浮点数编码的无功优化遗传算法

将浮点数编码的遗传算法应用于无功优化中。给出了在浮点数编码下的交叉、变异和逆转操作，浮点数编码不仅可以缩短染色体长度，降低算法的搜索空间，且可以避免初始化及遗传操作中生成的不可行解，从而提高算法的效率。最后，将提出的方法用于IEEE 30节点系统，得到了满意的结果。     

基于改进遗传算法的配电网无功优化

对配电网无功优化问题进行了研究.针对无功优化问题的特点,提出了一种应用于电力系统无功优化问题的改进遗传算法.该算法将迭代群体分为一般组和精英组,对一般组进行交叉和变异操作,而对精英组只进行变异操作,实现分组进化.在该算法中利用整数和浮点数混合编码,并对遗传算法的选择,交叉、变异算子进行改进,采用自适应罚因子、交叉率和变...     

基于改进遗传算法的配电网无功优化

对配电网无功优化问题进行了研究.针对无功优化问题的特点,提出了一种应用于电力系统无功优化问题的改进遗传算法.该算法将迭代群体分为一般组和精英组,对一般组进行交叉和变异操作,而对精英组只进行变异操作,实现分组进化.在该算法中利用整数和浮点数混合编码,并对遗传算法的选择,交叉、变异算子进行改进,采用自适应罚因子、交叉率和变异率,提高了收敛速度和解的质量.采用IEEE6节点系统验证了所提算法的有效性和实用性.     

改进遗传算法在水电站日优化运行模型中的研究

根据水电站日优化运行模型的特点,提出了一种基于遗传算法求解的新思路.该算法针对传统遗传算法的不足,设计了基于浮点数编码的选择、交叉、变异等遗传操作,并将其应用于水电站日优化运行模型的求解中.该算法实现简单,大大减小了求解问题的规模,有效地处理了模型中的各种约束条件,收敛速度快.仿真计算结果验证了该算法的有效性.     

基于MA的水电站机组组合优化问题的研究

在日负荷任务下,建立了以耗水量最小为目标的水电站机组组合优化数学模型。设计了文化基因算法（Memetic Algorithm,MA）的工程实现方法,包括编码设计、适应度函数设计等。提出了二进制与浮点数的混和编码以及交叉和变异的双重遗传操作方式,设计了个体合法化的流程,采用模拟退火算法作为局部搜索策略。绘制了算法对问题的求解流程,并编制了基于MATLAB语言的优化计算程序。仿真结果表明：MA具有比GA更优的收敛性能,更有效降低机组切换频率。     

基于改进浮点遗传算法的潮汐电站优化运行

在分析潮汐电站运行特性基础上,建立其多维优化的月周期优化调度模型。该模型含有线性和非线性约束,而且目标函数呈非线性。利用整体算术交叉和精英保留策略,设计出一种全局寻优的浮点数编码改进遗传算法。算法实例求解结果与电站实际月发电量和动态规划法求解结果比较后表明,该算法可行、有效,提高了求解质量和运行效率。     

基于混沌遗传算法的水电站优化调度模型及应用

利用混沌运动的遍历性、随机性和规律性等特点,提出了一种求解水电站水库优化调度问题的基于浮点数编码的混沌遗传(CGA)算法。该算法的思想是采用混沌优化进行改善初始种群质量和利用混沌退化变异算子代替常规算法中的变异算子,避免搜索过程陷入局部极值。与动态规划、常规遗传算法进行比较,文中实例计算结果表明,该算法计算速度快、收敛性好,提高了常规遗传算法的收敛速度和优化效果。     

基于改进遗传算法的电力系统无功规划优化

简要分析了几种无功优化方法的局限性,通过比较得出遗传算法是求解无功优化的一种有效的方法,并在简单遗传算法(SGA)的基础上,提出了更加有效的算法即改进遗传算法(IGA)。该算法针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,借鉴了模拟退火思想在遗传算法的执行过程中对个体适应度不断进行修正,并采用了浮点数编码、双层结构群体、自适应的交叉率和变异率等改进措施。算例表明这种改进的遗传算法优化效果好,而且在精度和收敛度上都有较大提高。     

