基于NSGA-Ⅱ算法的无线充电系统磁耦合机构多目标优化

针对当前磁耦合机构多目标优化计算量大、计算时间长等问题,本文提出了基于解析表达式和NSGA-Ⅱ算法的多目标优化方法。首先推导了磁耦合机构电气参数和性能参数的解析表达式。在此基础上,以磁耦合机构的尺寸、匝数、匝间距为变量,以传输功率、器件电气应力、绕线可行性为约束条件,以传输效率和功率密度为优化目标,建立了磁耦合机构多目标优化的数学模型。然后,采用NSGA-Ⅱ算法对该数学模型进行求解,得到了一组Pareto最优解集,通过分析各个目标函数的权重,在最优解集中选择一组参数用于设计参考。该设计方法不需要反复的有限元仿真计算,大大减少了计算时间,优化结果证明了该方法的有效性。     

基于NSGA-Ⅱ算法的多目标无功优化

针对电力系统无功优化问题由单目标优化向多目标优化的转变中传统优化方法存在一些不足的情况,引入了NSGA-Ⅱ算法协调各目标函数之间的关系,找出能使各目标函数较大的pareto最优解集,建立了以最小化无功补偿设备投资运行成本、系统网损最小为目标的优化模型.IEEE39节点系统算例的仿真表明,此方法能够较方便地从几个较优解中找到符合各优化目标的全局最优解,并可以有效改善电能质量,满足经济性和可靠性要求.     

基于NSGA-Ⅱ和模糊决策的交直流混合微电网多目标优化调度

风电、光伏等可再生能源在微电网的渗透率日益增加,使得交直流混合微电网经济调度难度加大。为实现含高渗透率可再生能源的交直流混合微电网的优化运行,结合分时电价机制,对蓄电池充放电策略进行研究。以经济成本和总节点电压偏差为优化的目标函数,建立考虑蓄电池荷电状态和公共直流母线关键节点电压偏差的多目标优化模型;针对非支配排序遗传算法(non-dominated sorting in genetic algorithm-Ⅱ,NSGA-Ⅱ)只能求出一个非劣解集的特点,将NSGA-Ⅱ和模糊决策相结合,利用模糊决策从非劣解集中寻找最优解。最后针对交直流混合微电网算例,求出交直流混合微电网的优化调度策略,结果表明该算法能有效降低交直流混合微电网运行成本以及公共直流母线关键节点的电压偏差。     

电站多目标负荷优化分配与决策指导

对传统意义下的厂级负荷优化分配模型进行修正,同时考虑全厂供电煤耗率、污染排全放和负荷调整时间3个目标,提出厂级负荷分配的多目标优化模型。将多目标优化方法和多属性决策结合使用,研究多目标优化指导的问题。针对非劣分层遗传算法(nondominated sorting genetic algorithmII,NSGA-II)易于局部收敛的特点,提出了并行的NSGA-II多目标优化结构,增加了Pareto前沿的多样性,为决策提供丰富的信息。引入基于基点和熵的多属性决策方法,对Pareto解集进行排序,得出最优解。对某火电厂进行实例分析,结果表明该方法能准确快速地完成多目标负荷分配优化,并给出正确的指导,具有一定的实用性。     

基于改进NSGA-Ⅱ的社区电动汽车充电站优化充电策略

提出基于改进的非支配排序遗传算法(NSGA-Ⅱ)的社区电动汽车充电站优化充电策略。首先,以电动汽车充电容量和配电变压器容量限制为约束条件,构建以单位电量充电费用最少、电网侧负荷方差最小为目标的电动汽车充电站多目标充电模型;然后,针对传统NSGA-Ⅱ存在的难以生成满足约束条件的初始种群、Pareto解集分布不均和最优解性能不高的缺点,提出改进初始种群生成和拥挤度比较算子相结合的NSGA-Ⅱ对模型进行求解,并采用基于信息熵的序数偏好法从最终Pareto解集中选择最优折中充电方案;最后,通过算例仿真验证了所提算法的有效性,表明改进NSGA-Ⅱ能在较大程度上提高电网侧的负荷水平和用户的充电性价比。     

基于NSGA-Ⅱ算法的并网型微网多目标调度

将分布式电源及储能单元组建成微网接入大电网并网运行,可以充分发挥分布式发电供能系统效能。由于并网型微网与外部大电网存在能量交换,会改变线路潮流,进而影响电能质量和供电可靠性。微网中各发电单元的优化调度是微网设计者所面对的一个重要课题。针对微电网并网时的优化调度,建立了考虑发电成本、污染物治理成本的微电网系统的环保优化模型。应用改进型非劣排序遗传算法(NSGA-II),进行多目标优化求解,得到Pareto最优解集。对浙江某并网型微电网进行24h优化调度进行计算分析,在和传统的单目标GA算法进行对比后,验证了其可行性和有效性。     

