机组优化组合的改进遗传算法

提出了用于求解机组优化组合的一种改进的遗传算法 ,并结合实例 ,对不同算法进行了分析比较 .算例表明 ,该方法对发电机组优化组合问题具有实用价值     

改进PSO算法解决电力系统机组优化组合问题

机组组合优化问题是一个大规模、离散、非线性的混合整数规划问题,所以求解比较困难,不容易找到理论上的最优解。本文在基本粒子群算法（PSO）的基础上,使用一种空间收缩策略,加快了算法的收敛速度。同时,为了避免算法出现“早熟”现象,让粒子不仅根据自身和同伴中的最好个体进行调整自己的飞行速度,并且向其他个体学习,以及通过改进的粒子群算法（MPSO）进行仿真计算,证明了该算法的有效性。     

人工免疫算法在水电机组优化组合中的应用

针对水电机组优化组合问题提出一种模拟生物免疫系统的人工免疫算法,给出算法的基本步骤,构造几种人工免疫算子,并对一个有12台机组的水电系统作仿真计算.计算结果表明:人工免疫算法比遗传算法具有更好的全局收敛性和收敛速度.     

基于自适应量子遗传算法的电力系统机组组合问题

采用了一种自适应量子遗传算法来解决机组组合问题.其数学模型以最小燃料成本作为目标函数.考虑的约束条件有功率平衡约束、机组容量约束、最大启停次数约束,以及最小连续停运和运行时间约束.该算法采用了新的量子个体来表示机组的启停状态,提出了针对个体适应值和进化代数的自适应量子旋转角,使个体向更好的解靠近.仿真实验结果验证了自适应量子遗传算法的可行性和优越性.     

基于遗传算法的电力系统无功优化

在总结常用的电力系统无功电压优化方法的基础上,建立了以网损、电压质量和无功潮流分布为目标函数的数学模型．然后对基本遗传算法进行了一些改进,并将改进的遗传算法应用到IEEE30节点系统进行验证．测试结果表明,改进的遗传算法有助于解决无功电压优化问题．     

基于遗传算法的电力系统负荷模型准确度研究

在获得电网系统稳态和动态数据的基础上,对负荷模型参数不确定情况下的仿真准确度进行了分析,并利用故障后系统的动态数据对不确定参数进行校正。选择遗传算法作为校正求解的算法,并对之进行了一定的改进。仿真研究在IEEE-39系统上完成,不准确参数选择为负荷比例,实际应用中可推广为电力系统所有的模型参数。最后给出了这套方案的评价和有待改进的地方。     

基于改进免疫遗传算法的电力系统无功优化

电力系统无功优化是保证系统电压质量、降低网损的重要措施.基于遗传算法、免疫算法的优缺点,提出一种应用于电力系统无功优化的新算法-改进的免疫遗传算法.对IEEE-30节点系统的仿真表明:该算法能够有效地提高收敛速度,避免早熟收敛.     

电力系统惯量安全机组组合优化决策研究

针对“双碳”目标下新能源大量并网,电力系统同步惯量逐步下降,连锁故障风险愈发上升的问题。综合考虑由新能源发电占比增加带来的电力系统惯量下降以及电力系统连锁故障预防,添加了系统运行约束中的受系统惯量影响的频率安全约束,并引入了运行目标中反映连锁故障风险的潮流熵,最终形成面向连锁故障预防的电力系统惯量安全运行决策模型与求解方法。对IEEE-30系统系统仿真结果表明,潮流熵和惯量安全约束的引入可以实现在牺牲一部分经济运行的基础上显著改善系统潮流分布,降低连锁故障风险,保障系统事故后的电网频率安全和负荷需求。     

遗传算法在火力发电机组计划检修中的应用

使用遗传算法来制定大规模火力发电机组的检修计划，提出了改进遗传算法的几种方法，算法考虑了检修中可能出现的约束条件，算例说明了该算法是可行和有效的。     

免疫遗传算法及其在电力系统EELD中的应用

电力系统EELD问题是一个满足一定约束条件的多目标优化问题,利用基于进化策略的免疫遗传算法对这一问题求解.将发电燃料成本和污染控制成本视为抗原,各电力生产单元发电量的最优解视为抗体,以一个含有5个电力生产单元的燃煤电力系统模型为对象,给出利用免疫遗传算法解决这一问题的主要方法和步骤.并与基于遗传算法和Hopfield神经网络方法进行比较分析.结果证明此算法可以优化分配电力系统中各电力单元发电量,达到环境经济合理配置.     

