改进遗传算法在电力系统无功优化中的应用

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,是近些年发展起来的基于自然选择规律的一种优化方法.本文提出了一种应用于电力系统无功优化问题的改进遗传算法,该算法在一般遗传算法的基础上,对适应函数、编码方式以及变异操作等方面作了改进.经电力系统的无功优化问题实例计算表明,改进遗传算法的优化结果可以更有效地达到或接近全局最优.     

一种基于遗传算法的电力系统无功优化规划

遗传算法是一种基于自然选择规律的优化方法。文章针对电力系统长期存在的无功优化问题,提出了基于遗传算法的无功优化规划算法。该方法弥补了以往无功补偿规划没有考虑系统最小负荷方式和事故情况下无功补偿要求、以及不同年份下由于负荷变化对补偿有不同要求的缺陷。计算结果表明该算法合理、有效。     

遗传算法在电力系统无功优化中的应用及研究

该文阐述了将遗传算法应用于电力系统无功优化模块中,目的是可以有效地降低电力系统网络有功损耗．提高系统的电压合格率．从而降低电力网络运行费用,提高供电质量。     

遗传算法在电力系统无功优化中的应用及研究

该文阐述了将遗传算法应用于电力系统无功优化模块中,目的是可以有效地降低电力系统网络有功损耗,提高系统的电压合格率,从而降低电力网络运行费用,提高供电质量。     

基于改进遗传算法的配电网无功补偿优化

建立以降低网损之后带来经济效益最大为目标函数的模型,通过引入灵敏度分析,得到候选补偿节点以减小寻优时的计算量,再用遗传算法作为配电网无功补偿优化算法,确定补偿节点和最适合的补偿容量。在遗传算法计算过程中通过保存最优秀个体的办法,在提高计算速度的同时还能提高计算精度。     

配电网无功优化控制研究

设计了无功优化控制系统的软件体系结构，建立了动态无功优化数学模型。提出的高压配电网无功优化控制基于现有地调自动化系统，在母线负荷预测的基础上，利用遗传算法求解整个电网的无功优化问题，得到的优化结果为各个变电站VQC的合理限值。该方法将全局优化与VQC分散控制的优点结合起来，克服了各变电站无功、电压就地最优控制的弊端，节电效益显著。在某地区电网的应用中验证了该系统和方法的有效性，经过优化计算，在满足电压约束和控制设备动作次数限制的条件下，降低了电能损耗，有功损耗比优化前下降约3％。     

改进型遗传算法及其在电力系统无功优化中的应用

通过对遗传算法原理的分析 ,得到一种改进型的遗传算法 ,并应用于电力系统的无功优化问题中 ,实例研究表明 :相对常规方法和简单最优保留的遗传算法 ,本文算法优化能力强 ,优化效果好 ,是实现无功优化的一种有效方法。     

改进遗传算法在配电网无功优化中的应用

针对传统的遗传算法在解决配电网无功优化问题时易陷入局部最优、收敛速度慢等缺点,本文研究将迭代群体进行科学分组,并在编码方式、算法选择、遗传操作以及终止判据等方面进行改进,提高算法收敛速度和解的质量。最后将本算法用于某13节点电网系统中,验证所提算法的有效性及实用性。     

基于细菌菌落算法的电力系统无功优化

电力系统无功优化具有非线性,多控制变量,多约束条件,连续变量和离散变量混杂的特点,针对现有算法或容易陷入局部最优解或收敛速度慢的缺点,提出了一种细菌菌落(bacterial colony optimization,BCO)优化算法,将BCO优化算法首次应用于电力系统无功优化问题。BCO算法将问题的解空间视为细菌培养液,在其中放置单个或少量细菌个体,模拟细菌菌落的生长进化过程,该算法本身具有进化机制,并且提出了一种新的结束准则。BCO算法通过繁殖适应度高的个体,死亡适应度低的个体,可以尽快的获得适应度更优的个体,从而可以避免算法陷入局部最优解,同时也加快了收敛速度。用BCO算法对IEEE14节点标准测试系统进行无功优化计算,实验结果表明,细菌菌落(BCO)优化算法较其他算法具有较强的全局寻优能力,且收敛速度快,鲁棒性好,可以作为求解电力系统无功优化问题的一种新途径。     

基于改进粒子群算法的电力系统无功优化

针对传统粒子群算法易陷入局部最优解、收敛速度慢的缺点,提出一种基于信息分享策略的改进型粒子群算法,并首次将其应用于电力系统无功优化问题.改进的粒子群算法通过调整学习因子而获得合理有效的收敛速度;采用信息分享策略以保证种群的多样性;在位置的更新过程中加入扰动项,从而避免算法陷入局部最优解.用改进型粒子群算法对IEEE-14节点标准测试系统进行无功优化计算,实验结果表明:与其他算法相比,该改进粒子群算法具有较强的全局寻优能力,且收敛速度快,鲁棒性好,能有效地解决电力系统无功优化问题.     

Dynamic optimal reactive power dispatch based on parallel particle swarm optimization algorithm

In this paper, Message Passing Interface (MPI) based parallel computation and particle swarm optimization (PSO) algorithm are combined to form the parallel particle swarm optimization (PPSO) method for solving the dynamic optimal reactive power dispatch (DORPD) problem in power systems. In the proposed algorithm, the DORPD problem is divided into smaller ones, which can be carried out concurrently by multi-processors. This method is evaluated on a group of IEEE power systems test cases with time-varying loads in which the control of the generator terminal voltages, tap position of transformers and reactive power sources are involved to minimize the transmission power loss and the costs of adjusting the control devices. The simulation results demonstrate the accuracy of the PPSO algorithm and its capability of greatly reducing the runtimes of the DORPD programs.     

