基于改进的Tabu搜索算法的电力系统无功优化

将一种改进的Tabu搜索算法用于电力系统的无功优化,建立了相应的数学模型,并以有功网损为目标函数。在传统的Tabu搜索算法的基础上,对补偿电容分组投切的二进制优化编码、退出迭代的判定条件、Tabu表深度、不同循环起点的选择等问题做了分析讨论,使得更容易跳出局部最优解,保证可以搜索整个可行域,从而得到最优解的可能性更大。应用改进的Tabu搜索算法对IEEE6节点系统进行了无功优化实例计算,结果表明改进的Tabu搜索算法具有更强的全局寻优能力。     

基于改进Tabu搜索算法的电力系统无功优化

本文将一种改进的Tabu搜索算法（MTSA）用于电力系统无功优化，建立了相应的数学模型，考虑了有功损耗费用和补偿费用，使得总费用最小。在一般Tabu搜索算法的基础上，对搜索步长、禁忌表、不同循环起始点的选择以及算法终止判据等问题做了分析、讨论，并做了一些改进，使得更容易朱出局部最优解，保证可以搜索整个可行域，从而得到全局最优解的可能性更。应用MTSA对IEEE6节点系统行了无功优化计算，与线性规划算法、Box算法进行了比较，结果表明MTSA与Box算法一类的随机搜索算法的优化结果相近，而较之浅性规划算法具有更强的全局寻优能力。     

基于Tabu搜索方法的电力系统无功优化

将 Tabu搜索方法用于电力系统无功优化 ,采用二进制和十进制编码 2种方案。对IEEE30节点系统和 1 2 5节点山东省某地区电网进行了优化计算 ,并与简单遗传算法、结合模拟退火的遗传算法进行了比较 ,结果表明 Tabu搜索方法具有更强的全局寻优能力 ,可用于运行方式安排 ,并具有在线决策的潜力     

基于Tabu搜索方法的电力系统无功优化

将Tabu搜索方法用于电力系统无功优化,采用二进制和十进制编码2种方案。对IEEE 30节点系统和125节点山东省某地区电网进行了优化计算,并与简单遗传算法、结合模拟退火的遗传算法进行了比较,结果表明Tabu搜索方法具有更强的全局寻优能力,可用于运行方式安排,并具有在线决策的潜力。     

基圩Tabu搜索方法的电力系统无功优化

将Ｔａｂｕ搜索方法用于电力系统无功优化,采用二进制和十进制编码２种方案。对ＩＥＥＥ３０节点系统和１２５节点山东省某地工地优化计算,并与简单遗传算法、结合模拟退火的遗传算法进行了比较,结果表明Ｔａｂｕ搜索方法具有更强的全局寻优能力,可用于运行方式安排,并具有在线决策的潜力。     

改进Tabu搜索方法在无功优化中的应用

根据短期负荷预测的负荷曲线,将一天的负荷分成T个负荷水平时段,提取各时段内的典型负荷点,建立分时段无功优化数学模型.该模型以一天总的有功网损最小为目标,以潮流方程作为等式约束,以负荷电压、电容器容量以及投切次数等作为不等式约束.根据配电电容器投切的特点,对Tabu搜索方法做了具体的改进和实现.并对补偿电容器组分组投切的二进制编码和初值的选取进行了研究.算例表明改进的Tabu搜索方法是一种高效、快速的启发式搜索方法,很好地解决了配电网无功优化问题.     

基于改进Tabu搜索算法的区域电网无功优化

为了满足无功优化的实时控制要求,提出了考虑静态电压稳定的区域电网无功优化方案。该方案采用改进的Tabu搜索算法,以有功网损最小为目标进行无功优化,记录优化过程中搜索得到的前10位最优网损解;然后对这10个最优网损解进行静态电压稳定裕度计算,再运用模糊集理论,将网损最小和静态电压稳定裕度最大两个目标的优化问题转化为单目标优化问题。通过算例仿真,证明了改进Tabu算法适合于解决区域输电网无功优化问题,同时也验证了本文提出的考虑静态电压稳定性的区域输电网二级无功电压控制方案是可行的,有效的。     

一种改进的Tabu Search算法及其在区域电网无功优化中的应用

提出将改进的Tabu(禁忌)搜索算法用于区域电网无功电压优化控制问题的求解.首先根据已知的实际电网的历史数据获得可行的初始解,然后对区域电网采用改进的禁忌搜索方法进行无功优化.在求解的过程中,由于对Tabu表中所记录的"移动"采取"有条件地释放Tabu表中的记录"这一策略,可以使搜索有效地跳出局部极小值点,更好地找到最优解.通过IEEE-14节点算例验证了该算法的有效性.     

