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。     

基于改进遗传模拟退火算法的无功优化

针对目前电力系统无功优化算法所存在的问题，提出了一种将遗传算法与模拟退火算法及牛顿下山法相结合的混合求解算法。首先根据个体适应度值进行自适应交叉和变异操作并采用模拟退火进行个体更新，以便增加群的多样性，避免陷入局部最优；然后采用牛顿下山法加快模拟退火部分的求解过程，并采用十进制整数编码和保存最优个体法来提高计算速度和精度。以IEEE 30-bus系统和一某实际电力系统为例对所提出算法的性能和求解精度进行了测试，结果表明改进的混合遗传算法比传统的遗传算法在计算速度和全局收敛方面有了很大提高。     

基于改进免疫遗传算法的无功优化

针对目前电力系统无功优化算法所存在的问题提出了一种改进的免疫遗传算法，该算法把模糊逻辑、模拟退火和免疫算法相结合，根据模糊逻辑获得变化的交叉和变异算子，采用退火免疫方法对抗体进行选择，用免疫算子进行个体更新，从而增加了群的多样性，避免陷入局部最优。同时，还采用十进制整数编码和保存最优个体法来提高计算速度和精度。最后以IEEE 30-bus系统为例对算法的性能和求解精度进行了测试，结果表明本文提出的算法比其他遗传算法在计算速度和全局收敛方面有了很大提高。     

基于免疫遗传算法的小水电配电网无功优化

针对目前应用于电力系统无功优化的智能算法所存在的问题,提出将免疫遗传算法应用于电力系统无功优化问题的措施。免疫遗传算法是将免疫理论和基本遗传算法各自的优点相结合,不仅具有遗传算法的搜索特性,还具有免疫算法的多机制求解多目标函数最优解的自适应特性,对"早熟"问题有所改善,收敛于全局最优。最后,以安康市某区域电力系统为例对算法进行了性能测试,提出了合理的调压措施,结果表明将免疫遗传算法应用于电力系统无功优化问题可以显著降低系统网损,改善电压质量。     

基于改进ICA算法的电力系统无功优化

电力系统无功优化可以提高电能质量、降低网损,预防事故发生和扩大,而现有的无功优化算法容易陷入早熟和局部收敛的不足。提出一种改进帝国竞争算法求解无功优化问题,通过模糊动态聚类分析法对帝国群体进行划分,采用适应度共享技术对联盟国家内各个国家的适应度进行调整,以提高全局寻优能力,有效避免算法早熟现象。选取IEEE 30节点系统进行测试仿真,并将优化结果与遗传算法和传统帝国竞争算法进行对比分析,结果表明改进帝国竞争算法在解决无功优化问题中具有更强的全局搜索能力,能得到更好的收敛效果。     

基于遗传算法的电网无功优化

将遗传算法应用于电力系统无功优化,对遗传算法的编码方式、遗传算子以及中止判据方面做了详细的阐述,建立了基于遗传算法的电力系统无功优化模型,避免了常规数学优化方法的局部最优问题.计算机仿真结果表明,遗传算法能够更好地收敛于全局最优解,能更切合电力系统运行的实际,能有效提高电压质量和降低网损.该算法已应用于某地区无功优化软件,取得了较好的效果.     

基于改进小生境遗传算法的电力系统无功优化

针对电力系统无功优化问题,提出一种改进小生境遗传算法来克服小生境遗传算法中小生境难以确定的不足,改善遗传算法容易陷入局部收敛和早熟的缺点。通过模糊动态聚类分析方法实现小生境群体的划分,然后利用适应度共享技术对小生境内个体适应度进行调整,以提高全局寻优能力。提出和运用隔代小生境共享机制、最优个体邻域搜索及保留策略等以提高算法的计算速度和收敛速度。通过对IEEE 57节点测试系统进行无功优化计算及结果分析,说明所提出算法的全局搜索能力强、效率高,能得到较好的结果。     

