基于多目标遗传算法的工程资源优化配置

为了使工程资源能够在工程应用中最大程度的优化配置, 利用遗传算法模拟自然进化过程求得最优解的特点, 对遗传算法和多目标优化问题的理论基础和模式定理的进行了分析, 讨论了遗传算法在解决多目标优化工程资源问题过程中的优势, 最后将多目标遗传算法应用于具体工程资源配置实例予以实现. 仿真优化结果表明: 遗传算法在工程资源优化配置过程中更具有先进性, 可靠性和优化性.     

基于序列二次规划法的分布式电源优化配置研究

针对分布式电源配置对配电网的影响,提出一种带二阶项配网潮流约束的方法解决分布式电源优化配置问题,以实现分布式电源价值的最大化。从降损角度出发建立优化配置的数学模型,并用序列二次规划求解优化问题。在充分发挥序列二次规划法收敛性好的基础上,提高计算精度,并适用于各种复杂的配电网络。以IEEE33节点系统为例,验证所提方法在分布式电源优化配置问题求解中具有很强的全局搜索能力,可以有效、准确地实现分布式电源的最优配置,计算过程简单可靠,具有实用价值。     

链式多智能体遗传算法在分布式电源全时序上优化配置

分布式电源的选址与定容是微电网研究所面临的重要问题,本文主要考虑规划地区的24-h负荷时序特性和气候特点的24-h负荷变换的情况下的DG优化配置。针对以上问题,通过链式多智能体遗传算法对其进行优化处理。首先通过算法对IEEE33节点系统进行测试,验证算法在分布式电源优化配置中的优越性,并对PG E69节点配电网进行24-h时序的全过程模拟仿真优化,结果验证了多智能体遗传算法能在分布式电源配置上的有效性,同时提高微电网接入的预测精度,加快收敛速度,改进陷入局部最优的可能性等问题,对微电网在规划选址与定容选择上提供工程参考的实用性。     

含分布式电源的改进PSO算法配电网无功优化

在电网无功供电性能优化问题的研究中,针对包含分布式电源的配电网无功优化的特点,利用一种改进粒子群算法,对含分布式发电的配电网系统进行了无功优化的计算.考虑了电网损最小、节点电压和发电机无功出力的约束作为优化目标函数,采用粒子群算法,在其速度进化方程中引入了自适应惯性权重和收缩因子以提高,并运用遗传算法中的交叉技术,对PSO算法产生的粒子进行遗传交叉运算来改善全局搜索能力,并在迭代后期将其取消来提高计算速度,仿真结果对比表明,提出的优化算法能够有效地提高电网电压质量和减少功率损耗.     

基于遗传算法的分布式光伏配网储能优化配置研究

为了改善配网电能质量、实现配网负荷水平的调节,提出基于遗传算法的分布式光伏配网储能优化配置方法。在分析复合储能工作原理与蓄电池储能调峰优化的前提下,构建两阶段储能优化配置模型。第一阶段优化配置模型中,以最小电压波动、网损为目标函数,从而确定蓄电池储能的最佳接入位置。第二阶段优化配置模型中,将配网接入的最低储能设备总容量作为目标函数,从而实现储能设备容量的优化配置。通过最佳保留策略、交叉、变异率的自适应变化,对遗传过程进行优化。采用改进的遗传算法对两阶段储能优化配置模型进行求解,以此确定储能的最佳配置方案及运行优化策略。试验结果表明：该方法对配网储能进行优化配置后,配网电压波动指标明显下降至1.95%,并且网损值、电压波动指标大幅降低。该方法能够实现各类负荷的调峰,具有削峰填谷效应。     

分布式电源并网潮流计算

分布式发电系统并网对地区电网的潮流计算提出新的挑战和要求。基于分布式发电系统并网结构和控制特性,建立微型燃气轮机、光伏、风力发电、燃料电池几种典型的分布式发电系统并网系统在潮流计算中数学模型。针对前推回代法支路编号复杂,无法适应运行方式变化等不足,从实现方法上提出了一种基于"叶节点"的前推回代法。算例表明,该方法能很好地解决分布式发电系统并网潮流计算,具有较强通用性和实用性。     

基于改进混沌优化的多目标遗传算法

针对多目标遗传算法存在的缺陷,提出了基于改进混沌优化的多目标遗传算法．引入基于改Tent映射的自适应变尺度混沌优化方法细化搜索空间和高效寻优,结合非支配排序的群体分级机制和精英保留等多目标优化策略,保持种群多样性的同时保证了进化向Pareto优解集的方向进行．多目标测试函数的数值仿真和电力系统无功优化的算例分析表明了该算法的有效性和可行性．     

高渗透率分布式电源并网的无功电压控制研究

为了解决当不同情况下高渗透率分布式电源并入电网时,在传统配电和输电系统中出现一些电压波动较大、网损过高等问题。本文提出一种改进型自适应遗传算法应用在无功电压控制中。首先,采用线性标定的方法对5个最小化问题的目标函数进行标定,加快算法在后期的收敛进程。其次,并采用NSGA-Ⅱ快速非劣支配排序法来求取其中的Pareto前沿解,则多目标问题可化为单目标优化问题。最终可以减少迭代次数,具有很好的全局寻优能力和较快的后期收敛速度,可以使得把最小网损和电压偏差作为目标函数的解多样化且最优。这样高渗透率分布式电源并网条件下的系统电压更稳定,网损减少,从而增强电力系统电能质量可靠性。本文采用把输配电电系统相结合的改进型IEEE30节点模型作为研究对象,探究了输配电系统在含不同渗透率分布式电源下的几个重要指标,其仿真结果证明了本文方法的可行性和有效性。     

