基于免疫算法的火电厂机组优化组合

在电厂各发电机组间实行机组负荷优化分配,提高运行效率,能改善机组的经济性,降低成本。然而,由于机组优化组合问题本质上属于大规模非线性混合整数规划问题,到目前为止还没有得到一种绝对严格的优化求解方法。免疫算法模拟生物的免疫系统原理,是一种全局概率搜索算法。文章将该算法改进用于解决机组优化组合问题,并用实际算例验证其可行性。     

基于免疫算法的机组负荷优化分配研究

文章提出应用新的智能算法一免疫算法解决负荷优化分配问题。在分析负荷分配的数学模型和免疫算法特点的基础上，详细研究了基于免疫算法的负荷优化分配方法。优化问题的解对应于免疫算法中的抗体，解的优劣通过结合力的计算来评价，具有最大结合力的抗体就是问题的优化解。文中还提出应用机组持续状态时间进行编码改进，可明显加快算法的搜索速度，免疫算法中特有的基于抗体浓度更新和抗体多样性也使得算法具有很好的收敛性和搜索性能。该算法通过10台机系统进行了验证，计算结果证明免疫算法与其它优化算法相比，能更快搜索到较优解，从而为机组负荷优化分配的求解提供新的有效算法。     

基于免疫算法的机组组合优化方法

机组组合是改善传统电力系统运行经济性和电力市场出清的重要手段。基于群体进化的智能优化算法存求解过程中存在计算效率低和易于早熟收敛等缺点。提出机组组合的免疫算法，利用免疫算法保持种群多样性的内在机制和免疫记忆特性改进既有的智能优化方法。新算法扩展了约束处理技术，能更好地对可行解空间搜索，采用一种由后向前、由前及后、双向迂回推进的精简程序改善个体可行解的局部最优性，同时利用优先级顺序法产生能较好反映问题先验知识的初始种群。典型算例证实新算法能获得更优的结果，具有更快的收敛速度，且在系统规模扩大时有大致线性的计算复杂性，是一种新的高效的机组组合智能优化算法。     

基于退火演化算法和遗传算法的机组优化组合算法

机组组合问题是编制短期发电计划时首先要解决的问题，合理的开停机方案将带来很大的经济效益。现代电力系统对机组优化组合算法的收敛速度和解的质量要求越来越高，作者从改善传统算法这两方面着手，根据退火演化算法和遗传算法各自的特点，提出了一种用于机组优化组合的组合算法。与传统的一些优化算法相比，该组合算法具有搜索速度快，收敛性好，而且解的质量相当高。通过对实际系统的测算，验证了该方法的有效性和优越性。该方法具有良好的并行性，易于在并行计算机上实现。     

基于实数编码免疫算法的发电机机组组合

本文提出一种改进的人工免疫算法,免疫算法是根据动物免疫系统的机理设计而成的。对免疫算法的种群采用实数编码的同时引入矢量距的概念保证种群的多样性。实际计算表明该算法有搜索能力强,收敛速度快的优点。     

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。在基本粒子群算法的基础上,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。通过该算法进行仿真计算,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.     

粒子群优化算法及其在机组优化组合中应用

应用粒子群优化(PSO)算法对电力系统的机组优化组合问题进行研究,介绍了算法原理,分析了算法中各个参数的不同取值对算法搜索能力和收敛速度的影响,并以常用的测试函数进行验证,建立了相应的数学模型,并以IEEE3机6节点电力系统为实例进行研究。分析结果表明,PSO算法较之常用的遗传算法和混沌优化等算法,在算法结构、计算时间、搜索区间控制以及收敛速度等方面具有较好的特性,验证了该方法的有效性。     

蚁群算法在电力系统机组优化组合中的应用研究

采用模拟进化优化算法———蚁群优化算法来求解机组最优启停问题。引入了状态、决策、路径等概念,把机组最优启停问题设计成蚁群算法模式,通过附加惩罚项来处理各种约束,用tabu表限制不满足约束的状态,使得蚂蚁的搜索总在可行域内进行,对算法的搜索进程起到了有效的引导作用。仿真证明利用蚁群优化算法求解机组最优启停问题是可行的、有效的。     

