基于改进免疫遗传算法的电力系统无功优化

电力系统无功优化是保证系统电压质量、降低网损的重要措施.基于遗传算法、免疫算法的优缺点,提出一种应用于电力系统无功优化的新算法-改进的免疫遗传算法.对IEEE-30节点系统的仿真表明:该算法能够有效地提高收敛速度,避免早熟收敛.     

免疫遗传算法在图像分割中的应用

为了提高在连续多帧图像中背景提取的计算速度,提出了一种利用免疫思想的改进型遗传算法.该算法利用灰度图像的直方图熵作为评价标准对图像进行背景分割.相对于传统方法,可以大幅度提高连续多帧图像的背景提取速度.     

免疫遗传算法在配电网重构中的应用

配电网具有闭环设计、开环运行的特点。本文提出免疫遗传算法的方法来解决配电网重构问题,以减小网损。配电网重构属于大规模、混合整型、非线性组合优化问题。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的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。该算法将遗传算法中的二进制编码改进为整、实数混合编码,提高了计算速度和精度,同时引入了疫苗接种概念,能有效抑制算法在进化过程中退化现象。实验表明,免疫遗传算法具有更好的全局收敛性,同时加快了计算速度。     

基于遗传算法的电力系统负荷模型准确度研究

在获得电网系统稳态和动态数据的基础上,对负荷模型参数不确定情况下的仿真准确度进行了分析,并利用故障后系统的动态数据对不确定参数进行校正。选择遗传算法作为校正求解的算法,并对之进行了一定的改进。仿真研究在IEEE-39系统上完成,不准确参数选择为负荷比例,实际应用中可推广为电力系统所有的模型参数。最后给出了这套方案的评价和有待改进的地方。     

求解非满载车辆调度问题的免疫遗传算法

非满载车辆调度问题是车辆调度问题中的一个基本问题,由于它是一个典型的NP难题,传统方法的求解结果往往不能令人满意.曾有研究将传统的遗传算法用于求解非满载车辆调度问题,但是由于遗传算法在遗传后期的波动现象,导致了迭代次数过大和准确率不高.该实验根据生物免疫系统的机理提出的免疫遗传算法,结合了遗传算法的进化操作和生物免疫中的浓度机制,通过抗体的期望繁殖率实现对抗体的促进和抑制,改善未成熟收敛.该算法是在传统遗传算法全局随机搜索的基础上,借鉴生物免疫机制中抗体的多样性保持策略,改善了传统遗传算法的群体多样性,通过与遗传算法的比较,结果表明,该算法不仅收敛,而且具有更好的全局和局部搜索能力和收敛速度.     

负荷经济调度的可变区间编码遗传算法研究

应用遗传算法对发电厂负荷经济调度问题进行求解。针对遗传算法局部搜索能力较弱的特点,采用可变区间的编码方法,将求解过程分为初步寻优和精细优化。算例表明,该方法使用较短的编码长度获得较好的优化结果,可以在不提高编码长度的情况下提高计算精度,降低了计算精度对基因长度的要求。     

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.     

免疫遗传算法在逆变器开关优化中的应用

在逆变开关控制策略中,既要求逆变电路输出电流波形总谐波畸变率尽量小,又能减小逆变过程的电力电子开关损耗．文中提出采用免疫遗传算法来求解逆变电路中开关器件的最优控制规律．仿真结果表明,选择不同的免疫遗传算法的参数可以达到适应度函数最优化,验证了该控制策略的优越性和有效性．     

基于相似性遗传算法及其在JSP中的应用

提出一种基于个体相似性的改进算法, 当种群的多样性较好时,采用标准的交叉策略;当种群的多样性较差时,根据个体的相似性选择个体配对, 避免相同的个体配对交叉, 减少高度相似个体进行配对交叉的概率, 从而提高交叉操作的效率. 用该改进算法对基准作业车间调度问题（JSP）进行计算,仿真结果表明：该算法优于标准遗传算法.     