一种实用的机组最优启停计划方法

提出一种确定机组最优启停的改进动态规划法，先按优先顺序表压缩各时段机组组合状态，再用动态规划法进行计算．新的方法克服了优先顺序法没有考虑启停费用的不足，也解决了动态规划的“维数灾难”，且各机组的最优负荷分配可与机组的启停计划同时计算出、计算结果表明，该法具有较好的实用性。     

一种多区域机组组合问题的有效算法

本文以二层规划理论为依据,建立多区域机组组合的二层优化模型,并提出模型的有效计算方法。其中,上层是以电力系统总体运行成本最小为目标的有功最优潮流问题;下层由多个单区域内的机组组合问题组成。上层决定下层每区域内的发电任务,下层以此确定机组的运行状态,同时向上层反馈各区域发电成本的边际信息。通过算例分析,表明本文方法对解决网络制约的多区域内机组启、停决策问题是有效的．     

电力系统负荷分配中可靠性,机组组合与最优潮流的协调

考虑发电机组可靠性指标时的机组组合方法及将其结果与最优潮流相结合,调整控制变量的寻优域,进而使可靠性、机组组合与最优潮流三者协调一致的方法。计算结果表明该方法可使系统的运行安全、经济可靠.     

机组组合优化问题的穷举算法研究

提出一种解决机组组合优化问题的通用穷举算法,把M台机组组合优化问题转化成从M个数组中各取一个数并且这M个数之和等于一个给定值的数学问题,在此基础上,利用递归回溯的方法搜索每个可能的组合.试验结果表明,该算法能够找出任意台机组在任意技术出力范围内的所有的组合方案,不会产生漏解.应用于经济调度问题时,以煤耗量为目标函数,证明该算法能够得到最优解.最后,分析了该算法的复杂性.     

A Genetic Algorithm for Reactive Power Optimization of Power System

oINTRODUCTIoNReactivepoweroptimizationisaneffec-tivemeasuretoreducethelossinpowersystem.However,GeneticAlgorithm(GA)drawsmoreattentionaspowersystemfurtherexpandsinsizeanditisasystemopti-mizationtoolbaseduponnaturalselec-tionandnaturalgenetics,andfeatureshigheffciencyandwideapplicability.lBASICMODELANDGENETICAL-GoRITHMl.lBasicModelforReactivePowerOpti-mizationThefollowingarethevariantstobecontrolledf(l)thecompensationamountontheloadernode,(2)thegeneratorvoltage,(3)theratiooft…     

改进遗传算法在复杂CHP系统负荷优化调度中的应用

多台热电联产机组组成的复杂热电联产(CHP)系统优化过程中会使得搜索域增大,优化收敛速度变慢。针对这一问题。通过借鉴内点法将原搜索范围进行离散、组合,从而将搜索范围进行合理收缩,提高了算法在寻优过程中的收敛速度,并使优化结果更接近全局最优。将改进遗传算法应用于某石化企业自备电厂的复杂CHP系统,并通过仿真模拟对优化结果进行验证。结果表明,改进遗传算法可以有效提高遗传算法的收敛速度和优化结果。     

混合遗传算法的电力系统无功优化

针对遗传算法（GA）的局限性,提出了一种应用于电力系统无功优化问题的混合遗传算法（GASA）。实施了最优保留策略,改进交叉和变异操作,并结合模拟退火算法（SA）的Metropolis判别准则的复制策略,使寻优过程能够跳出局部最优解,从而形成了混合遗传算法。优化过程中考虑了电力系统无功优化自身特点,提高了计算效率。对IEEE30节点系统的仿真表明：该算法能够有效地提高收敛速度,避免早熟收敛。     

同时考虑发电费用与网络损耗的多目标有功最优潮流

在对传统的单纯以发电费用最少和网络损耗最小为目标的单目标最优潮流分析的基础上,利用权重系数将两者有机结合,建立了多目标的有功最优潮流模型,分别利用二次规划算法和遗传算法进行求解,并对两种计算方法的计算结果和求解效率进行了分析。