进化优化算法通用框架模型研究

在对进化策略、遗传算法、遗传编程3种典型的进化优化方法分析研究的基础上,建立了进化优化算法通用框架模型,并在此框架下对3种进化算法进行描述和比较。通过对进化计算的本质并行性分析,确定在具体实现进化优化算法时采用DCOM模型的方法,为模拟进化优化理论在热力系统优化运行中的研究奠定了基础。     

基于混合优化微分进化算法的电力系统无功优化

阐述了一种基于混合优化微分进化算法的无功优化方法.混合优化微分进化算法是一种直接随机搜索方法,由在当前种群中随机采样的个体之间的基因差异来驱动,混合优化微分进化算法的主要思想是采用不同的策略产生变异算子,并在进化过程中采取父代和子代合群处理,来提高进化速度.将该无功优化方法在IEEE 30节点系统上进行了校验,并与基于其它算法的无功优化方法进行比较,仿真结果表明该算法具有收敛速度快、鲁棒性好、计算精度高的优点.     

基于混合优化微分进化算法的电力系统无功优化

阐述了一种基于混合优化微分进化算法的无功优化方法。混合优化微分进化算法是一种直接随机搜索方法,由在当前种群中随机采样的个体之间的基因差异来驱动,混合优化微分进化算法的主要思想是采用不同的策略产生变异算子,并在进化过程中采取父代和子代合群处理,来提高进化速度。将该无功优化方法在IEEE 30节点系统上进行了校验,并与基于其它算法的无功优化方法进行比较,仿真结果表明该算法具有收敛速度快、鲁棒性好、计算精度高的优点。     

多目标进化算法及其在控制系统设计中的应用研究

本文首先介绍了多目标优化问题的进化算法。控制器的设计大多是多目标优化问题,而用多目标进化算法来进行设计可以得到一组优化的Pareto解集,非常适用于控制系统的设计。通过分析控制器性能的要求,介绍了进化算法的设计步骤。实例说明了多目标进化算法控制器设计的优越性。     

基于基因拟子协同进化算法的水电优化调度研究

设计了一种基因拟子协同进化算法(GMCA),并应用于水电优化调度问题.基于基因拟子协同进化理论,定义了算法中的拟子和文化的概念,设计了算法步骤,设计了发展、感染、复兴、消亡四个文化进化算子和判断文化衰老的方法,建立了算法求解水电优化调度问题的方法和流程,通过仿真验证了算法的有效性.与遗传算法(GA)、混合遗传算法(HGA)、粒子群算法(PSO)等相比较,基因拟子协同进化算法显得更为有效.这为水电优化调度等问题提供了新的求解技术.     

高压电网电流互感器饱和对继电保护的影响应用分析与研究

电力系统无功优化是带有多约束的非线性组合优化问题,进化策略算法在解决这类问题时显示出独特的优势。惩罚函数法是进化算法求解约束问题最常用的方法,但其罚系数难以合理确定。文中将带随机排序策略的进化算法应用到无功优化问题中,有效地避免了罚函数法处理约束问题时罚系数难以确定的缺点,并在编码方法、进化终止判据方面做了改进,有效地提高了算法的求解效率。算例证明了改进算法的有效性。     

自适应选择进化算法的多目标无功优化方法

基于帕累托最优概念的多目标进化算法在电力系统无功优化领域已有广泛应用,但目前通过某种单一算法求解的方式由于进化算子的唯一性,难以保证进化过程不同寻优阶段的普适性和鲁棒性,因此提出一种基于多种进化算法自适应选择的多目标无功优化方法。通过分析已有多目标进化算法的特征,考虑协调性与互补性,建立包含4类算法的备选池;在进化过程不同阶段根据寻优性能自适应地确定备选算法的使用比例,从而综合多种算法的性能优势,提高整体寻优效率。以IEEE 30节点标准系统的多目标无功优化为算例,从帕累托前沿、外部解及C指标等方面与已有单一算法的优化结果进行比较,表明所提新方法在整个进化过程中都显示出了更优的收敛特性。     

基于量子差分进化算法的电力系统无功优化

以系统有功网损最小为目标,建立了一种电力系统无功优化数学模型,并提出了一种基于量子差分进化算法的电力系统无功优化方法。该算法采用量子计算中的并行、坍缩等特性,增强了对解空间的遍历能力;同时在传统选择策略的基础上加入了量子计算的概率表达特性,有效地避免了算法的早熟现象。对IEEE-30节点测试系统进行仿真分析,并将优化结果与传统差分进化算法和粒子群优化算法进行对比分析,结果表明量子差分进化算法在解决系统无功优化问题上更科学、更有效。     

协同差分演化算法在梯级水库中长期发电优化调度中的应用研究

本文结合梯级水库中长期发电优化调度问题,针对差分演化算法在进化过程中,其适应度的进化模式未考虑进化的外部环境与进化成分之间的内在联系,借鉴生态学对个体生存环境与种群竞争的关系,提出了协同差分演化算法在梯级水库中长期发电优化调度中的应用。通过实例验证,结果表明该算法具有可靠性与合理性,提高了计算精度和计算效率,为高维、复杂的梯级水库中长期发电优化调度模型提供了一个新的求解途径。     