智能控制在电力系统中的应用

近年来,随着人工智能控制理论的不断发展,以模糊技术、人工神经网络和遗传算法为代表的智能控制方法在电力系统领域得到了广泛的应用。本文分别从短期负荷预测的人工神经网络建模与求解、无功优化的遗传算法建模与求解流程,以及发电机电压模糊控制方法下的建模与控制规则三个方面对人工智能控制在电力系统的应用进行了探讨。     

火电厂负荷经济分配的遗传算法解法

研究了遗传算法在火电厂负荷经济分配中的应用,针对火电厂负荷优化分配问题,建立数学模型;根据负荷经济分配问题的特点,对遗传算法的初始群体生成方法进行改进,通过C语言编程实现了计算机模拟,算例仿真证明了设计的有效性.     

免疫蚁群算法在电力系统无功优化中的应用

将人工免疫算法和蚁群算法相结合形成免疫蚁群算法,运用免疫机理提取疫苗获得初始解,通过免疫操作加快算法收敛速度,并用基于浓度的选择机制抑制算法的＂早熟＂.将该算法用于求解电力系统无功优化问题进行仿真,结果表明它的收敛速度和计算精度都有较大提高.     

基于改进遗传算法的有功经济负荷分配

提出将爬山算法与遗传算法相结合,从而构成了求解有功负荷分配问题的混合遗传算法,并进行实验计算。计算结果表明,用混合遗传算法求解有功负荷分配问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和爬山算法在全局搜索能力方面的不足,从而得到质量较高的解。     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段．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,在遗传算法（GA）和模拟退火算法（SA）的基础上,提出了更加有效的算法即模拟退火遗传算法．使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的．     

Forecasting increasing rate of power consumption based on immune genetic algorithm combined with neural network

Considering the factors affecting the increasing rate of power consumption, the BP neural network structure and the neural network forecasting model of the increasing rate of power consumption were established. Immune genetic algorithm was applied to optimizing the weight from input layer to hidden layer, from hidden layer to output layer, and the threshold value of neuron nodes in hidden and output layers. Finally, training the related data of the increasing rate of power consumption from 1980 to 2000 in China, a nonlinear network model between the increasing rate of power consumption and influencing factors was obtained. The model was adopted to forecasting the increasing rate of power consumption from 2001 to 2005, and the average absolute error ratio of forecasting results is 13.521 8%. Compared with the ordinary neural network optimized by genetic algorithm, the results show that this method has better forecasting accuracy and stability for forecasting the increasing rate of power consumption.     

混沌遗传算法研究及其在经济负荷分配问题中的应用

提出了一种实数编码混沌遗传算法,并将其用于经济负荷分配问题。该算法将混沌引入遗传算法,利用混沌对标准遗传算法中的选择和变异进行了改进,之后对每一代最优个体进行变尺度混沌优化。将该方法应用于某厂3机组经济负荷分配问题,通过与混沌优化方法以及传统遗传算法的比较,该方法可以求得高质量的可行解,表明了该方法在求解经济负荷分配问题的有效性。     

基于并行遗传算法的电力系统无功优化

为了快速有效地求解大型电力系统无功优化的问题,提出了一种基于局域网的分布式并行遗传算法,采用主从式模型来组织局域网内的多台计算机进行并行计算,整个并行系统由一个主处理器和若干个从处理器组成。根据无功优化的特点,为了找到全局最优解,就目标函数及相关参数值的选取和遗传操作进行了改进。算例表明,该方法不仅有效地减少了系统的网络损耗,而且显著地提高了计算速度。     

基于免疫遗传算法的卫星天线结构设计

将实数编码和二进制编码有机结合,形成一种新的混合编码方法,使卫星天线结构与染色体一一对应,简化了天线结构描述以及交叉、变异等遗传操作.以天线性能需求为抗原,以设计过程中天线结构的中间结果为抗体,通过遗传操作优化天线抗体种群,同时引入亲和力、浓度、记忆库等免疫因子,实现了浓度调节机制和抗体记忆功能,保持了天线种群多样性,避免了天线个体的重复计算,使天线抗体种群快速收敛,最终得到符合性能需求的卫星天线结构.通过ST5卫星天线的仿真实例验证了该天线结构设计方法.结果表明,相比传统遗传算法,免疫遗传算法的时间开销减少20%～30%,同时稳定性提高,体现了该设计方法的可行性和高效性.