遗传算法及其在电力系统中的应用

遗传算法是一种基于达尔文进化论思想和遗传学的新的优化算法，主要应用于优化问题和规则的获取。它也是一种模拟进化的程序设计方法。介绍了遗传算法的基本原理，给出了关键参数的选取准则，简要介绍了它在电力系统和电路理论中的应用，并对这一算法进行了展望。     

遗传算法及其在电力系统中的应用

遗传算法是一种基于达尔文进化论思想和遗传学的新的优化算法，主要应用于优化问题和规则的获取。它也是一种模拟进化的程序设计方法。介绍了遗传算法的基本原理，给出了关键参数的选取准则，简要介绍了它在电力系统和电路理论中的应用，并对这一算法进行了展望。     

遗传算法及其在电力系统中的应用（下）

遗传算法及其在电力系统中的应用（下）文劲宇刘沛程时杰（华中理工大学电力系·４３００７４·武汉）（上接本刊第１０期第６０页）４ＧＡ在电力系统的应用４．１经济运行电力系统经济运行的目的是在保证整个系统安全可靠和电能质量符合标准的前提下，努力提高电能生产...     

遗传算法及其在电力系统中的应用(上)

首先介绍了遗传算法(GA)的基本思想及解题的一般方法，然后从经济运行、电网规划、 网络分割、故障诊断、潮流计算、电力系统控制等６个方面，较为全面地介绍了GA在电力系 统中的应用研究现状，并指出了有待进一步研究的问题。     

遗传算法及其在无功优化中的应用

遗传算法是近几年发展起来的一种全局优化算法，它将生物遗传学的一些机理应用于工程问题。本文将其应用于电力系统无功优化，算例表明它是降低电网损耗的一种有效算法。     

遗传算法在电力系统无功优化中的应用

遗传算法根据自然界适者生存的原则进行搜索和优化。将遗传算法应用于电力系统无功优化，不仅能避免一般优化算法的局部最优问题，并能解决无功优化中变量的离散问题，避免维数灾难，提供最优及次优方案，使无功优化更切实际。遗传算法的引入，为电力系统无功优化提供了一种新的计算方法，使无功优化方法更加完善和实用。     

遗传算法在有功安全经济调度中的应用

利用遗传算法(简称GA)求解电力系统有功经济调度问题。优化模型中考虑了线路N安全性约 束，对遗传算法中适合度函数、变异概率取值及收敛判据等方面进行了探讨，进一步拓展了 电力系统安全经济调度计算方法的应用前景。最后对IEEE　30节点6机系统进行了数字仿真 ，证明了该方法的简捷和有效。     

遗传算法在电力系统无功优化中的应用

在利用遗传算法求解电力系统的无功优化问题，在优化编码和变异概率取值两个方面进行了研究，进一步推动了遗传算法在实际系统优化问题中的应用。在电力系统无功优化这个具有多局部极小值的寻优方面，把遗传算法所求得的无功优化结果和传统的基于梯度寻优方向的非线性规划法所得的优化结果进行比较，指出了遗传算法在处理非连续的和非平滑的函数寻优方面优于传统的寻优方法，具备全局寻优的能力。     

一种改进的遗传算法及其在同步电机辨识中的应用

在现有遗传算法的基础上 ,采用面向对象技术设计了面向对象的遗传算法 ,建立了遗传算法的类层次。这种方法改变了传统遗传算法中各个函数之间只有参数的传递 ,而没有代码继承性的状况 ,从概念上提高了软件的可重用性。在同步电机人工神经元网络辨识器的辅助设计中的应用表明 ,由于采用面向对象的分析与设计方法 ,这一算法具有比传统的遗传算法更好的通用性 ,用户可以更方便地设计和实现自己的编码方案和遗传算子 ,以提高软件的可重用性     

遗传算法在电力系统无功优化中的应用

遗传算法(GA)是近10年来发展的基于自然选择规律的一种优化方法,算法能成功的解决无功变量中的离散问题,避免常规数学优化方法的局部最优现象。根据众多参考文献,阐述了简单遗传算法(SGA)以及GA与其他算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

一种实数编码的自适应遗传算法及其在热工过程辨识中的应用研究

该文针对传统的遗传算法(GA)难以解决的早熟和局部收敛问题,分析了传统的GA编码策略、选择策略、交叉变异策略和交叉变异概率选择等环节存在的不足,提出一种实数编码、多种算子互相补充和交叉变异概率自适应选择的改进算法.用一个非常复杂的数学函数对新算法进行了测试,结果表明改进算法较之传统GA有效地提高了全局寻优能力.在此基础上将这种改进算法应用于热工过程辨识进行仿真研究,结果表明该方法是有效的,具有一定的应用价值,并且文中所提出的算法和策略具有一般性,很容易运用于其它优化问题.     