基于网络动态重构的配电系统优化调度方法研究

为解决配电系统中网络资源利用率低、网络损耗大的问题，设计了一套配电系统对配电网进行动态重构，构建出改进型混沌进化算法模型以优化网络配置。改进型混沌进化算法模型融合反向传播(back propagation, BP)神经网络算法模型，通过混沌进化算法模型对重构后的配电系统进行优化，通过BP神经网络算法模型提高优化的精度，结果提高了配电系统优化调度能力。试验结果表明，提高了优化能力和网络资源利用率，降低了网络能耗。     

水库群供水优化调度的免疫蚁群算法应用研究

针对水库群供水优化调度问题,本文介绍了一种基于免疫进化的蚁群算法。该算法充分利用了免疫进化算法的全局快速收敛性和蚁群算法的正反馈性,同时在蚁群算法中增加扰动策略,克服了蚁群算法在求解过程中出现初期信息素匮乏、易陷入局部最优解的问题,并将其应用在滦河下游六水库联合供水优化调度中。实例计算表明,该算法求解水库群供水优化调度问题时,结果可靠、合理,计算效率高,从而为求解高维,复杂的水库供水优化调度提供了新的思路。     

基于NW小世界的量子进化算法在无功优化中的研究

针对量子进化算法的早熟问题,提出了一种适于电力系统无功优化的NW（newman-watts）小世界量子进化算法。该算法引入了NW小世界网络模型,以一种新颖的随机加边方式动态改变种群个体的邻域拓扑结构,从而保证了整个优化过程中的种群多样性,提高了算法的全局搜索能力。应用该算法对IEEE-14节点和IEEE-57节点系统进行无功优化的仿真分析,结果表明,NW小世界量子进化算法在电网无功优化计算中具有较强的全局寻优能力和较高的收敛精度。     

基于混合粒子群算法的短期负荷预测模型

由于电力负荷内在的非线性特性,传统基于梯度搜索的参数辨识技术可能陷入局部最优,影响了预测精度,故提出了混合进化和粒子群优化算法。将进化算法的基本思想引入粒子群优化算法,不但保持了粒子群算法结构简单、易于实现的特点,而且充分发挥了进化算法的全局搜索能力,可有效提高算法的精度和收敛速度。对上海地区电网进行短期负荷预测,与实际值相比较,结果表明,该算法具有较高的预测精度,是一种有效的短期预测方法。     

A new ARMAX model based on evolutionary algorithm and particle swarm optimization for short-term load forecasting

In this paper, a new ARMAX model based on evolutionary algorithm and particle swarm optimization for short-term load forecasting is proposed. Auto-regressive (AR) and moving average (MA) with exogenous variables (ARMAX) has been widely applied in the load forecasting area. Because of the nonlinear characteristics of the power system loads, the forecasting function has many local optimal points. The traditional method based on gradient searching may be trapped in local optimal points and lead to high error. While, the hybrid method based on evolutionary algorithm and particle swarm optimization can solve this problem more efficiently than the traditional ways. It takes advantage of evolutionary strategy to speed up the convergence of particle swarm optimization (PSO), and applies the crossover operation of genetic algorithm to enhance the global search ability. The new ARMAX model for short-term load forecasting has been tested based on the load data of Eastern China location market, and the results indicate that the proposed approach has achieved good accuracy.     

混合量子进化算法在110 kV变电站规划中的应用

针对城市电网中110 kV变电站规划这一组合优化问题,给出一种基于混合量子进化算法的变电站规划优化方法。该方法融合了量子进化算法收敛速度快,擅长全局搜索的优点和贪婪随机自适应算法局部搜索能力强的长处。将此方法应用到四川某县110 kV变电站容量规划中,计算结果表明该方法很好地完成了对该县变电站数量、主变容量的优化规划。结果符合该地区电力需求和未来电网建设形势,对该县电网下一步规划建设有重要参考意义,表明了方法的有效性。     

基于改进粒子群优化算法的PID参数整定

粒子群优化算法PSO(ParticleSwarmOptimization)是近年来出现的一种新型演化计算方法,其算法简单易懂,优化性能良好。该文提出改进的PSO算法结合Matlab强大的矩阵计算和系统仿真功能,对文中实例的PID参数进行了优化整定。仿真显示优化结果比遗传算法好,收敛性能比遗传算法高。     

基于SA-PSO的电力系统无功优化

粒子群优化算法是一种简便易行,收敛快速的演化计算方法。但该算法也存在收敛精度不高,易陷入局部极值的缺点。针对这些缺点,对原算法加以改进,引入了自适应的惯性系数和模拟退火算法的思想,提出了一种新的模拟退火粒子群优化(simulated annealing particle swarm optimization,SA-PSO)算法,并将其应用于电力系统无功优化。对IEEE14节点系统进行了仿真计算,并与PSO算法作了比较,结果表明SA-PSO算法全局收敛性能及收敛精度均较PSO算法有了较大提高。