改进免疫算法在电力系统电源规划中的应用

目前,遗传算法作为一种基于人工智能技术的优化算法在电力系统的电源规划中已经得到广泛应用,然而其遗传操作繁杂、计算量大,易产生退化、早熟等问题使其应用受到局限.文章提出一种基于自然分段式编码的改进免疫算法(Modified Immune Algorithm,MIA),使用该方法可以大大减少电源规划的计算量,提高计算效率,并可充分利用特征信息灵活求解.该算法具有全局多峰搜索能力以及优异的收敛特性,同时可避免退化、早熟等问题的发生.算例结果表明,该算法可以较好地求解电源规划问题,并且具有广阔的发展空间.     

PGA在电力系统电源规划中的应用

目前,遗传算法作为一种基于人工智能技术的优化算法在电力系统电源规划中已经得到广泛应用。然而其遗传操作繁杂、计算量庞大、早熟收敛等问题使其应用受到局限。本文提出一种自然分段式编码成功地将单亲遗传算法PGA引入电源规划中,通过使用该方法可以大大简化电源规划的计算量、避免早熟收敛、提高计算效率。算例结果表明:该算法可以成功解决包含各种类型电源的规划问题,并且还有广阔的发展空间。     

PGA在电力系统电源规划中的应用

目前,遗传算法作为一种基于人工智能技术的优化算法在电力系统电源规划中已经得到广泛应用.然而其遗传操作繁杂、计算量庞大、早熟收敛等问题使其应用受到局限.本文提出一种自然分段式编码成功地将单亲遗传算法PGA引入电源规划中,通过使用该方法可以大大简化电源规划的计算量、避免早熟收敛、提高计算效率.算例结果表明:该算法可以成功解决包含各种类型电源的规划问题,并且还有广阔的发展空间.     

PGA在水火电混合系统电源规划中的应用

目前，遗传算法作为一种基于人工智能技术的优化算法在电力系统电源规划中已经得到广泛应用。然而，其遗传操作繁杂，计算量庞大，早熟收敛等问题使其应用受到局限。本文提出一种自然分段式编码，成功地将单亲遗传算法PGA引入水火电混合系统电源规划中，通过使用该方法可以大大简化电源规划的计算量，避免早熟收敛，提高计算效率。算例结果表明：该算法可以成功解决包含各种类型电源的规划问题，并且还有广阔的发展空间。     

基于C-PSO的水火电混合电力系统电源规划

提出了一种粒子群算法与遗传算法结合的组合粒子群算法,并将其用于求解复杂的、非线性的水火电混合电力系统电源规划问题。该结合算法引入的遗传算法成功地提高了基本粒子群算法的全局搜索能力,同时也比基本遗传算法的收敛速度更快。算例结果表明:对于短期规划,该算法能可靠、快速地收敛到全局最优解,对于大型电力系统的中长期电源规划问题也可得到较好解。     

基于C-PSO的水火电混合电力系统电源规划

提出了一种粒子群算法与遗传算法结合的组合粒子群算法,并将其用于求解复杂的、非线性的水火电混合电力系统电源规划问题.该结合算法引入的遗传算法成功地提高了基本粒子群算法的全局搜索能力,同时也比基本遗传算法的收敛速度更快.算例结果表明:对于短期规划,该算法能可靠、快速地收敛到全局最优解,对于大型电力系统的中长期电源规划问题也可得到较好解.     

用于配电网规划的多种群免疫遗传算法

引入免疫算子和多种群概念,提出了一种用于配电网规划的多种群免疫遗传方法。采用多个种群针对目标函数的不同方面进行优化搜索,并借鉴生物免疫机制对每个种群的染色体进行免疫算子操作。种群之间通过优秀个体转移进行交互,可有效地防止种群退化,提高种群的多样性。以年费用最小为目标建立配电网规划的数学模型,提取“单个子路造价最小”和“电阻值最小”两种疫苗,并用其指导多种群搜索,有效地克服了遗传算法早熟收敛现象。同时给出初始可行方案的生成步骤和基于支路交换思想的不可行解处理方法。求解一个10 kV配电网规划问题,计算结果表明该算法能快速获得规划问题的最优解。同简单遗传算法相比,整个算法具有更强的收敛速度和全局搜索能力,用于配电网规划是可行有效的。     

基于混合算法的含分布式电源的配电网重构研究

为解决含有分布式电源的配电网重构问题,建立了以系统网损为最小目标的含分布式电源配电网优化模型。根据遗传算法、模拟退火算法和禁忌搜索算法的特点,提出了适用于含分布式电源的配电网重构的混合算法。将禁忌搜索算法和模拟退火算法的思想引入到遗传算法中,可以避开遗传算法中存在的早熟收敛问题,跳出局部最优解,逐渐收敛到全局最优解,同时减小了迭代次数,提高了算法的效率。该算法用于IEEE 33节点系统的计算结果表明,混合算法用于含分布式电源的配电网重构是可行的、有效的。     

量子粒子群算法在配电网重构中的改进和应用

针对传统算法容易早熟收敛、计算效率低下等缺点,文章提出一种改进量子粒子群算法,并将其应用于含分布式电源的配电网重构问题.文章综合考虑配电网的经济性和可靠性,以有功网损和电压稳定性指标作为目标函数建立配电网重构模型,并对传统算法在全局收敛性、收敛速度和编码策略等方面进行了改进.引入遗传算法中的锦标赛选择策略,扩大种群多样...     