单亲遗传算法及其在火电厂机组优化组合中的应用

本文首先简单介绍了序号编码的单亲遗传算法,然后针对火电厂电机组优化组合问题的具体特征,提出了一种实数编码的单亲遗传算法,并构造了两种遗传算子,最后给出了一个计算实例,计算结果表明这种算法是非常有效的。     

遗传禁忌混合算法及其在电网规划中的应用

电网规划是一个较难解决的NP难问题。文中首先就遗传算法、禁忌搜索算法(TS)及其两者的混合算法在旅行商问题(TSP)中的应用来比较它们之间的优缺点,认为采用了TS变异算子的改进遗传算法将大大提高其优化能力;然后通过该混合算法在典型电网扩展规划算例中的应用来看,认为该混合算法适用于求解复杂的电网规划问题;最后通过对该混合算法在求解实际的城市中压配电网络规划问题时与其他两种单一算法的结果比较来看,其搜索效率相比单一算法得到了很大程度的提高,体现了很好的应用前景。     

遗传算法及其改进

本文首先对遗传算法的来源,基本原理,数学机理,特点及其应用进行了论述。这了提高遗传算法的收敛性能,同时考虑到交叉率和变异率的选取问题,本文简要介绍了一种基于个体适应度值的自适应调整交叉率和变异率的自适应遗传算法。     

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.     

基于退火演化算法和遗传算法的机组优化组合算法

机组组合问题是编制短期发电计划时首先要解决的问题，合理的开停机方案将带来很大的经济效益。现代电力系统对机组优化组合算法的收敛速度和解的质量要求越来越高，作者从改善传统算法这两方面着手，根据退火演化算法和遗传算法各自的特点，提出了一种用于机组优化组合的组合算法。与传统的一些优化算法相比，该组合算法具有搜索速度快，收敛性好，而且解的质量相当高。通过对实际系统的测算，验证了该方法的有效性和优越性。该方法具有良好的并行性，易于在并行计算机上实现。     

基于遗传算法的无功优化在鄂州电网中的实现

在简要分析传统的电力系统无功优化方法的局限性之后,指出在无功优化问题中引入遗传算法（ＧＡ）的必要笥和可行性,然后将基于遗传算法的无功优化方法用一以往多操作要管理专家系统无功优化子系统中,论述了基于ＧＡ的无功优化方法的程序流程,着重解决了在实际应用时遇到的几个问题,即无功优人强离散变量的处理、目标函数及相关参数值的选取等。所开发系统的实际运行结果表明,该算法可有效地减少系统的网络损耗,产生较好的社会     

负荷模型参数辨识的粒子群优化法及其与基因算法比较

粒子群优化法(PS算法)具有全局性能好、搜索效率高等优点。文中应用该算法进行电力系统负荷模型的参数辨识，并将其与模拟进化算法进行比较，发现PS算法在计算时间、全局性方面均有比较明显的优势。讨论了PS算法中用以调节全局搜索和局部搜索关系的权重ω与搜索效率之间的关系，并给出了适用于电力系统负荷参数辨识的ω值。提出了一种利用PS算法的收敛快速性来提高全局性能的工程实用方法，并对工程实例进行辨识，收到了良好效果。     

遗传算法在电力市场中的应用

中国电力工业正处在网厂分开、竞价上网、开放电力市场的前夕 ,在电力市场中如何确定电价和实施管理成为牵动全局 ,事关发电、用户、输电各方利益的重大问题。文中将投标竞价原则引入电力市场 ,由用户自由选择发电公司 ,网络提供报务 ,建立了一种改进的投标竞价数学模型 ,并用遗传算法和网络流法进行优化。对 1 2节点系统作了仿真 ,收敛性能较好 ,并可提供多个方案供选用