用改进遗传算法求解水火电力系统的有功负荷分配

水火电力系统的短期有功负荷分配在电力系统的经济运行中发挥着重要的作用，从本质上讲它是一个具有复杂约束条件的非线性大型动态优化问题，处理起来十分复杂，采用传统优化算法难以得到理想的结果。文中提出对决策变量直接采用浮点数编码技术，并根据给定的概率分布进行杂交操作和实施参数变异的改进遗传算法（RGA），用以求解此问题，最后用具体算例对该方法进行了验证。通过与二进制编码遗传算法所得结果进行对比分析，表明此法计算结果正确合理，收敛速度快，求解精度高。这也说明RGA不失为一种行之有效的优化方法，具有应用潜力。     

基于改进遗传算法的电力系统无功规划优化

简要分析了几种无功优化方法的局限性,通过比较得出遗传算法是求解无功优化的一种有效的方法,并在简单遗传算法(SGA)的基础上,提出了更加有效的算法即改进遗传算法(IGA).该算法针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,借鉴了模拟退火思想在遗传算法的执行过程中对个体适应度不断进行修正,并采用了浮点数编码、双层结构群体、自适应的交叉率和变异率等改进措施.算例表明这种改进的遗传算法优化效果好,而且在精度和收敛度上都有较大提高.     

改进遗传算法及其在机组优化组合中的应用

提出了一种新的基于浮点数和二进制数统一编码的改进遗传算法。该算法有效利用了浮点数编码FGA(Float—coaded Genetic Algorithm)收敛迅速、不易陷入局部最优解、具有较高收敛精度的优点,同时结合二进制编码BGA(Binary—coaded Genetic Algorithm)模拟机组启停状态的优点,解决了机组优化组合的O-1混合整数非线性规划问题。该算法已成功地运用到16台机组的优化组合中,并取得很好的效果。     

Large-scale economic dispatch by genetic algorithm

This paper presents a new genetic approach for solving the economic dispatch problem in large-scale power systems. A new encoding technique is developed. The chromosome contains only an encoding of the normalized system incremental cost in this encoding technique. Therefore, the total number of bits of chromosome is entirely independent of the number of units. The salient feature makes the proposed genetic approach attractive in large and complex systems which other methodologies may fail to achieve. Moreover, the approach can take network losses, ramp rate limits, and prohibited zone avoidance into account because of genetic algorithm's flexibility. Numerical results on an actual utility system of up to 40 units show that the proposed approach is faster and more robust than the well-known lambda-iteration method in large-scale systems     

永磁球形步进电机转子位置检测的全局优化

介绍了永磁球形步进电机模型，在转子球面上进行随机编码，光电传感器的输出用来表示转子的位置。对转子球体的三维旋转进行了群描述；针对96个传感器的输出所构成的位置空间进行搜索，而传统的单点搜索会陷入局部极小值。定义目标函数，根据目标函数值的二维关系图的特点，采用遗传算法对函数进行全局寻优，并嵌入最速下降算子来加强遗传算法的局部搜索能力，得出当前转子的空间位置。对于远距离目标节点，仿真表明这种多点并行搜索方法能够快速地收敛到目标位置，精确度取决于传感器的分辨率和搜索步长。     

基于改进遗传算法的海上风电场集电系统拓扑优化

海上风电的集电系统的投资成本占比高，对集电系统的拓扑进行优化对降低固定投资有重要意义。集电系统的拓扑优化问题可转化成一个动态变权的最小生成树问题，由于边权变化与拓扑优化相互耦合，无法用传统的生成树方法求解。采用改进的遗传算法，通过优选初始种群、采用链表式编码、精英选择算子的环节改进，既提高了算法效率，又可处理海缆不可交叉等复杂约束。算例表明优化算法具有较好的寻优性和收敛性。     