改进单亲遗传算法在电源规划中的应用

电源规划问题本质上是一多阶段组合优化问题,使用常规遗传操作会产生大量无效解,从而降低了求解效率.文章提出了一种基于单亲遗传算法的电力系统电源规划模型,并采用分段编码法解决了单亲遗传算法用于电源规划的编码问题.该模型容易计及电源规划中需要考虑的各种约束条件.文中还研究了精英保留算子和扰动算子对收敛的影响.算例仿真表明:该模型可靠有效,既能获得最优解,也能获得次优解;加入特殊算子改进后,可进一步提高精度,加快收敛速度.     

基于改进人口迁移算法的输电网扩展规划

输电网扩展规划是一个非常复杂的大规模组合优化问题,对比提出了一种改进人口迁移算法的求解方法.标准人口迁移算法在求解过程中搜索容易陷入局部最优解和后期收敛时间较长等问题,针对以上缺点,对算法的迭代初始化、种群生成策略以及参数设置进行了改进,将遗传算法的最优保留思想引入到算法中,提高了算法搜索全局最优解的能力与收敛到最优解...     

中压配电网优化规划的改进单亲遗传算法

配电网优化规划是一个多目标、不确定、多阶段的复杂系统优化问题,故提出了一种基于树形编码的中压配电网优化规划的改进单亲遗传算法。此算法结合实际配电网结构多为树形的特点进行编码,将染色体长度设定为用户(负荷)的节点数目。遗传操作采用交换变异和插入变异,并同时加强控制,修补染色体,避免了不可行解的产生,加快了算法的计算效率和收敛速度,并消除了早熟现象。以一个具有16节点的变电站算例,费时3.59 s,在60代左右收敛到最优解,验证了该算法的有效性和实用性,同时表明该算法也适用于配电网扩展规划。     

基于小生境技术改进遗传算法在供电网规划中的应用

通过对遗传算法过早收敛原因的分析,认为遗传算法出现过早收敛主要与问题解的分布状况、种群个体的分布情况及遗传算子的应用有关,提高算法全局收敛性能的核心就是使算法科学的处理种群多样性及最优解信息搜索策略。结合小生境进化共享思想,形成一种旨在提高遗传算法全局收敛性、求解全局最优解的遗传算法,并将之用于多目标电网扩展规划中。对Gaver-6节点网络进行了规划,仿真结果证明了这种算法的有效性。     

基于免疫遗传算法的含分布式电源配网规划

大量分布式电源的接入使配电网规划更加复杂.在限制分布式电源接入总量和考虑多种约束的基础上,建立以配网年费用最小为目标函数的规划模型.针对该模型的特点,采用一种新型免疫遗传算法( IGA)对配电网扩展规划进行优化.该算法综合了免疫系统和遗传算法的优点,可实现群体收敛性和个体多样性间的动态平衡,具有良好的全局收敛能力.分别...     

基于非支配遗传算法及协同进化算法的多目标多区域电网规划

基于快速分类的非支配遗传算法(NSGA-II)是一种新型的多目标遗传算法,文中首次将其应用于电网优化规划。多个算例分析表明NSGA-II算法在电网规划中具有良好的优化效果,为各目标之间的权衡分析提供了有效的工具;协同进化算法采用分解-协调的思想处理复杂系统的演化,可以克服当优化问题规模扩大时,常规进化算法易于出现过早收敛的现象。据此提出将协同进化算法和NSAG-II算法相结合,以用于处理大规模多区域的电力系统规划问题,在各子网采用NSAG-II算法优化的过程中进行多区域协调。与常规遗传算法相比,算例分析取得了更好的规划结果。     

基于多种群遗传算法的输电系统扩展规划

在简要介绍了标准遗传算法的基础上,详细分析了造成遗传算法成熟收敛的原因,提出了一种多种群遗传算法结构。将这一方法应用于输电系统扩展规划,可以大大降低遗传控制参数的不当设定对规划结果的影响,对抑制未成熟收敛的发生有明显的效果,同时可以给最优和若干次规划方案。     

改进遗传算法的无功优化规划在伊盟电网中的实现

电力系统无功优化规划是一个较复杂、多目标、非线性的混合规划。用常规的线性和非线性等方法进行优化计算,存在离散变量的近似处理问题,不符合无功规划的实际。而遗传算法由于自身特点,特别适合于解决多目标混合优化方面的问题,具有稳定的收敛特性,是一种先进的全局优化方法。基不足之外在于计算时间长,在种群和遗传代数不是足够大的情况下,易于收敛于局部极值点。为些提出了改进遗传算法,在计算速度和计算精度方面较传统遗传算法均有明显提高。