基于引力搜索算法的电力系统无功优化

无功优化是一个多变量、多约束、高维数的非线性规划问题,其离散变量与连续变量并存的特性使得传统优化算法难以对其进行求解。根据无功优化问题的特性,提出了一种适用于无功优化问题求解的引力搜索算法,该算法是受牛顿引力定律和粒子间相互作用的启发而提出来的一种新的优化算法,其理论基础深厚,物理意义明确,便于理解,简单易行。算例结果表明,引力搜索算法可以有效求解电力系统无功优化问题,且收敛速度快,数值稳定性好。     

基于改进粒子群算法的电力系统无功优化研究

粒子群( PSO)优化算法具有并行处理的优点,但易于陷入早熟收敛,针对这一问题,本文提出了一种改进粒子群无功优化算法,该算法使用了自适应动态惯性权重,充分利用了遗传算法中交叉变异和种群移动均匀的特性,从而有效克服了PSO算法易于陷入局部最优和早熟收敛的缺陷,具有良好的寻优速度和计算精度,实例计算取得了良好的结果,从而验...     

TS-PSO算法在电力系统无功优化中的应用

为了解决粒子群算法(PSO)局部搜索能力较弱和存在早熟收敛的问题,提出了将禁忌搜索(TS)思想融入到粒子群算法中的混合算法,并将该算法应用到电力系统无功优化中。改进后的算法综合了粒子群算法快速性、随机性和全局收敛的优点,还具有禁忌搜索局部寻优的能力。通过对IEEE-30节点测试系统、铜陵电网实际进行仿真计算,并与其它算法进行比较,结果表明该算法能取得更好的全局最优解,既加快了收敛速度,又提高了收敛精度。     

基于禁忌搜索粒子群优化算法的无功优化

针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,提出将粒子群优化算法结合禁忌搜索的混合算法,并应用它来求解电力系统无功优化问题。该混合算法是以粒子群优化算法为主框架,以禁忌搜索算法作为个体群继续在邻域中寻优,寻优结果对粒子群算法的输出做了更新。混合算法保留了粒子群优化算法的并行处理性,同时利用了禁忌搜索算法的较强的"爬山"能力,加快了混合优化算法的收敛时间和提高了收敛解的有效性。     

改进遗传算法在电力系统无功优化中的应用

电力系统的无功优化控制,不仅能有效地降低系统的有功功率损耗,而且还可以改善电网的电压质量,对系统的安全稳定、经济运行具有非常重要意义。无功优化问题是一个含有连续变量和离散变量的混合优化问题,求解过程相当复杂,电力系统无功优化问题属于最优潮流问题的一个组成部分。探讨了求解无功优化的现代人工智能算法,总结分析了遗传算法的特点及使用情况。为提高解的质量与计算效率,对遗传算法做了改进,并将其应用于电力系统无功优化中。     

基于混合混沌算法的电力系统无功优化

提出了一种基于混沌算法的主动禁忌混合混沌算法(RTSCOA),该算法结合了混沌算法的全局遍历性和禁忌算法的“记忆”功能,利用主动禁忌法的反馈机制控制管理禁忌表长度,能够有效地跳出局部极小点。分别对IEEE 6和IEEE 30节点进行仿真,并与标准遗传算法/改进遗传算法(SGA/AGA)进行比较,以证明该算法在电力系统无功控制中应用的有效性。经比较,该方法较其他算法在计算速度、寻优能力上有一定的提高。     

禁忌搜索–粒子群算法在无功优化中的应用

禁忌搜索粒子群算法是针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,将禁忌搜索思想融入到粒子群算法中的混合算法,并将该算法应用到电力系统无功优化中。该方法在粒子群算法寻优过程的后期加入了禁忌表,扩大搜索空间,避免陷入局部最优。通过对IEEE 30节点测试系统和鸡西电网进行仿真计算,并与其他算法进行比较,结果表明该算法能取得更好的全局最优解,既加快了收敛速度,又提高了收敛精度。     

采用多局部搜索策略的无功优化多模因算法

引入局部搜索策略可提高无功优化进化算法的收敛性能,但目前引入的局部搜索策略都比较单一,不能取得很好的收敛效果。因此该文提出一种基于多局部搜索策略的无功优化多模因算法。该算法根据现有的多种局部搜索策略,提出包含修正型、定向型和随机型3类模因的无功优化模因池。在IEEE 30节点标准系统上的仿真表明,新算法可发挥各类局部搜索策略的特点,具有良好的收敛特性。此外,该文还比较不同作用比例的多模因算法,分析作用比例与算法效率的关系,为局部搜索策略在无功优化中的进一步应用提供参考。     

基于量子粒子群算法的电力系统无功优化

量子粒子群算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解.首次将量子粒子群算法用于电力系统无功优化中,以网损最小为目标函数,在IEEE30节点系统上进行测试,通过仿真测试以及不同算法优化结果的对比,表明基于量子粒子群(QPSO)...     

改进禁忌算法在无功优化中的应用

提出一种基于改进禁忌算法的无功优化方法,该算法不仅对初值没有特殊要求,而且减少了在候选解集中为了达到一定数量满足约束的个体而进行的大量搜索与计算;同时解决了禁忌算法在高精度情形下,无法爬坡的缺点。最后在IEEE30节点系统上验证了该算法的优越性。