免疫遗传算法在无功优化中的应用

将免疫遗传算法用于电力系统无功优化,其特点在于用基因座信息熵和免疫选择机制,提高种群的多样性,增加搜索空间,促进全局最优。通过对IEEE33节点系统的计算,验证了该算法能有效提高无功优化的收敛速度和优化效果。     

基于改进遗传算法的地区电网无功优化

电力系统的无功优化以及无功补偿对于电网的安全、经济运行有着重要意义。无功优化和无功补偿能够降低网损、提高系统稳定性和电压质量。文章考虑电力系统运行的实际,对遗传算法的编码、繁殖、适应度函数以及收敛判据进行改进并提出遗传算法用于电力系统无功优化尚存在的问题。仿真结果表明,这种改进遗传算法能够更好地收敛于全局最优解,能更切合电力系统运行的实际,有效提高电压质量和降低网损。     

基于改进量子遗传算法的电力系统无功优化

提出一种基于改进量子遗传算法的电力系统无功优化方法。该方法借鉴量子计算的一些概念,采用量子比特对控制变量编码,这种编码方式能表示出许多可能的线性叠加态,从而更好地维持种群的多样性。同时利用搜索到的最佳个体信息更新量子门,加快了该方法的收敛速度,采用群体灾变策略防止该方法陷入“早熟”。分别采用线性规划算法、复合形算法、改进禁忌搜索算法、标准遗传算法、自适应遗传算法和该方法对IEEE 6和IEEE 30节点系统进行无功优化,实验结果表明,该方法全局寻优能力强、收敛速度快。     

基于PSO-GA算法的电力系统机组组合研究

机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题,因此求解非常困难。粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域。PSO算法的优势在于操作简单,可调参数少易于实现而又功能强大。该文采用二进制粒子群优化方法解决机组状态组合问题,用遗传算法结合启发式技术解决经济分配问题,并对最小开停机时间及启停费用进行了处理,使得运算速度大大加快。方法的可行性在10台机组系统中检验。模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点。     

无功优化遗传算法中的潮流算法改进研究

分析了潮流计算的数学模型 ,介绍了快速解耦法求解潮流 ,提出了一些改进措施 ,借以避免每次潮流计算都要反复形成第一因子表的缺点 ,采取收敛精度可变的手段 ,可使无功优化计算时间下降 65 %左右     

电力系统经济负荷分配的量子粒子群算法

本文首次将量子粒子群算法用于电力系统经济负荷分配中。该算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解。同时该算法的进化方程中不需要速度向量,而且进化方程的形式更简单,参数较少且容易控制。对两个算例进行仿真测试,证实该算法可有效解决经济负荷分配问题;性能对比显示,该算法求得的解优于已有的改进粒子群算法及其它优化算法所求得的解。本文为量子粒子群算法用于经济负荷分配的实用化研究奠定了必要的理论基础。     

基于混沌遗传混合优化算法的短期负荷环境和经济调度

环境和经济短期负荷调度主要由在调度周期内的最优机组组合和负荷分配组成,该文将优先次序法、遗传算法与混沌优化相结合,以应用到电站机组环境／经济运行优化问题中,在混沌遗传算法中采用递阶基因结构,将控制基因用于机组组合全局粗寻优,参数基因用于负荷分配局部优化, 基因修正与罚函数相结合解决约束问题,采用混沌扰动避免遗传算法早熟,运用基于线性搜索的混沌局部优化方法,加快算法的收敛速度和降低计算时间,优化计算结果可以同时得到最优机组组合及负荷最优分配,为实际调度系统提供了一个良好的方法。     

基于遗传禁忌混合算法的电力系统无功优化

为了使遗传算法(GA)和禁忌搜索算法(TS)的优点被保持,缺点被削弱,提出了电力系统无功优化的遗传禁忌混合算法(GATS);针对电力系统无功优化中控制变量的离散性和连续性相混合的特点,提出了混合编码策略并相应地采用启发式算术进行杂交.用GATS算法对IEEE30节点系统进行了无功优化计算,并就优化结果和简单遗传算法(SGA)及二进制编码的禁忌搜索法(TSB)的优化结果进行了比较,结果表明GATS方法具有更好的收敛性和更强的全局寻优能力.     

