遗传算法搜索优化及其在机组负荷优化分配中的应用

借助MATLAB中的曲线拟合工具箱对原始数据组平滑预处理后,拟合出机组的煤耗特性曲线,再利用遗传算法与直接搜索工具箱对机组的负荷进行优化分配,并将计算结果与传统等微增算法进行比较。仿真计算表明该方法可方便地将遗传算法应用到实践中,实现简单,节能效果好。     

改进云遗传算法在负荷优化分配中的应用

改进了一种基于云模型的遗传算法用以解决火电机组负荷优化分配问题.该算法将遗传算法的重组算子及变异算子进行云化,继承了云模型的随机性和稳定倾向性的特点.将该方法应用于某厂4台机组进行负荷优化分配,并与标准遗传算法进行比较,结果显示该方法的可行解优于标准遗传算法,证明了该方法在求解机组负荷优化分配问题的有效性及优越性.     

基于免疫遗传算法的环境经济负荷调度

介绍以目标函数为抗原,以问题解为抗体,利用进化策略进行群体更新的免疫遗传算法。讨论环境经济负荷调度多目标函数优化问题,给出利用免疫遗传算法解决这一问题的主要步骤。利用一个含有5个电力生产单元的燃煤电力系统模型验证了该算法的可行性和有效性。并与遗传算法和Hop fie ld神经网络进行比较分析,证实了该算法解决该类问题的优化性和快速收敛性。     

遗传算法搜索优化及其在机组启停中的应用

提出了一种遗传算法应用于机组启停的新思路。针对机组启停问题的特点,设计了一些启发式技术,使得遗传算法初始种群中的所有个体都是可行解。针对遗传操作生成的不可行解,建立了一种从不可行域到可行域的是映射关系,大大减少了搜索中的无效操作。对过度满足约束条件的解,给出了一种有效减冗余的手段。并提出了一种边界搜索方法,可以更容易得到更优的解。这些措施起到了优化搜索路径的作用,有效地提高了遗传算法求解的效率和质量。     

遗传算法在火电机组经济调度中应用研究

本文研究了电力系统中火电系统共同发电经济调度问题，总结了常规经济调度的一般方法及其局限性，提出了用一种适用性较强的人工智能优化方法──遗传算法（Ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ简写为ＧＡ）来解决火电机组经济调度问题，针对遗传算法基本优化策略应用于共同发电的火电系统优化问题进行了初步研究，并提出了改进策略，通过算例验证了该方法的有效性，并展示了良好的应用前景。     

优势群体主导型遗传算法在负荷经济调度中的应用

建立了负荷优化分配的数学模型,针对简单遗传算法缺陷,根据具体问题特征提出一种以优势群体为主导的改进遗传算法,并应用于对多台机组的ELD问题进行优化计算。仿真结果表明该方法可以有效避免遗传操作中不可行解的产生,收敛性好,能以更高的精度达到或接近全局最优。同时在数学模型中考虑了汽轮机的阀点效应,结果显示,计及阀点效应后,系统总消耗增加,各机组之间的负荷功率分配发生了较大变化。因此,在建立负荷优化分配模型时阀点效不应忽略。     

LINGO在环境经济负荷调度中的应用

介绍了LINGO软件优化方法以及它在环境经济负荷调度问题上的应用.结合一个含有3个电力生产单元的燃煤电力系统模型验证了该方法的可行性和有效性.LINGO为环境经济负荷调度问题提供了一个新的方法,具有很好的应用前景.     

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。     

快速群搜索优化算法及其在电力系统经济调度中的应用

经济调度(economic dispatch,ED)是电力系统优化的一项重要工作。为得到一个更加精确且实用的ED模型,在模型中考虑了机组阀点效应和多燃料。该ED模型具有非凸、高维、非线性和不可微的特性,求解较为困难。为更好地求解该ED模型,提出一种快速群搜索优化算法(fast groupsearch optimizer,FGSO),该算法能以更少的计算资源得到更高的收敛精度。对3个测试系统的ED模型进行求解,结果表明,FGSO比其他算法收敛速度更快,计算时间更短,能得到更小的发电费用值,且在高维的、具有多局部最优点的复杂优化问题中具有更加突出的优势。因此,FGSO用于求解该复杂ED模型是可行的、快速的和有效的。     

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。     

自适应Hopfield神经网络及其在经济负荷分配中的应用

在传统Hopfield神经网络的基础上,提出了自适应坡度调整法和自适应偏移量调整法的Hopfield神经网络模型(AHNN)。结合传统Hopfeild网络优点,将Sigmoid函数(S型函数)中的恒定参数变为随动,自动调整随动参数运动方向,减小了能量函数的振荡和迭代步数,从而可有效的解决高维、非凸、非线性约束条件的优化问题。将该方法应用于电力系统经济负荷分配(ELD),通过多个算例仿真表明,AHNN有效可行。     