考虑安全约束的机组组合免疫算法模型

根据机组组合问题的特点,尤其是电力系统中安全约束的特性,提出了一种基于改进免疫算法的机组组合算法.免疫算法的优势是处理0-1变量,该算法对免疫算法有2个改进:一是以一个抗体片段表示一个机组在调度期间的状态,并以抗体片段记忆库形式保留优秀抗体的信息;二是扩展抗体,将起作用的安全约束信息也作为抗体信息的一部分,并形成安全约束记忆库,从而模拟了调度中人工选择起作用的约束过程,解决了以往基于启发式算法的机组组合模型一般难以处理大规模安全约束的问题.此外,算法中采用基于群搜索优化的最优逼近变异法,减少了抗体随机变异的盲目性.最后用IEEE 118节点系统算例对所提出的方法的有效性和合理性进行了验证.     

基于改进免疫遗传算法的电力系统无功优化

针对无功优化问题的特点,在现有免疫遗传算法基础之上,提出一系列改进措施,形成了一种新的解决无功优化问题的改进免疫遗传算法。该算法将免疫遗传算法中常用的二进制编码改进为整、实数混合编码,提高了计算速度与精度;将通常的选择、变异操作与进化代数相联系,形成具有动态调整功能的改进Boltzmann退火选择、非均匀变异算子,提高了算法的全局收敛性,加快了计算速度;引入疫苗接种概念,有效地抑制了算法在进化过程中出现的退化现象,进一步加快了算法的收敛速度。以IEEE30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性。     

Constrained multiobjective optimization for microgrid based on nondominated immune algorithm

The optimization of a microgrid is a typical multivariable nonlinear programming problem with multiple hybrid constraints. In this paper, a kind of constrained multiobjective optimization based on nondominated immune algorithm is used, in which the constraint is transformed into a target function, a relatively isolated nondominated antibody is selected as the active antibody, and ratio cloning, recombination, and mutation are performed in order, according to the crowding distance of the active antibody, thus obtaining the convergence of an ideal Pareto front and a uniform distribution of the Pareto‐optimal solution. The optimization model of the power output of the microgrid and the simulation of the operation in two microgrids for 24 h are carried out by utilizing the algorithm. The results show that good environmental protection is obtained at the lowest cost of running and maintenance, thus satisfying the stability of power supply requirements for users. © 2015 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于人工免疫算法的电力负荷预测综合模型

将电力负荷预测综合模型中各单一电力负荷预测模型的最优权重作为抗原,将权重的解作为抗体,通过模拟生物免疫系统的工作原理来搜索最优权重,提出了基于人工免疫算法的电力负荷预测综合模型。应用该模型于某地区负荷预测的实例中,并与基于遗传算法的综合模型和基于直接搜索寻优法的综合模型进行比较、分析。结果表明,该模型具有全局寻优能力好、预测精度高等优点。     

改进免疫克隆选择算法的多目标轨迹优化

针对机械臂的时间最短、轨迹最平滑、能量消耗最小等多目标下的轨迹优化问题,提出一种改进免疫克隆选择的多目标轨迹优化的方法。改进的算法采用tent混沌序列初始化种群,提高初始化群体的多样性和均匀性;引入自适应变异,改善算法的全局搜索能力和局部搜索能力;增加模拟二进制交叉操作,增强种群中个体之间的信息交流;采用递减消亡操作,既保证种群的多样性,避免出现局部最优,又避免在最终解集中出现不可行解。以PUMA560为仿真对象进行实验仿真,结果表明该改进算法可以得到分布均匀性较好的Pareto最优解集,是一种有效的多目标轨迹优化的方法。     

基于量子免疫克隆算法的多目标无功优化

结合量子计算原理和免疫克隆算子,提出一种解决多目标无功优化问题的量子免疫克隆算法.该算法采用量子比特编码,使一个量子抗体可以同时表征多个信息状态,进而增加了种群的多样性;采用量子重组与量子非门操作的搜索策略,将全局搜索和局部寻优有机结合,确保所得解集快速有效地从不可行域边缘和可行域内部向最优Pareto前端逼近;采用目标函数值与理想化目标的接近程度来评价解的优劣性,有效降低了传统算法各目标函数值加权叠加过程中对权重选取的依赖性.IEEE 14节点系统仿真测试结果表明,该算法能有效提高系统运行的经济性和安全性.     