基于混合搜索算法的配电网最优无功补偿

针对目前无功优化算法所存在的问题,提出一种综合三种智能优化方法优点于一身的混合搜索算法。该方法在自适应遗传算法基础上,加入二次邻域变异过程,加快遗传进化速度,引导个体向符合无功优化问题的实际方向发展。然后运用模拟退火进行个体更新,以便增加群的多样性;最后将所得最优解作为禁忌搜索的初始解,进行局部寻优求解过程。以IEEE28-bus系统和一实际配电网系统为例进行优化计算,结果表明混合搜索算法具有较优的性能和求解精度。     

A new hybrid approach for the solution of nonconvex economic dispatch problem with valve-point effects

Economic dispatch (ED) generally formulated as convex problem using optimization techniques by approximating generator input/output characteristic curves of monotonically increasing nature results in an inaccurate dispatch. The genetic algorithm has previously been used for the solution of problem for economic dispatch but takes longer time to converge to near optimal results. The hybrid approach is one of the methodologies used to fine tune the near optimal results produced by GA. This paper proposes new hybrid approach to solve the ED problem by using the valve-point effect. The approach we propose combines the genetic algorithm (GA) with active power optimization (APO) based on the Newton's second order approach (NSO). The genetic algorithm acts as a global optimizer giving near optimal generation schedule, which becomes the input for generation buses in APO algorithm. This algorithm acting as local search technique dispatching the generated active power of units for minimization of cost and gives optimum generation schedule. Three machines 6-bus, IEEE 5-machines 14-bus, and IEEE 6-mchines 30-bus systems have been tested for validation of our approach. Results of the proposed scheme compared with results obtained from GA alone give significant improvements in the generation cost showing the promise of the proposed approach.     

Optimal reactive power dispatch based on harmony search algorithm

This paper presents a harmony search algorithm for optimal reactive power dispatch (ORPD) problem. Optimal reactive power dispatch is a mixed integer, nonlinear optimization problem which includes both continuous and discrete control variables. The proposed algorithm is used to find the settings of control variables such as generator voltages, tap positions of tap changing transformers and the amount of reactive compensation devices to optimize a certain object. The objects are power transmission loss, voltage stability and voltage profile which are optimized separately. In the presented method, the inequality constraints are handled by penalty coefficients. The study is implemented on IEEE 30 and 57-bus systems and the results are compared with other evolutionary programs such as simple genetic algorithm (SGA) and particle swarm optimization (PSO) which have been used in the last decade and also other algorithms that have been developed in the recent years.     

Network loss minimization with voltage security using differential evolution

This paper presents a differential evolution (DE) based optimal power flow (OPF) for reactive power dispatch in power system planning studies. DE is a simple population-based search algorithm for global optimization and has a minimum number of control parameters. The problem is formulated as a mixed integer non-linear optimization problem taking into account both continuous and discrete control variables. The proposed method determines control variable settings such as generator voltages (continuous), tap positions (discrete) and the number of shunt reactive compensation devices to be switched (discrete) for real power loss minimization in the transmission system using DE algorithm. Most of the evolutionary algorithm applications to optimization problems apply penalty function approach to handle the inequality constraints, involving penalty coefficients. The correct combination of these coefficients can be determined only by a trial and error basis. In the proposed approach, the inequality constraints are handled by penalty parameterless scheme. Voltage security margin was evaluated using continuation power flow (CPF), to ensure the feasibility of the optimal control variable setting. The suitability of the method was tested on IEEE 14 and IEEE RTS 24-bus systems and results compared with sequential quadratic programming (SQP) method. The DE provides near global solutions comparable to that obtained using SQP.