改进粒子群算法及其在电力系统经济负荷分配中的应用

提出了一种用于求解一般形式的非连续、非凸、非线性约束优化问题的改进粒子群算法，用于求解复杂的非凸、非线性电力系统经济负荷分配问题。基于随机分析理论，证明了该算法依概率收敛至全局最优，且收敛性与粒子群的初始分布无关，并提出一个收敛的充分条件。多个算例的仿真结果表明：文中提出的算法有效、可行，可望应用于更广泛的优化问题     

广义蚁群与粒子群结合算法在电力系统经济负荷分配中的应用

提出了一种结合广义蚁群算法和粒子群算法的优化算法,并将其用于求解复杂的非凸、非线性的电力系统经济负荷分配问题.该结合算法同时具有广义蚁群算法的大规模寻优特性和粒子群算法的较强局部搜索能力,在确保全局收敛性的基础上,能够快速搜索到高质量的优化解.多个算例的仿真结果表明了该结合算法的有效性和可行性.     

利用拉格朗日松弛法解决SIS中的负荷经济分配问题

利用拉格朗日松弛法对火力发电厂厂级监控信息系统(SIS)中的负荷经济分配问题进行了求解。该方法以发电费用为目标函数,用拉格朗日乘子将系统的负荷约束松弛,并将得到的拉格朗日函数分解为一个上下两层的优化问题分别进行求解,保证了算法的快速有效性。与混沌优化及遗传算法进行了仿真比较,结果表明所提出的方法收敛速度快,求解精度高,易于掌握,是解决电力系统负荷经济分配问题的有效手段。     

基于改进变尺度混沌优化方法的经济负荷分配

文中介绍了混沌优化的原理，通过改进变尺度混沌优化方法的算法结构，在一定程度上减少了混沌变量初值的选择对于运算结果的影响，提高了混沌优化算法的效率和性能，数值仿真证明算法有效；将改进后的方法应用于大规模电力系统经济负荷分配的算例和实际电站系统中，取得了更为优化的结果；文中还使用了另一种有效的混沌优化策略对相同算例进行计算，结果亦证实了改进算法的有效性和实用性。该文为混沌优化方法的研究提供了一种参考方向。     

一种求解环境经济负荷调度问题的人工神经网络新方法

提出了一种求解火力发电系统的环境经济负荷调度（EELD）问题的新的人工神经网络方法。该方法可以克服传统神经网络方法引起的参数问题，而且不论其初始点是否位于可行域内，神经网络模型所表示的动态系统的状态都会快速收敛于对应的EELD问题的全局最优解。文中还利用一个3机测试系统证实了此方法的有效性。     

伪并行遗传算法在无功优化中的应用

在无功优化中,应用矩阵奇异值分解理论,引入了静态电压稳定裕度最大化目标和并行遗传算法思想,提出了用于无功优化的伪并行遗传算法。该算法在一定程度上避免了常规遗传算法容易出现的“早熟”现象,收敛速度也有一定提高。对Ward＆Hale 6节点和IEEE 14节点系统进行了测试,计算结果表明,本文所提模型和算法是合理可行的。     

遗传算法在奇点法设计平面叶栅中的应用

提出了一个基于小生境遗传算法的平面叶栅优化设计方法，该方法利用奇点分布法设计无厚翼型初始骨线，在最大厚度一定的条件下，采用NACA－0012型空气动力翼型的厚度分布规律对已知骨线进行加厚得到翼型，从而得到平面叶栅，然后通过遗传算法使平面叶栅表面边界层中的流动损失最小化，以此搜索最佳的骨线形状，已知叶栅的流场分析由一个基于边界元的程序完成，假定总损失与叶栅表面边界层中的流动损失成正比，该损失可通过积分法计算叶栅边界层得到。将该方法应用于ZZ440叶栅的设计，结果显示是有效和可行的。     

伪并行遗传算法及其在水电站经济运行中的应用

提出了一种伪并行算法,来提高遗传算法的搜索能力和效率以及避免算法中常出现的"早熟"现象,并且进行了两个仿真实验.在以清江隔河岩水电站的4台机组为例的经济运行工程实验中,从收敛速度、搜索能力和运算速度三方面比较了该算法和自适应遗传算法、双代竞争遗传算法的性能,得到了令人满意的结论,说明本文所提出的改进遗传算法可以成功地应用到水电站经济运行中.