模糊遗传算法的神经网络方法在变压器故障诊断中的研究

基于油中溶解气体数据,避开了传统的比值方法,采用模糊遗传算法的神经网络(FGA-BP)方法来诊断变压器故障。该方法是在遗传寻优过程中,用模糊控制的方式对杂叉率与变异率进行动态调节,并结合神经网络来对故障实现模式识别。为了优化模式特征量,文章用灰关联分析方法对样本集进行了筛选,得到了一组模式特征向量,以此DGA数据作为FGA-BP的输入值,经过FGA-BP运算后,优化出一组用于模式识别的权重与阈值,在此基础上,结合实例对该诊断方法进行了分析与探讨。     

A second order network flow algorithm for hydrothermal scheduling

This paper presents a second-order network flow algorithm specially designed for hydrothermal scheduling problems. The algorithm is based on the truncated Newton method and takes advantage of the particular layout of the hydro scheduling network. The three-diagonal structure of the Hessian matrix is also exploited. Heuristic strategies for variable partition into basic-superbasic-nonbasic sets are suggested to improve the algorithm's efficiency. Tests with systems of dimensions up to 27 hydro plants in cascade have been performed in order to evaluate the algorithm's performance and compare some variable partition strategies. Results have demonstrated the high efficiency of the code     

基于SRFFT算法的电力系统谐波分析的研究

针对目前FFT算法的不足,提出了一种全新的复序列加窗插值分裂基快速傅里叶变换(SRFFT)算法,该算法能够极大地提高FFT计算的精度。对此算法进行了模拟分析,给出仿真实例,实例证明该算法能准确测量各次谐波参数,对于电力系统谐波分析和抑制具有很大的实用价值。     

遗传算法与蚂蚁算法相融合的电力系统最优潮流计算

提出了遗传算法与蚂蚁算法相融合的1种新算法,该算法即保持了遗传算法的全面搜索能力,又利用了蚂蚁算法并行分布的特点,两者优势互补,具有占内存小,数据准确,收敛速度快的特点。通过IEEE-20节点系统的计算结果表明该算法是可行的。     

基于熵理论的最优潮流代理约束算法

针对最优潮流计算中不等式约束多且难处理的特点,对最优潮流代理约束算法进行进一步的研究。理论分析了该算法对不等式约束的处理方法及其精度和特性,发现该方法不但能提高计算速度,识别系统薄弱环节,而且具有内点法的特征。通过最小自由能的定义,推导出电力系统中大量约束不等式的有效性服从波尔兹曼（Bolzemann）分布,揭示了最优潮流代理约束算法的热力学机制。算例表明该方法是切实有效的。     

特定攻击场景下源网荷系统恶意攻击关联分析方法

充分利用网络信息与电气侧信息，提高恶意攻击事件识别的自适应能力和自动化程度是电网应对网络安全威胁的关键。提出了特定攻击场景下源网荷系统恶意攻击关联分析方法，首先，构建基于属性的多源事件融合模型，对信息侧与电气侧异常事件进行多源数据融合处理。其次，基于神经网络模型对融合后的事件进行训练，按照攻击场景分类。再次，结合电气侧异常事件，对遗传算法的初始化方案、选择算子、交叉遗传概率进行改进，基于分类结果，自动生成针对不同攻击场景的关联规则。接下来，通过时序、业务逻辑以及IP分类逐步减少待匹配事件数量，基于向量计算提高事件匹配速度，提出基于时序与业务逻辑的关联匹配算法，实现关联规则的高速匹配。最后，在源网荷仿真实验系统上验证了方法的有效性及适用性。该方法综合利用信息侧与电气侧异常事件，进一步提高对网络攻击的辨识精度，自动完成事件的分类和关联规则的生成，具有较大的工程应用价值。