PSO加速寻优的免疫算法在配电网重构中的应用

提出了一种新的使用PSO加速寻优的免疫克隆算法用于配电网重构,以减少网损。高频变异和免疫补充算子的采用,能有效维持种群的多样性,避免算法早熟收敛。同时提出利用PSO更新个体的速度和位置,提高收敛速度。通过对PG&E69节点配电网络算例的仿真分析,进一步表明该算法具有较高的计算效率。     

采用改进免疫算法的多目标配电网重构

建立了网损最小、负荷均衡度最小及静态电压稳定裕度最大的多目标配电网重构优化模型。应用免疫算法进行模型求解,略去了交叉操作,利用可行解排序确定抗体综合亲和度,并根据综合亲和度自适应调整可行解变异率,利用自适应变异及疫苗接种操作保证了抗体的多样性,提高了可行解比例,保证了算法向全局最优解收敛。算例结果验证了该方法的有效性。     

基于模拟退火免疫算法的配电网重构

网络的重构对电力系统的优化运行十分重要。基于模拟退火免疫的配电网重构算法以环路编码方式,预先存储各环路间的公共开关来进行解个体的处理,使得进化完全在可行解中进行。将进化过程中的历史最优个体与当前最优个体结合起来动态构造疫苗,提高了解个体质量与搜索速度。此外,基于Boltzmann退火的选择算子保证了种群的多样性,避免进化过早陷入早熟,同时高频变异与免疫补充也提高了对最优解的搜索能力。算例研究表明,所建议的算法收敛性较好。     

基于人工免疫思想的蚁群算法(AIACS)在配电网重构中的应用

针对多目标非线性整数规划的配电网重构问题,提出基于人工免疫思想的蚁群算法求解配电网重构问题.算法通过在原有蚁群模型上增加一个免疫记忆库,解对应于抗体,问题对应于抗原,并借鉴克隆选择和免疫记忆的思想进行解的构造和信息素更新.配电网编码采用基于环路的编码方式,算例结果表明,所提出算法在可以接受的计算迭代范围内可显著提高标准蚁群算法的性能.     

基于人工免疫思想的蚁群算法（AIACS） 在配电网重构中的应用

针对多目标非线性整数规划的配电网重构问题,提出基于人工免疫思想的蚁群算法求解配电网重构问题。算法通过在原有蚁群模型上增加一个免疫记忆库,解对应于抗体,问题对应于抗原,并借鉴克隆选择和免疫记忆的思想进行解的构造和信息素更新。配电网编码采用基于环路的编码方式,算例结果表明,所提出算法在可以接受的计算迭代范围内可显著提高标准蚁群算法的性能。     

基于免疫遗传算法的含分布式电源配电网重构

为应对仅考虑单一指标的配电网重构的局限性,提出基于网损、负荷均衡及电压质量协调最优的含分布式电源配电网重构模型,并运用免疫遗传算法对其求解,算法中采用基于环的染色体编码方式和交叉变异操作,同时引进免疫算法中的免疫记忆和免疫克隆算子,并提出基于矢量距浓度的选择率、交叉率、变异率和克隆率,选取IEEE33和IEEE69节点配电系统为例进行仿真,分析分布式电源接入对网络的影响,并将文中算法与其他算法进行比较以说明该算法的可行性和有效性。     

基于免疫算法的配电网重构

配电网具有闭环设计、开环运行的特点。提出了一种新的免疫算法用于配电网重构,以减小网损。在种群初始化时,对个体进行接种疫苗,通过修改各个体的某些基因位上的基因,使得可行解的比例变大。对不可行解,利用启发式方法,通过打开回路和连通孤岛,将其修复为可行解。重构优化过程中,高频变异和免疫补充算子的采用,能有效地维持种群的多样性,避免算法早熟收敛。对69节点系统重构,结果表明提出的算法具有较高的计算效率。     

基于矢量距免疫算法的电力系统最优潮流计算

将基于矢量距理论的免疫算法应用于最优潮流计算,并在计算中引进自适应交叉和变异算子,根据抗体个体的适应度大小来动态调整交叉率和变异率,很大程度上保护了每代中的较优个体。根据最优潮流中控制变量的特点,运用浮点数编码方法,无需解码,计算简单;通过用IEEE 30节点标准测试系统计算多次,燃料耗费显著改善,表明了所用方法的可行性和有效性。     

免疫遗传算法在配电网重构中的应用

配电网重构是配电网络优化的主要措施，其实质是一个多目标非线性混和优化问题．采用免疫遗传算法来研究重构问题的求解方法．免疫遗传算法在传统遗传算法的基础上，借鉴生物免疫机制中抗体的多样性保持策略和记忆抗原的特点，大大提高了算法的全局搜索和局部搜索能力．实验表明，免疫遗传算法具有很好的全局收敛性，能有效解决配电网重构问题．     

