遗传算法在电力市场下有功安全校正中的应用

提出了一种基于遗传算法的电力市场下的有功安全校正方法。在电力市场下进行有功安全校正就是适当调整电力系统的运行方式，以最小的市场购电费用增量来消除支路有功过载。给出了在电力市场下进行有功安全校正的数学模型，叙述了遗传算法的基本原理和应用步骤，指出编码方法、适应度函数的选择和遗传算子的设计是应用遗传算法所要解决的关键问题并介绍了对以上问题的处理方法。通过对ieee_9节点算例进行有功安全校正计算，结果表明这种方法是可行的。最后指出了单独使用遗传算法的不足之处。     

电力市场下有功经济安全校正模型及求解策略

在电力市场环境下，有功安全校正必须在确保系统安全的同时，以经济最优为目标，同时体现市场竞争的公平性。分析表明，传统的有功安全校正模型难以适应所有的市场模式和市场规则。在对传统模型的合理性进行分析的基础上，指出了电力市场环境下构造经济安全校正模型的原则，并建立了4类模型。对其中的典型模型的求解策略进行了研究，并设计了新算法。该算法已在实际系统中得到应用，算法效率可以满足实际应用的需要。     

基于改进自适应遗传算法的电力变压器优化设计

结合电力变压器设计特点对遗传算法的交叉率和变异率参数以及适应度函数等方面进行研究,改进了自适应遗传算法．应用经典数学函数验证表明该算法具有较高的全局寻优效率。同时给出了单目标和多目标的电力变压器优化设计的实例,应用结果表明,改进自适应遗传算法对电力变压器的优化设计效果明显,     

电力市场环境下的无功优化控制

电力市场下无功优化控制是保证电能交易顺利进行的一个重要条件,以电网有功网损最小为目标,提出了一种应用于无功优化控制的改进遗传算法,通过对算例的计算分析表明,该算法具有较高的精度和收敛度。     

面向电力市场的梯级水电站联合优化调度研究

分析了电力市场环境下梯级水电站优化调度的特点,提出了面向电力市场的梯级水电站联合优化调度模型;对遗传算法进行了改进,提出了基于改进遗传算法模型求解的方法。工程实例证明,该方法科学可行,对电力市场环境下梯级水电站运行调度有较高的参考价值。     

遗传算法在电网日交易计划中的应用研究

研究探讨了利用遗传算法解决我国电网在未来电力市场环境下的日交易计划问题,针对我国正在建设的电力市场,构造了以购电费用最小为目标的数学模型。针对购电计划的特点,采用了冗余度检查和越限检查。利用遗传算法求解该数学模型,并针对遗传算法的具体应用,对初始种群的生成、选择操作、变异操作等做了改进,提高了计算速度和局部搜索能力。     

电力市场下基于改进遗传算法的AGC机组的选择

针对电力市场下参与竞标的各自动发电控制（AGC）机组的选择问题,提出了一种基于实数和二进制数混合编码、个体分段交叉变异的改进遗传算法。该算法采用实数模拟AGC机组的调节容量,无需解码,具有较高的收敛精度,同时采用二进制编码模拟AGC机组中标状态,充分利用了两种编码方式的优点;对群体中的个体采用了轮盘赌选择,并按容量段、状态段分别进行交叉、变异的遗传操作方法,较好地解决了电力市场下AGC机组选择这一0—1混合整数非线性规划问题。最后通过对某省实际电网的算例分析,验证了该算法的可行性。     

基于改进遗传算法的电容器优化配置

提出一种改进的遗传算法,应用到配电网的固定电容器与可投切电容器最优容量的配置与安装位置的选择中。在算法中将电容器的安装位置与安装容量视为离散变量,将电容器购买费用,安装费用,维护费用与系统有功损耗支出的总和最小作为目标函数。并针对简单遗传算法的一些不足之处(如搜索效率不高和过早收敛),将遗传操作过程中的编码、选择、交叉、变异和中止条件进行了改进。然后将其应用在一个27节点的配电网络中,取得了良好的效果。     

网络流和内点法结合的有功动态优化调度

为便于电力市场柔性地做出决策，研制灵活的求解、分析有功优化调度模型和算法就显得特别重要。文中将有功潮流方程表达成网络流形式，结合内点法的预测校正、前瞻技术和稀疏处理技术，建立了适用于多种方式计算的、动态的有功优化调度模型和算法，可以作为电力市场环境下有功优化调度分析的辅助工具。     

大规模可再生能源接入下的电力系统有功和无功综合安全校正问题研究

电力系统的有功和无功安全校正是运行和控制的一项重要内容,特别是在大规模可再生能源接入的情况下。文章首先将(回路)支路电流变量引入到电力网中,建立电力网络分析的拓展方程。其次根据支路电流、节点电压和平衡节点有功功率针对发电机节点注入的有功和无功功率灵敏度,以平衡节点有功功率变化表示网损的变化,以发电成本和网损综合最小为目标函数,考虑节点电压约束、支路潮流约束和发电机视在功率限制约束,建立电力系统线性化的有功和无功综合安全校正的数学模型,从而对电力系统的有功和无功安全校正问题进行综合考虑。最后以IEEE-30节点系统进行实例验证分析,证明该方法是有效的。     

改进遗传算法和神经网络在电能质量扰动识别中的应用

提出了一种改进遗传算法(IGA).该算法采取了有效的选择和交叉策略,设计了自适应变化的交叉概率和变异概率,以及随进化代数自适应变化的移民算法.该改进遗传算法稳定性和收敛性能较好,将其应用到基于BP网络的电能质量扰动识别中,提高了识别的稳定性和收敛性能,并使基于BP网络的电能质量扰动识别系统更具实用性.文中最后通过仿真计算验证了本文方法的性能.     