基于模糊多目标优化的负荷优化分配研究

针对火电厂负荷优化分配,基于煤耗最小的单目标优化的局限性,提出了兼顾全厂煤耗最小和完成变负荷时间最短的双目标负荷优化分配模型,利用模糊理论将此双目标函数处理成相同约束条件下的单目标函数;然后用动态规划法求解,并将此结果同只考虑煤耗最小的单目标优化模型的结果相比较;最后对4台机组进行仿真。结果表明:采用多目标模糊优化设计对负荷优化分配效果良好。     

基于SPEA2算法的火电厂负荷分配的多目标优化研究

针对火电厂中以煤耗最小的单目标负荷分配优化的局限性,综合考虑机组运行的经济性、快速性和稳定性要求,应用多目标模糊规划方法建立了负荷优化分配新模型,并利用SPEA2算法进行优化求解。仿真结果表明,相比只考虑煤耗最小的单目标优化方法,多目标加权法具有更好的多样性,便于运行人员从中选择最优的负荷分配方案。     

多目标遗传算法求解电力系统经济负荷分配

提出应用多目标遗传算法解决电力系统经济负荷分配问题。对负荷分配的数学模型进行了分析,将这一带约束的单目标优化问题转换成总煤耗函数和违反约束条件的程度函数两个目标函数优化问题。该算法采用实数编码技术,Pareto强度值作为个体的评价指标,利用遗传算法实现种群的进化,最终找到最优解。将该方法分别应用于某5台机组组成的发电系统和3台机组组成的发电系统进行负荷优化计算,结果与基于惩罚函数的单目标优化算法进行比较,分析表明该算法在确保满足各约束条件的前提下具备较好的寻优性能,证实了该算法的可行性与有效性。     

基于混沌遗传和模糊决策算法的多目标负荷经济调度

提出一种可同时得到电力系统最优机组组合和多目标负荷分配结果的混沌遗传和模糊决策算法.结合改进优先顺序法、启发式遗传算法、混沌优化和模糊决策的优点,按改进的优先顺序法确定各时段运行的机组序列,用启发式遗传算法确定机组组合状态,并对交叉率和变异率进行模糊决策.在负荷分配中,考虑单一经济目标和多目标优化2种决策模型,用遗传算法进行并行搜索,同时在最优点附近利用混沌优化的遍历性进行局部寻优,避免遗传算法陷入局部最优,有效提高了收敛速度.将所提算法分别应用于10机和30机系统中,结果表明,该算法较好地处理了电力系统负荷经济调度的各种约束条件,减少了不可行解,加快了收敛速度.     

改进算法在电力系统多目标负荷分配中的应用

针对火电厂负荷优化分配问题,将同时考虑发电成本、污染排放和负荷调整时间三个方面,建立多目标优化组合模型.在优化算法上,提出一种小生境遗传禁忌搜索混合算法.此算法以小生境遗传算法为主体,避免传统遗传算法“早熟”和解的多样性不足的问题;并结合禁忌搜索思想,使用TSR算子进行交叉操作,改进了传统遗传算法局部搜索能力较差和收敛速度有待提高的问题.以某火电厂2台200 MW和2台300 MW机组负荷优化分配为例,将所提混合算法与其他两种传统算法进行了对比验证,结果表明此改进混合算法的有效性.     

基于NSGA-Ⅱ算法的分布式电源优化配置

以合理配置分布式电源(DG)发挥其综合效益为目的,建立了以最小化分布式电源投资运行成本、最小化配电网网损和最大化静态电压稳定性为目标的配电网DG多目标优化配置模型。引入了多目标遗传算法—带精英策略的快速排序遗传算法(NSGA-Ⅱ),该算法能够协调各目标函数之间的关系,找出能使各目标函数尽量达到比较大的Pareto最优解集。在考虑不同类型DG的接入特性的基础上,采用NSGA-Ⅱ优化求解DG配置问题。算例分析表明,DG接入配电网后有利于节省配电网投资、减少配电网网损、提高静态电压稳定性。多目标优化计算结果表明,DG配置方案能够达到经济、技术、安全3个方面最优。     

基于CAMOCS算法的多目标无功优化

针对传统算法在求解多目标函数上存在局限性问题,在标准多目标布谷鸟搜索(Multi-objective Cuckoo Search,MOCS)算法的基础上,采用Kent混沌映射生成多样性初始解,并自适应改变算法的搜索步长,结合多目标Pareto最优解概念,提出一种混沌自适应多目标布谷鸟搜索(Chaotic Adaptive Multi-objective Cuckoo Search,CAMOCS)算法,并利用该算法对所建立的多目标无功优化模型进行求解,最后在IEEE 14节点系统算例仿真验证了所提方法的有效性和可行性。     