遗传算法优化粒子群的分布式光伏并网控制方法研究

为了促进分布式光伏发电技术的发展、提高分布式光伏并网的发电效率和质量,提出遗传算法优化粒子群的分布式光伏并网控制方法。通过建立光伏阵列模型、可中断负荷模型和储能系统模型,完成了分布式光伏发电并网系统的能源建模。以降低节点电压偏离额定值、稳态运行有功损耗和使分布式光伏发电并网系统功率最大化为目标,构建了分布式光伏并网调控模型。采用遗传算法优化粒子群对调控模型进行求解,实现分布式光伏并网的有效控制。试验结果表明,该控制方法具有较高的控制精度和较快的响应速度,确保了配电网运行的稳定性,能够有效降低电流谐波总畸变率。该研究促进了分布式光伏发电技术的发展,为分布式光伏并网控制提供了参考。     

分布式可再生能源发电并网的无功优化研究

提出了基于杂交粒子群优化算法的分布式可再生能源并网的无功优化算法,从网损和静态电压稳定裕度两个角度出发,构建了含分布式发电系统的配电网无功优化的数学模型.在美国PG&E 69节点配电系统上进行效验.结果表明,该算法收敛性好、精度高;分布式电源并网后能有效降低系统的有功网损,提高电压稳定性,对分布式电源并网运行具有一定的...     

一种改进的遗传聚类算法

给出了一种改进的基于遗传算法的聚类方法。传统的K-means算法局部搜索能力强,但是对初始化比较敏感,容易陷入局部最优值。基本的基于遗传算法的聚类算法是一种全局优化算法,但是其局部搜索能力较差,收敛速度慢。针对这两个方法所存在的问题,提出了一种改进的聚类算法。该方法结合了两个方法的优点,引入了K-means操作,再用遗传算法进行优化,并且在该方法中改进了遗传算法中的交叉算子,大大提高了基于遗传算法的聚类算法的局部搜索能力和收敛速度。     

山区分布式电源最优接入容量及位置研究

分布式电源接入位置与容量的不同会对电网产生不同影响,如何确定最优的接入位置及容量是保证分布式电源接入系统经济性运行的关键因素。以系统网损最小为目标,考虑到分布式电源接入对系统潮流分布的影响,建立了福建省山区配电网网损目标函数模型,模型中以系统功率及电压为约束条件,提出利用萤火虫优化算法对分布式电源最优接入位置及容量进行寻优。该算法操作简单,具有很好的全局寻优能力。通过算例分析,验证了该算法在求解中的有效性。     

改进松鼠搜索算法求解分布式节能柔性调度

为了优化同时考虑最大完工时间和机器能耗的双目标分布式柔性作业车间调度问题,提出了一种改进的多目标松鼠搜索算法。引入了基于升序排列规则的转换机制,实现了松鼠位置向量与调度解之间的转换,并针对机器空闲时间设计了从半主动到主动的解码策略。针对不同优化目标设计了三种种群初始化策略。同时提出了动态捕食者策略来更好地协调算法的全局探索和局部开发能力。设计了四种领域搜索策略用于增加种群多样。20个实例上的实验结果验证了改进后的算法求得解的质量和多样性更好,从而证明了其可有效求解分布式节能柔性调度问题。     

改进遗传算法在电力系统无功优化中的应用

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,是近些年发展起来的基于自然选择规律的一种优化方法.本文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,该算法在一般遗传算法的基础上,对适应函数、编码方式以及变异操作等方面作了改进.经电力系统的无功优化问题实例计算表明,改进遗传算法的优化结果可以更有效地达到或接近全局最优.     

基于遗传算法改进的太阳能跟踪控制

提出采用基于遗传算法的选择机制与吸热塔能量变化的反馈机制相结合的方式对光热电站的太阳能跟踪控制系统进行改进,以光热电站中少数几台配备光电检测元件的定日镜控制角度为基准,控制其他定日镜的角度调整。实验表明,改进的太阳能跟踪控制方式在保证光热电站整体控制精度的基础上,减少了光电检测元件的安装数量,降低了电站构建成本;同时使得控制系统在运行视日轨迹跟踪控制时具有自动调整能力。该研究将降低大规模光热电站的构建费用,促进太阳能光热发电的发展。     

基于聚类的快速多目标遗传算法

多目标遗传算法非常适合于求解多目标优化问题．讨论了进化个体之间的支配关系及有关性质,论证了可以用快速排序的方法对进化群体中的个体进行分类,同时探讨了用聚类方法来保持群体的多样性,具体讨论了基于层次凝聚距离的聚类,在此基础上提出了用分类和聚类的方法构造新的进化群体．理论分析与实验结果表明,所讨论的方法比较国际上已有的方法具有更快的收敛速度．     

一种基于快速排序的快速多目标遗传算法

多目标遗传算法的一个重要步骤就是构造非支配集,本文提出了一种基于快速排序的非支配集构造方法,提高了非支配集构造效率,并且在Deb提出的NSGAⅡ的基础上,改进了其种群构造策略,设计了一类新的多目标遗传算法。实验表明,这种方法比NSGAⅡ具有更快的收敛速度且保持了良好的分布性。     

改进的约束优化多目标遗传算法及工程应用

利用多目标法处理约束条件,提出一种改进的基于多目标优化的遗传算法用于求解约束优化问题。该算法将约束优化问题转化为两个目标的多目标优化问题; 利用庄家法构造非劣个体,将种群分为支配子种群和非支配子种群,以一定概率分别从支配子种群和非支配子种群中选择个体进行算术交叉操作,引导个体逐步向极值点靠近,增强算法的局部搜索能力,对非支配子种群进行多样性变异操作。8个标准测试函数和3个工程应用的仿真实验结果表明了该算法的有效性。