基于繁殖粒子群算法的火电厂负荷优化分配

针对目前火电厂负荷优化分配的问题,提出了负荷优化分配总时间的概念,并给出了具体计算公式。在标准粒子群优化算法中引入遗传算法中的杂交思想,提出了基于繁殖粒子群优化算法的负荷优化分配方法,并引入自适应惯性权重对算法进行了改进,避免了标准粒子群算法易陷入局部最优及遗传算法优化计算时间长的缺点。对算法应用在负荷优化分配中的具体问题进行了分析处理,缩短了优化计算时间,提高了算法精度。实例分析进一步验证了所提方法的有效性以及现场实用性,能够同时满足火电厂对降低成本及电网调度对负荷优化分配总时间的硬性要求。     

基于粒子群-差异进化混合算法的电力系统无功优化

针对传统粒子群算法中收敛速度快但易于陷入局部最优等特点,将差异进化算法与粒子群算法相结合,提出了一种粒子群-差异进化混合算法。该算法在粒子寻优过程中除跟踪个体极值和全局极值外,还跟踪粒子差异进化产生的第三个值;同时,当粒子在某一维上的速度小于给定值时,将重新初始化该维度粒子速度。建立了无功优化数学模型,并将合算法应用到无功优化中。通过MATLAB编程对IEEE-30节点系统进行优化计算,并与遗传算法和粒子群算法比较,结果表明本文提出的算法应用于无功优化拥有较快的收敛速度和全局寻优能力,具有广阔的发展前景。     

基于改进粒子群算法的电力系统无功优化

电力系统无功优化问题是一个多变量、多约束的混合非线性规划问题。提出了一种改进粒子群算法用以解决这一复杂优化问题。在改进的算法中,首先结合混沌优化思想对粒子群进行初始化,减轻了粒子初始位置的选择对算法优化性能的影响;在进化过程中引入了自探索行为,使得粒子的搜索过程更加符合实际;引入了变异机制及3种判断陷入局部最优的标准,当发现粒子群陷入局部最优时,通过变异,帮助粒子跳出局部陷阱,增加发现最优解的机会。给出了问题的求解方法,并对IEEE 6、14节点系统进行了仿真计算,实验数值对比表明了算法的可行性和有效性。     

基于免疫遗传算法的电压优化调整与治理研究

阐述了电压优化调整与治理的必要性,建立了电力系统电压优化调整与治理的模型,提出了一种针对高压电网特点的电压优化调整与治理方法。通过调整机端电压、变压器分接头和补偿电容器组,或者新增无功补偿节点,来提高电网电压合格率,并且实现新增无功补偿容量最小的目标。其中详述了电网电压优化调整与治理的手段及其计算过程,并且编写程序,做电压优化调整界面,通过免疫遗传算法求解组合优化问题。另外,将免疫遗传算法应用到信阳东部地区电网,进行电压优化调整与治理,并分析优化结果。结果表明免疫遗传算法具有良好的收敛性和鲁棒性,能很好地提高电压合格率,并且使新增的补偿容量最小。     

基于多目标粒子群算法的高维多目标无功优化

提出一种高维多目标电力系统无功优化模型。相比于传统的电力系统无功优化模型,该模型能够在无功优化中同时兼顾系统的有功损耗、电压水平、静态电压稳定性以及供电能力。针对已有的求解多目标无功优化模型的算法应用于求解所提模型时存在的局限性,进一步引入一种基于帕雷托熵的高维多目标粒子群优化算法并加以改进,使得该算法能够有效求解高维多目标优化问题。最后,利用IEEE-39节点系统验证了所提模型和求解算法的正确性和有效性。仿真结果表明,在传统的多目标无功优化模型中引入系统供电能力,能够在不恶化其他目标函数优化效果的情况下,使系统的供电能力得到提高。