基于差分变异的混合蛙跳算法在配电网重构中的应用

提出了一种基于差分变异的混合蛙跳算法进行配电网重构。采用基于十进制环状编码方法解决了二进制编码产生大量不可行解的问题。给出了十进制环状编码的变异和选择策略,同时结合蛙跳算法的分组更新特点。应用该算法对IEEE33节点和PGE69节点网络进行配电网重构仿真,结果表明,该方法能有效降低配电网损耗。     

基于改进免疫遗传算法的配电网重构

提出一种改进的免疫遗传算法应用于配电网重构。针对十进制的染色体编码特点,对遗传算子进行了改进。种群中采用了基于矢量距的概率选择方法,同时采用非线性的自适应交叉变异算子,并加入了免疫算子。针对进化过程中的不可行解问题,提出一种基于支路-环路关联矩阵与T接点度数法的不可行解辨别方法,能适应复杂的环网情况,有效保留了反映进化的有利信息,提高了解的质量。算例结果表明所提方法可行有效,收敛性好。     

基于免疫算法以负荷均衡为目标函数的配电网络重构方法

在分析配电网重构的数学模型和免疫算法原理的基础上,提出了一种应用于配电网络重构的免疫算法(ImmuneAlgorithm,IA)。将满足基于负荷均衡的目标函数和约束条件的优化问题对应于免疫算法的抗原,优化问题的解作为免疫算法的抗体,解的优劣则通过亲和力的计算来评价,具有最大亲和力的抗体就是问题的最优解,即网络中联络开关和分段开关的最佳状态。实例分析表明,该算法具有较快的收敛速度和较强的全局搜索能力,克服了传统遗传算法易陷于局部极小和收敛速度慢的缺点。     

一种新的求解配电网重构问题的免疫遗传算法

针对遗传算法求解配电网重构问题存在的不足,建立了以网损最小为目标函数的配电网重构数学模型,提出了一种新的免疫遗传算法。该算法的关键在于疫苗库的构建和免疫算子的设计。疫苗库可自动建立和更新,免疫算子由接种疫苗和免疫检测组成。另外,采用了基于基本环路的编码方法、高频变异和大选择压的锦标赛选择算子。IEEE 33和IEEE 69系统的仿真测试结果表明：该算法符合配电网重构问题的特点,能有效抑制进化中的退化和波动现象,在确保解的质量的同时,具有很快的收敛速度;与传统遗传算法和相关文献中的同类算法相比,该算法在效率和性能方面具有优越性。     

基于混合智能算法的配电网络重构

提出了一种基于最优流和模拟植物生长法的配电网络重构混合算法。该算法模拟植物生长算法,帮助最优流算法避开局部最优,减少搜索次数和开关变换次数,从根本上提高计算速度。算法将目标函数与约束条件分开处理,采用方向性的搜索机制,避免了一些参数难以确定或搜索方向无引导性而陷入局部最优的问题。根据配电网的特点,改进了以开关作为控制变量的表达方式,降低了变量维数,提高了计算效率。采用四种状态描述开关的运行方式,有效减小了寻优过程中的搜索范围。对IEEE69节点系统进行分析计算,并对比相关文献结果,所提方法具有快速的全局寻优能力。     

基于自适应免疫克隆选择算法的配电网重构

在处理配电网重构的算法中,免疫算法具有鲁棒性较强、信息处理能力较强、收敛速度快等特点。对免疫算法(基本算法)的免疫补充环节和自适应调节抗体种群的记忆单元规模、克隆倍数以及变异率进行了改进,以维持抗体种群的多样性,从而提高了算法的收敛性。对两个算例进行重构的仿真结果表明,所提出的基于自适应免疫克隆选择算法在收敛速度及结果上均优于基本算法,其有效性及实用性得到了验证。     

应用进化规划变异算子的配电网重构算法

针对进化规划算法普遍存在的进化过程缓慢和进化后期难以平稳收敛等问题,考虑到配电网重构功率损耗最小和负荷均衡2个目标,提出一种新的进化规划变异算子。为保证变异产生的新个体积极地向最优个体靠拢,一方面使变异算子的拓扑调整次数与进化代数成反比,另一方面在拓扑调整过程中增加待合开关选择算子和待分开关选择算子。同时,为提高整个配电网重构算法的计算速度,研究了功率损耗、二次负荷矩、待合开关选择算子和待分开关选择算子的简化计算方法。所提方法的可行性在河南省商丘供电局的10 kV配电网运行优化与辅助决策系统上得到了验证。