基于RQGA和非支配排序的多目标混沌量子遗传算法

为了提高多目标优化算法的收敛性、分布性和减少算法的计算代价,借鉴实数编码遗传算法和多目标优化理论,构建一种多目标混沌量子遗传算法.在分析量子位概率的混沌特性、量子态干涉特性和量子位实数编码的基础上,采用量子位概率交叉和混沌变异的方式进化种群,以提高寻优能力和收敛速度,利用非支配排序、精英保留和分层聚类等多目标优化策略保持种群多样性的同时,保证进化向Pareto全局最优解集方向进行.通过混合算法性能对比测试验证了多算法集成的有效性,并分析关键参数对算法性能的影响.电力系统多目标无功优化的仿真结果验证了该算法的有效性和可行性.     

基于并行非支配排序遗传算法的限流措施多目标优化

分析了当前限流措施优化模型和算法存在的缺陷,提出了综合考虑安全性、稳定性、经济性的限流措施多目标优化模型.在潮流约束下,模型以总投资成本最小、故障后功角稳定性最佳、短路电流综合越限最小为优化目标,并且引入带精英策略的改进非支配排序遗传算法,结合基于限流效果灵敏度的支路筛选策略,应用于Pareto最优限流措施的求解.为提升优化速度,在MATLAB计算平台上对改进非支配排序遗传算法进行了主从并行改造.最后,结合改进的新英格兰10机39节点系统优化结果,验证了所提出的多目标优化方法有效、可行.     

基于改进非支配排序遗传算法的电力系统无功–潮流多目标协同优化调度

提出了一种改进非支配排序遗传（Non-dominated sorting genetic algorithms,NSGA）-Ⅱ算法,其种群局部搜索和外部种群的设置有效提高了算法的收敛性和解集的多样性。将该算法应用于电力系统无功–潮流多目标协同优化调度问题的求解。采用IEEE-14和IEEE-30母线系统进行算例分析。算例仿真的结果表明,应用所提方法能够兼顾电力系统运行的无功优化目标和潮流优化目标,实现无功最优和潮流最优的折中;同时,改进NSGA-Ⅱ算法在收敛性和解集多样性上都优于传统NSGA-Ⅱ算法。     

带精英策略的快速非支配排序遗传算法在多目标无功优化中的应用

带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)是一种新型的多目标遗传算法,该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好.本文分析了当前多目标无功优化算法存在的缺陷,提出将NSGA-Ⅱ应用于多目标无功优化,该算法一次运行可以获得多个Pareto最优解,决策者可根据系统的实际要求选择最终的满意解,为各目标函数之间的权衡分析提供了有效的工具.算例结果表明NSGA-Ⅱ算法具有良好的优化效果,是一种求解多目标无功优化问题的新思路.     

基于快速非支配排序遗传算法的船舶电力系统多目标故障重构

为避免已有船舶电力系统故障重构方法中将多目标优化问题通过加权转化为单目标优化问题进行求解而产生的问题,以失电负荷最少、开关操作代价最小为目标函数,利用带精英策略的快速非支配排序遗传算法实现故障重构多目标、多约束问题求解,该算法求得的Pareto最优解分布均匀,得到的最优重构方案集具有稳定性和多样性.得到故障重构方案集后,对系统运行的安全性、可靠性、高效运行性等指标进行归一化处理,得到综合辅助评价函数作为各故障重构方案辅助评价指标.算例测试结果表明,该方法能避免单目标优化算法对权值的过分依赖等缺点,能够兼顾多个指标,得出的最优故障重构方案更加符合实际.     

基于非支配排序差分进化算法的多目标电网规划

在多目标电网规划问题中,综合考虑经济性、安全可靠性和环境影响等因素后,提出了非支配排序差分进化算法。以电网投资、运行维护费用、网损费用、线路走廊面积最小为目标建立了多目标电网规划模型。非支配排序差分进化算法将Pareto非支配排序法与差分进化算法相结合,采用动态调整策略调整差分进化算法控制参数,改进了个体拥挤比较机制,提高了算法的全局搜索能力和种群多样性,并基于模糊集理论选取最优折衷解。Garver-6节点和Garver-18节点系统算例结果表明,该算法可以有效生成分布均匀的Pareto最优解集,在求解多目标电网规划问题中具有可行性和优越性。     

基于快速非支配排序遗传算法（NSGA—Ⅱ）的配电网多目标无功优化

提出了一种将快速非支配排序遗传算法（NSGA—Ⅱ）应用于配电网多目标无功优化的方法。该方法应用前推回代算法计算配电网潮流,采用十进制编码方式,可以同时对无功补偿设备的接入位置和接入容量进行优化。该算法运行一次可以得到多个分布均匀的Pareto最优解,决策者可以根据实际需要进行选择,为各目标之间的权衡分析提供了有效的依据...     

