基于差分进化混合粒子群算法的电力系统无功优化

差分进化混合粒子群算法(DEPSO)首先利用差分进化(DE)的变异和选择算子产生新的群体,然后通过使用粒子群优化算法(pSo)进行局部搜索.该算法发挥差分进化和粒子群优化算法各自拥有的特点,并克服自身存在的问题,具有收敛速度快、搜索能力强、鲁棒性好的特点.将该算法用于电力系统无功优化,通过IEEE30节点系统的仿真计算证明了该算法的快速性和有效性.     

基于差异进化和PC集群的并行无功优化

提出了一种在线求解电力系统无功优化问题的方法。该方法基于新的差异进化(DE)算法和并行计算技术，在PC集群上实现优化。IEEE 118节点系统的算例表明：DE算法尽管简单，但可快速收敛到近似最优解；采用并行差异进化和适当规模的PC集群，可大大缩短电力系统无功优化的计算时间，使之满足在线应用的需要。     

考虑支路负载率均衡性的输电网规划

差分进化算法搜索速度快,但策略过于单一,存在早熟收敛现象。混沌优化算法的随机性、遍历性使得算法全局搜索能力强,但收敛速度慢。提出结合两种算法的混沌差分进化算法,进行优势互补。采用猫映射来替代传统的Logistic映射来提高混沌算法的计算速度,改变变异、交叉策略,增加混沌扰动来提升算法的全局和局部搜索能力。采用的输电网规划模型以综合投资运行费用和支路负载率方差为目标函数,考虑方案的经济性、安全性,同时优化重载及轻载线路,使支路潮流分布更加合理。通过18节点算例分析验证了模型的有效性及算法的可行性。     

基于正态云变异蛙跳算法的梯级水电站短期优化调度

针对混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)早熟收敛的问题,利用云模型在知识表达时具有不确定中带有确定性、稳定之中又有变化的特点,对每个子族群的最优解进行正态云变异操作,调整青蛙的跳动步长以实现局部搜索,提出了一种云变异蛙跳算法(Normal Cloud Mutation SFLA,NCM-SFLA),弥补混合蛙跳算法在进化过程中容易陷入局部最优的不足。将其应用于梯级水库的短期优化调度中,实例计算表明,与逐次逼近动态规划、混合蛙跳算法及标准粒子群算法相比,该方法具有更好的全局寻优能力和较快的收敛速度,验证了该方法在求解梯级水电站短期优化调度问题中的合理性和有效性。     

基于差异进化和PC集群的并行无功优化

提出了一种在线求解电力系统无功优化问题的方法。该方法基于新的差异进化（DE）算法和并行计算技术,在PC集群上实现优化。IEEE118节点系统的算例表明：DE算法尽管简单,但可快速收敛到近似最优解;采用并行差异进化和适当规模的PC集群,可大大缩短电力系统无功优化的计算时间,使之满足在线应用的需要。     

基于自适应混合差分进化算法的水火电力系统短期发电计划优化

针对水火电力系统发电计划优化问题,引入差分进化 (differential evolution,DE)算法,提出了一种自适应混合差分进化算法(adaptive hybrid differential evolution,AHDE)。该算法在计算过程中自适应调整交叉算子,保持了种群的多样性,提高了算法的全局搜索能力,克服了DE在寻优过程中容易早熟收敛的缺点。同时针对AHDE难以处理实际工程中复杂约束条件问题,提出了一种适合AHDE的约束处理方法。将AHDE应用于求解某水火电力系统的发电计划优化问题,与其他求解方法的对比表明,AHDE求解精度高、计算速度快。     

双层交互混合差分进化算法在水库群优化调度中的应用

标准差分进化算法在求解梯级水库长期调度问题时,随着解链长度的增加,算法求解性能下降,易于陷入局部最优,为此构建了双层交互的混合差分进化算法。该算法结合差分进化算法的全局搜索和混合蛙跳的局部挖掘性能,上层基于小生境排挤技术保证差分进化算法的种群多样性,下层基于族群独立进化与定期通信保证局部搜索的稳定性。在整体上,下层结构为上层提供更多质量较优、结构互异的优良解,双层结构之间通过信息交互完成搜索信息的更新。通过将改进算法与标准差分进化以及逐次逼近动态规划法对比,模拟结果表明改进算法在求解梯级水库联合优化问题时的有效性和优越性。     

基于差分进化生物地理学算法的经济负荷分配

针对智能算法在解决经济负荷分配问题时全局搜索能力和局部寻优能力不平衡的缺陷,提出了差分进化生物地理学算法。通过融合生物地理学算法和差分进化算法,并改进了算法中变异操作和替换重复个体策略,实现了的局部利用能力和全局搜索能力的平衡。通过建立求解经济负荷分配模型,兼顾考虑了燃料成本、阀点效应、环境成本以及各种约束条件,对具体案例仿真计算,将优化结果与生物地理学算法、差分进化算法和粒子群算法比较分析。结果表明差分进化生物地理学算法在收敛速度和优化质量方面较优,进而体现了该算法在解决经济负荷分配问题时的有效性和优越性。     