基于改进NSGA-Ⅱ算法的多站融合系统运行优化

为优化多站融合系统的运行,以提高系统运行经济性、环保性、消纳率为优化目标,对多站融合系统进行研究分析。构建包含光伏电站、风机、储能电站以及多种负荷的多站融合系统优化模型并建立约束条件。改进了NSGA-Ⅱ算法,在传统NSGA-Ⅱ算法的基础上引入量子搜索以进一步提高搜索能力,在算法中利用蒙特卡洛模拟生成随机参数,从而求解包含多重不确定性的运行优化问题。以某地多站融合数据为例进行仿真分析,并与传统的粒子群算法以及未改进的NSGA-Ⅱ算法进行对比,算例验证所提方法能够提升多站融合系统的运营效益。     

基于改进NSGA-Ⅲ算法的微电网多目标优化运行

为了优化微电网的运行,以综合运营成本最低、储能充放电量最低和环境效益最优为目标,计及网内功率平衡、微源出力等约束,建立了微网优化运行的数学模型.引入一种改进的三代非支配排序遗传算法,通过在标准算法中引入量子局部搜索,进一步增强算法的搜索能力,减小算法陷入局部最优的可能性.最后以某地区微电网系统为例,与标准算法求解结果进...     

基于改进粒子群算法的节能调度下多目标负荷最优分配

在传统经济负荷分配模型的基础上,结合节能调度的宗旨,建立了系统有功网损最小和机组发电耗煤量最小的多目标负荷分配模型。该模型改进了基于Pareto最优概念的多目标粒子群算法,将其应用于多目标负荷最优分配,能对系统进行整体节能优化。IEEE 57节点系统仿真结果表明,该方法在满足系统的安全约束的同时,能降低系统网损和减少机组煤耗,有效节约能源。通过每次优化求得一组Pareto最优解集能够为决策者提供更多的有效参考,具有实际意义。     

基于MDPA算法的火电厂多目标负荷优化分配模型

在传统的火电厂经济负荷分配模型基础上,综合考虑全厂供电煤耗率、污染物排放量以及全厂负荷升、降时间3个目标,构建了厂级负荷优化分配的多目标模型。将差分粒子群混合算法发展为一种新型的多目标进化(MDPA)算法,即利用擂台赛法和凝聚层次聚类分析方法分别构造和修剪非支配集,同时加入精英保留策略,保留进化过程中的极值点。将该算法应用于以经济、环保、快速3个目标为多目标的厂级负荷优化分配,并与基于非支配排序的多目标优化(NSGA-Ⅱ)算法进行对比。结果表明,MDPA 算法较 NSGA-Ⅱ算法收敛速度更快,解集分布更均匀。     

基于NSGA-Ⅱ算法的多目标静态无功优化

由于静态无功优化目标函数大多是单目标或者人为赋予权重系数的多目标函数的组合,本文提出了一种综合优化网损、电压水平和电压稳定性的多目标无功优化模型。为了避免求解时的目标偏好性,引入了快速非支配排序遗传算法,设计了基于实数、整数编码的混合编码方式,通过非支配排序算子和拥挤度算子来协调各目标之间的关系,实现了计及变量约束和潮流约束的静态无功优化。采用方案校验模块完成对Pareto最优解集的校验。以IEEE30节点系统和IEEE118节点系统为算例进行仿真,多次无功优化计算的结果表明了该方法的有效性。     

求解负荷分配问题的多目标加权优化方法

针对节能减排计划下多目标优化的负荷分配问题,考虑到实际调度中对阶段性及目标值的追求,建立了多目标期望控制的负荷分配模型,并采用动态加权算法求解寻优。动态加权算法可减少主观性赋权,并能在每次迭代过程中根据目标偏差率大小自动调整权重系数,使得三类目标函数实现同时趋近于期望值。但求解时发现,动态加权求解存在多目标优化问题,为此提出了权值预估方法,经仿真算例分析验证,该方法能较好地解决复杂的电力系统负荷分配问题。     

基于多目标模糊规划的厂级负荷优化分配研究

目前火电厂的负荷优化分配系统通常是以机组煤耗特性为基础,由于机组的煤耗特性是在稳定工况下得到的,所以经济分配能满足稳态工况下全厂发电成本最低的要求,但并没有考虑频繁变负荷给机组带来的影响。同时,在自动发电控制(AGC)方式下的厂级负荷分配还要满足调整时间的要求,以尽可能快的速度完成目标负荷的调整。针对机组运行的经济性、快速性、稳定性,应用多目标模糊规划方法建立负荷优化分配模型,并使用免疫算法进行计算,所得结果既保证了较低煤耗,也使得机组负荷调整速度较快,同时也满足了参与调整机组台数尽可能少的要求,使机组负荷分配更加合理。