一种改进型动态无功优化模型及其求解算法

动态无功优化是提高电力系统运行经济性和安全性的重要措施。在动态无功优化常规模型的基础上,将同一节点的若干组电容器等效为1个集中变量,用对集中电容器组的约束代替常规的单组电容器约束,给出与之完全等效的电容器组动作次数约束值和投切方法;针对动态无功优化模型的非线性、大规模性、控制变量的离散性和连续性共存的难题,对用于离散非线性优化的蚁群算法作了充分研究,提出了内点法与蚁群算法相结合的动态无功优化混合算法。IEEE14测试系统的仿真结果验证了改进模型及算法的有效性和可行性。     

Comparison of genetic algorithm to particle swarm for constrained simulation-based optimization of a geothermal power plant

The performance of a genetic algorithm is compared with that of particle swarm optimization for the constrained, non-linear, simulation-based optimization of a double flash geothermal power plant. Particle swarm optimization converges to better (higher) objective function values. The genetic algorithm is shown to converge more quickly and more tightly, resulting in a loss of solution diversity. Particle swarm optimization obtains solutions within 0.1% and 0.5% of the best known optimum in significantly fewer objective function evaluations than the genetic algorithm.     

基于OFDMA系统的改进型功率分配贪婪算法研究

通过考虑功率分配中OFDMA系统的吞吐量与用户间公平性能的平衡问题,在公平约束条件下,提出一种改进型功率分配贪婪算法.该算法根据用户请求进行子载波的预分配,可以有效地实现每个用户具体的比特分配和功率分配.仿真结果表明,该算法的吞吐量逼近于迭代注水功率分配算法,可以在OFDMA系统的吞吐量与用户间的公平性能之间寻求到一个理想的平衡点.     

Optimal reactive power dispatch by particle swarm optimization with an aging leader and challengers

This study presents a particle swarm optimization (PSO) with an aging leader and challengers (ALC-PSO) for the solution of optimal reactive power dispatch (ORPD) problem. The ORPD problem is formulated as a nonlinear constrained single-objective optimization problem where the real power loss and the total voltage deviations are to be minimized separately. In order to evaluate the performance of the proposed algorithm, it has been implemented on IEEE 30-, 57- and 118-bus test power systems and the optimal results obtained are compared with those of the other evolutionary optimization techniques surfaced in the recent state-of-the-art literature. The results presented in this paper demonstrate the potential of the proposed approach and show its effectiveness and robustness for solving the ORPD problem of power system.     

遗传算法在电力传输温度监测系统中的应用*

电力传输系统中常常会发生高压电接点过热而造成的停电火灾事故,造成巨大的经济损失。将无线传感网络应用到高压电接点的温度监测系统中,当高压电接点温度过高时及时发出报警信息。针对无线传感网络的能量限制问题,采用改进后的遗传算法对网络中无线温度传感器节点进行能量上的优化,使整个无限传感网络能量的消耗趋于最优。MATLAB仿真结果表明：改进后的遗传算法有更好的寻优效果,克服了局部最优的误区,保证了电力传输过程中无线温度监测系统的能量优化。     

分布式可再生能源发电并网的无功优化研究

提出了基于杂交粒子群优化算法的分布式可再生能源并网的无功优化算法,从网损和静态电压稳定裕度两个角度出发,构建了含分布式发电系统的配电网无功优化的数学模型.在美国PG&E 69节点配电系统上进行效验.结果表明,该算法收敛性好、精度高;分布式电源并网后能有效降低系统的有功网损,提高电压稳定性,对分布式电源并网运行具有一定的...     

基于免疫量子遗传算法的多峰函数寻优

针对多峰函数优化中的全局及局部寻优问题,提出了一种结合免疫克隆算子的量子遗传算法,给出了实现流程。该算法集量子遗传算法的快速性和免疫克隆算法全局搜索性于一身。它不仅有效克服了量子遗传算法容易陷于局部最优的缺点,也避免了普通免疫克隆算法计算缓慢的缺点。用多峰值函数进行了全局寻优的仿真实验,并与基本遗传算法,量子遗传算法的计算结果进行了比较,结果表明所提算法能以较快的速度搜索到全局最优解,并且其鲁棒性远高于普通量子遗传算法和遗传算法。     

免疫算法在电力系统区域电源优化中的应用

提出了基于免疫算法的电源优化模型,该模型能够减少电源优化的计算量,提高计算效率,并可充分利用特征信息的灵活性求解。     

两阶段式的物流配送路径优化方法

根据组合优化理论,充分利用遗传算法、蚁群算法的优化点,提出了一种两阶段式的物流配送路径优化方法(GA-ACO)。利用遗传算法迅速找到物流配送路径优化问题的初始解,初始解生成蚁群算法的初始信息素分布,通过蚁群算法找到物流配送路径的最优方案。采用实例对GA-ACO的性能进行测试,测试结果表明,GA-ACO可以获得较好的物流配送路径优化方案,是一种高效率、鲁棒性好的物流配送路径优化问题求解方法。