改进小生境差分进化算法在配网无功优化中的应用

配网无功优化是一类非线性的整数规划问题,通过调整变压器的变比,改变发电机的端电压和连接补偿电容来改变电力网络中的无功,减小系统网损。差分进化算法是一种收敛速度快,收敛精度高的智能进化算法,针对无功优化模型对差分进化算法做出改进,引入小生境思想。通过实例验证了小生境粒子群算法(NPSO)和改进小生境差分进化算法(FERDE)对无功补偿装置布点优化规划的有效性。结果表明,增强算法的局部搜索能力和扩宽搜索范围,在收敛速度和精度上都有不同程度的提高。     

基于粗糙集理论与CLSDE算法的环境经济调度优化模型

针对环境经济发电调度优化问题,提出了一种应用粗糙集理论构建评价函数的多目标优化方法,并提出了基于混沌局部搜索策略的差分进化算法(chaotic local search strategy differential evolution algorithm,CLSDE)的求解算法。应用粗糙集理论确定经济调度和环境调度函数的约束度,以确定各目标函数在优化模型中的权值。采用CLSDE算法求解环境经济调度(environmental economic dispatch,EED)多目标优化模型,该算法只对目标函数中的变量进行编码,约束条件函数中的变量随机产生,每代进化完毕后,对最优个体进行混沌局部搜索,克服了差分进化算法局部搜索能力较弱和惩罚函数方法中惩罚参数选择较难的问题。对IEEE30节点的标准测试系统进行了仿真计算,结果表明CLSDE算法在解决环境经济调度问题时具有可行性和有效性,在不增加污染气体排放量的同时降低燃料费用,使环境经济调度更能兼顾发电调度的经济利益与环境利益。     

一种基于混沌序列的动态差分进化算法在电力系统动态经济调度中的应用

针对电力系统动态经济调度(DED)问题,引入差分进化算法,提出一种基于混沌序列的动态差分进化算法(ＡＤＤＥＣＳ)。该算法采用混沌序列动态调整差分进化算法的参数设置,保持种群的多样性。动态搜索策略被用于提高算法的整体搜索性能,它由全局搜索策略和局部搜索策略2部分组成。为了加速收敛和解决DED复杂的约束处理问题,采用基于多目标概念的约束处理机制,并提出一种根据机组调节能力来按比例分摊不可行解约束违反量的新方法。同时在搜索过程中,通过采用不同的变异策略结合改进的随机搜索策略来避免算法早熟,增强全局最优解的搜索能力。提出的方法的可行性和有效性由10机测试系统来证明,和其他方法相比,ADDECS方法计算速度快,计算精度高且鲁棒性强。     

基于多策略差分进化算法的输电网规划

差分进化(DE)算法是一类基于种群的、具有全局优化性能的、通过实数编码的启发式算法。但差分算法搜索策略过于单一,局部搜索能力差,因此通过增加多策略变异和局部寻优策略来提升全局和局部搜索能力,同时降低搜索时间,使其适应于求解大规模输电网规划问题。采用基于线路投资费用、网损费用、正常运行时的过负荷费用及输电走廊费用的输电网规划模型,通过对Garver-6系统和18节点系统的计算,不仅验证了算法及模型应用于输电网规划的正确性和有效性,而且验证了算法具有很高的计算速度和收敛性,为DE算法的进一步改进应用打下基础。     

基于改进差分进化-生物地理学优化算法的最优潮流问题

生物地理学优化算法(biogeography-based optimization,BBO)是一种新提出的全局智能优化算法,但是其应用于最优潮流计算时,具有早熟和收敛不稳定的问题。将BBO与差分进化(differential evolution,DE)算法相结合,并对差分进化部分的改进策略稍做修改,形成改进DE-BBO算法。应用所提方法对IEEE 30节点系统进行了有功优化的计算,并和GA、PSO、BBO和DE 4种方法进行了分析和比较,结果表明所提方法具有良好的收敛稳定性,可以有效缩短迭代时间。     

基于改进布谷鸟算法的随机最优潮流

面对各种智能算法在优化问题的应用中出现的问题,提出一种基于量子计算和混沌局部搜索的布谷鸟算法。混沌局部搜索采用切比雪夫映射产生的混沌数列,以产生的新最优个体替代原始最优个体,并利用量子旋转门更新其余个体,达到更快收敛并跳出局部解的效果。以随机最优潮流问题作为修正布谷鸟算法的应用场景,考虑分布式电源和负荷的随机性,建立随机最优潮流的机会约束模型,机会约束的处理采取修正变量上下限的方式。以IEEE33节点为算例,对比了4种不同智能算法的计算结果和收敛情况,验证了修正的布谷鸟算法在随机最优潮流中收敛速度快,收敛结果好,稳定性好的特点。     

基于改进差分进化算法的微电网经济优化

为了解决差分进化算法局部搜索能力差、收敛速度较慢的问题,结合不同方式的变异特点,引入模拟退火策略,保证算法有较强的全局搜索能力和较快的收敛速度,使其适用于微电网经济优化问题.建立了基于各微源燃料成本、运行和维护成本、污染物排放成本和污染气体或温室气体排放约束的微电网环保经济优化模型.通过算例验证了算法和模型应用于微电网经济优化的正确性和有效性,以及该算法具有很好的收敛性和较高的计算速度,为DE算法进一步改进打下基础.     