Voltage stability enhancement using VSC-OPF including wind farms based on Genetic algorithm

This paper describes the impact of wind generation to enhance the voltage stability of power system in optimal power flow problem. In this work, the Voltage Stability Constrained Optimal Power Flow (VSCOPF) algorithm is used, which combines the economical aspects and the voltage stability control of power system networks. A voltage stability index called L-index has been utilized to identify the most sensitive node prone to voltage collapse. Here Improved Genetic Algorithm (IGA) with mixed form of representation has been used for multi-objective formulation. Real power setting and voltage magnitudes are represented as floating point numbers and transformer tap settings and capacitors as integers. For effecting genetic processing, crossover and mutation operator, which can be directly deal with floating point number and integers, are used. The IGA has been implemented on IEEE 30 bus system to study the impact of wind farm on voltage stability. The obtained simulation shows the effectiveness of Improved Genetic algorithm on voltage stability of the power systems.     

应用改进遗传算法的S9型1OkV级电力变压器优化设计

以新S9型10kV级电力变压器为设计对象,对传统遗传算法进行了研究和改进,并在此基础上编制了一套“电力变压器优化设计系统”软件。本文介绍了对遗传算法的改进和电力变压器优化设计软件的功能,同时给出了S9型10kV级电力变压器优化设计的实例。结果表明,改进遗传算法是一种适合于变压器优化设计的简便有效方法。     

基于育种算子的改进遗传算法的无功优化研究

电力系统无功优化是提高系统经济运行水平的有效手段.无功优化需要处理大量数据,而遗传算法能够有效地处理这些复杂问题.将育种算子应用于遗传算法,使算法不仅具有快速搜索、强鲁棒性等优点,而且收敛迅速、精度高.模拟仿真表明该算法具有收敛性好,适应性强等特点,具有较好的实用价值.     

改进遗传算法在电力系统稳定器参数辨识中的应用

针对基本遗传算法(SGA)收敛速度慢、易早熟等缺陷,从初始群体的生成、精英个体的保留、自适应的交叉率和变异率、早熟现象的防止策略等方面对SGA进行了改进,提出了一种基于改进遗传算法(IGA)的将电力系统稳定器(PSS)原模型转换成仿真软件下标准模型的参数辨识方法.通过建立含PSS的励磁系统原模型和标准模型传递函数结构框图,输入相同的扰动信号,以原模型和标准模型的输出误差最小作为辨识目标,利用IGA对PSS标准模型参数进行优化调整,最终得到满足要求的PSS标准模型参数.实际PSS参数辨识结果表明,该方法计算速度快,精度高,具有很好的效果.     

基于改进遗传算法与原对偶内点法的无功优化混合算法

基于改进遗传算法和原对偶内点法提出一种求解无功优化问题的混合算法。首先通过改进遗传算法求解无功优化问题中的离散变量,然后采用原对偶内点法求解与已获得离散变量最匹配的连续变量。在改进遗传算法中采用交叉、变异算子并基于可行域规则处理离散约束,有效提高了混合优化算法的整体寻优效率。在IEEE 118节点系统中的仿真计算结果验证了本文方法的有效性。该方法已应用于福建电网自动电压控制系统中。     

基于改进遗传算法的无功综合优化

简要分析了传统的电力系统无功优化方法的局限性之后,提出了一种快速有效的求解方法——改进的遗传算法(IGA)。在简单遗传算法(SGA)的基础上,提出了自适应遗传算法,该算法采取了与个体分布散度成正比,并随最优个体保留代数成指数上升的自适应变异率;同时也采取了自适应的交叉率．该交叉率与群体中最大的适应度值和每代群体的平均适应度值有密切的关系。算例表明提出的算法优化效果好．而且在精度上和收敛速度上都有较大的提高。     

遗传算法参数设置及其在负荷建模中应用

以基于实测的电力系统综合负荷建模为应用对象,探讨遗传算法的运行机理,分析遗传算子的不同搜索能力。指出决定遗传算法性能的关键因素是种群多样性,得出了种群多样性与算法参数的关联约束。从理论分析上给出遗传参数的设定规则,深入研究遗传算法中种群规模、交叉、变异概率及其控制策略,以及初始种群参数区间等遗传算法关键操作参数对算法性能的影响规律,给出合理的种群规模和参数初始区间,提出与群体进化程度指标相关的自适应调整交叉概率和变异概率策略。研究结果表明,合理的参数组合是挖掘遗传算法潜能的关键,可提高遗传算法运行效率、克服早熟及尽量减小模型参数分散性。     

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。