算法陷入局部最优解。通过实验方法对改进型人工鱼群优化SVR预测模型的性能进行分析。结果表明,所研究的短期负荷预测精度较高,具有较好的工程应用价值。