梯级水电站群长期优化调度多核并行混沌模拟退火差分演化算法

针对标准差分演化算法全局搜索易陷入局部最优问题,利用混沌理论和模拟退火算法的优点对差分演化算法进行改进;同时,为提高算法的求解效率,结合Fork/Join并行框架,提出了梯级水电站群长期优化调度多核并行混沌模拟退火差分演化算法(PCSADE)。该算法利用混沌理论随机性和遍历性强以及模拟退火算法局部搜索能力强的特点,采用混沌理论生成差分演化算法初始种群且对其控制参数进行动态调整,并利用模拟退火算法Metropolis准则替代差分演化算法中的选择操作,提高了差分演化算法的寻优能力;采用基于分治策略的Fork/Join并行技术将复杂计算任务分为多个子任务,实现了算法的并行计算求解。红水河流域14座水电站实例计算结果表明,PCSADE能够充分利用多核资源,显著提高优化解质量和计算效率,是求解水电站群长期优化调度问题的一种有效可行的方法。     

基于差分粒子群算法的变电站选址定容规划

针对标准粒子群算法(particle swarm optimization,PSO)易陷入局部最优,差分进化算法(differential evolution,DE)后期收敛速度慢的缺点,提出差分粒子群算法(differential particle swarm optimization,DEPSO)将二者进行混合优化,提高群体的收敛速度和全局寻优能力,并应用于配电网变电站规划。在变电站选址数学模型中结合Voronoi图来确定变电站供电范围和规划容量,继而校验变电站实际负载率,简化计算过程,提高搜索效率。通过某市城区远期规划实例验证得知该算法正确有效,可以满足城区配电网的规划要求。     

基于ISFLA-SVM的变压器故障诊断

为提高变压器故障诊断的准确性,提出了一种改进混合蛙跳算法优化支持向量机模型参数的变压器故障诊断方法。该方法首先采用均匀随机化与反近似对立相结合的方法对混合蛙跳算法的种群初始化进行改进,提高初始解的质量;其次引入差分变异算子,并将余弦适应性骨架差分进化算法内嵌入混合蛙跳算法的局部搜索算法中,同时利用Levy变异算子代替随机更新操作,提高了局部搜索算法的精度,加快了收敛速度;最后利用改进后的混合蛙跳算法对支持向量机模型参数进行优化,建立故障诊断模型。经典测试函数的仿真结果和实例验证结果表明,文中提出的改进混合蛙跳算法的性能有大幅度提高,优化后的支持向量机故障诊断模型相比于SFLA、AS-SFLA、ODSFLA算法优化结果具有更高的诊断准确率,更快的迭代速度,可对变压器故障进行有效诊断。     

基于参数自适应动态差分进化算法的变压器局放源定位

针对变压器局部放电超声定位中混合优化算法存在的寻优参数较多及寻优过程较为复杂等不足,提出了一种基于PADDE(参数自适应动态差分进化)算法的变压器局放源定位方法。在种群的变异及交叉过程中,结合适应度函数自适应地对传统DE(差分进化)算法参数进行选择,并动态地对当前种群进行更新,从而有效提高了寻优性能,并加快了收敛速率。通过Benchmark标准测试函数和实际变压器局部放电超声定位对该方法的有效性和可行性进行验证,结果表明:相比于传统的DE算法,PADDE算法寻优能力更强,得到的定位结果更加精确,定位误差始终保持较小的数值。     

梯级水电站群优化调度多目标量子粒子群算法

为科学求解梯级水电站群多目标优化调度模型,提出一种基于量子行为进化机制的多目标量子粒子群算法(MOQPSO)。该方法以标准量子粒子群算法(QPSO)为基础,引入外部档案集合存储非劣粒子,利用个体支配关系实现档案集合的动态更新维护;依据个体领导能力优劣选择粒子历史最优位置与种群全局最优位置,维持搜索过程中个体进化方向的多样性;采用混沌变异算子对个体进行局部扰动,提升算法的全局收敛性能。乌江流域模拟调度结果表明,所提方法具有良好的收敛速度与寻优能力,可快速获得兼顾梯级水电系统经济性与可靠性要求的Pareto解集,能够为工程人员提供科学的决策依据。