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。     

基于非支配排序遗传算法求解的电动汽车充电站多因素规划研究

随着能源和环境问题逐渐受到重视,电动汽车产业迎来了发展的契机。电动汽车的普及程度与充电设施的建设情况密切相关,而电动汽车充电站具有公共服务设施和用电设施两重属性,因此既需要考虑交通网络,也需要考虑电力系统对其规划的影响[1]。采用考虑最短路径和次短路径的截流选址模型描述交通网络流量因素,以最大化充电站截获的交通流量,最小化充电站投资成本和最小化节点电压偏移为目标,建立电动汽车充电站多目标规划模型,并采用非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)对IEEE 33节点配电系统和25节点交通网络构成的算例进行求解。通过算例结果说明所提出的模型和求解方法的基本特征。     

基于优化配煤模型的火电厂给煤机控制

本文阐述了火电厂配煤技术的必要性，探讨了配煤的数学模型，在此基础上介绍了运用变频技术实行闭环调节可优化配煤的策略。     

燃煤电厂分磨掺烧方式下磨煤机组合优化模型及应用

为了提高配煤掺烧的精细化水平,建立了实用性强的磨煤机组合优化模型。模型中结合混煤煤质及锅炉结构构建了用于表征燃尽特性、结渣特性、低负荷稳燃特性及污染物排放特性的函数指标,优化模型分为煤种组合优化和出力组合优化两部分,并分别采用穷举法和非支配排序多目标遗传算法作为寻优算法。该模型已成功应用于某电厂燃煤掺烧全程动态优化决策系统中。     

基于负荷预测和非支配排序遗传算法的人工相序优化方法

在对0.4 kV配电台区进行节能降损时发现,调整负荷的接入相序能够有效降低台区的线路损耗和三相负荷不平衡度。文中提出基于负荷预测和非支配排序遗传算法(NSGA2)的人工相序优化方法。首先,利用配电台区出口电流曲线替代法建立用户负荷模型。其次,基于历史数据使用Elman神经网络对调相日的台区内各用户日电量和出口三相电流进行预测。然后,基于预测数据综合考虑以线损最低和调相次数最少为目标函数,建立配电台区多目标相序优化数学模型,使用NSGA2对该模型进行求解,得到优化后各负荷接入相序。最后,通过对比安徽电网某配电台区调相前后的理论线损,验证本文所提方法的有效性。     

基于GA的背压动态设定值多目标优化研究

为了解决中国多数空冷机组背压值设定存在的缺陷,利用某300 MW直接空冷机组运行过程中所获取的参数,使用多目标优化遗传算法（GA）建立具体的背压和空冷风机耗电量数学模型,在约束条件下求解最优背压和最小空冷风机耗电量。该背压动态设定方法,实现了空冷机组在变负荷及AGC考核条件下背压设定值的动态优化,对空冷机组运行参数的调整以及控制策略的优化有实用价值,有利于提高空冷机组的安全经济运行水平。     

基于免疫进化细菌觅食算法的多目标无功优化

为了更好地解决电力系统多目标无功优化问题,分析了当前多目标无功优化算法存在的缺陷,提出了一种基于免疫进化的改进多目标细菌觅食优化算法。该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好。IEEE14,IEEE30节点测试系统的算例结果表明所提的算法在多目标无功优化中具有良好的效果,为各目标之间的权衡分析提供了有效工具,是一种求解多目标无功优化问题的有效方法。     

基于改进非劣排序微分进化算法的安全约束环境经济调度

提出一种改进非劣排序微分进化算法用于求解考虑系统安全约束的环境经济发电调度问题,对相互冲突的发电费用函数和污染气体排放量函数同时进行优化。该算法采用非劣排序和拥挤距离排序对种群进行选择操作,并引入控制参数自适应调整策略来改善算法性能。在IEEE 30节点系统上进行验证,结果表明所提算法的寻优性能优于非劣排序遗传算法。     

一种改进的遗传多目标优化算法及其应用研究

为解决含多个目标和多约束的优化问题,本文结合了非支配排序思想、精英保留策略,小生境技术,并对传统的小生境技术中基于个体适应度的淘汰技术进行改进,提出了一种向量模适应度函数来作为淘汰准则,得到一种改进的Pareto遗传多目标优化算法。通过最小化两个多元目标函数,验证了该算法能够获得更加均匀分布的Pareto前沿,避免了局部收敛的问题。在此基础上,将改进多目标优化算法用于PID控制器参数整定,以锅炉过热汽温串级控制系统为例进行了仿真研究。结果表明改进的遗传多目标优化算法可以获得多组对应不同性能指标的控制器参数,为决策者提供了更多的选择余地,具有很好的应用价值。     

基于多种群遗传算法的电力系统多目标优化

为解决电力系统经济问题中的多目标问题,如煤耗和排放两个目标函数间最优解的相互冲突,协调好各目标函数,提出一种基于交互式多目标处理方法的多种群遗传算法。该算法通过追求最小总体协调度,即寻求满足总体协调度的最短"欧氏距离",来获得决策者的满意理想值;算法还引入精英策略和移民策略,提高寻优范围和效率,且能有效克服标准遗传算法通过迭代次数终止迭代、易早熟的缺陷。优化结果能体现决策者的主观意愿。实验算例验证了该算法的寻优效率,结果表明了算法的适用性和可行性。     

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。