基于遗传禁忌搜索的时隙分配算法

合理的时隙分配可保证数据链战术消息的时效性,提升数据链网络运行效率。现有单一优化的时隙分配算法全局寻优能力低、运算量大、运行效率低。本文基于最小均匀时隙方差模型,提出了一种遗传禁忌搜索的时隙分配算法。该算法充分利用遗传和禁忌搜索两种典型智能优化算法的优势,采用遗传变异操作构造多样性的邻域,使获得全局最优时隙解的概率增强;使用禁忌搜索算法在局部进行搜索,加快收敛速度。采用精度提升率、稳定性和时间开销等指标对算法的精度、稳定性和运行效率进行了验证,结果表明:算法相比单一的遗传和禁忌算法,在保持较高稳定性和运行效率的同时,时隙分配精度有明显提升。当空闲时隙数量为500和1000时,相对遗传时隙分配算法,精度分别提升了6%和9%。     

基于遗传和禁忌搜索混合算法的配电网重构

根据遗传和禁忌搜索算法的特点,提出了适用于配电网重构的混合算法。根据电力系统配电网重构的特点就混合算法的具体步骤进行了详细的描述,并提出了混合算法中早熟识别的具体方法、对按环编码变异进行了改进。该算法用于IEEE69节点系统的计算结果表明,混合算法用于配电网重构是可行的、有效的。     

基于遗传和禁忌搜索混合算法的配电网重构

根据遗传和禁忌搜索算法的特点,提出了适用于配电网重构的混合算法.根据电力系统配电网重构的特点就混合算法的具体步骤进行了详细的描述,并提出了混合算法中早熟识别的具体方法、对按环编码变异进行了改进.该算法用于IEEE69节点系统的计算结果表明,混合算法用于配电网重构是可行的、有效的.     

自适应遗传-禁忌搜索混合算法在PMU最优配置中的应用

针对PMU最优配置问题,提出一种结合自适应遗传算法与禁忌搜索算法的混合算法。通过初始配置原则,缩小了算法的寻优范围。充分利用两种算法各自的特点,结合自适应遗传算法并行计算特性与禁忌搜索算法跳出局部最优解的能力,使得该混合算法寻得全局最优解的同时,提高了算法的优化效率,增强了算法的鲁棒性。最后利用IEEE14、IEEE39、IEEE57节点系统对该混合算法与其他两种遗传算法进行了对比验证。     

遗传算法搜索优化及其在机组负荷优化分配中的应用

借助MATLAB中的曲线拟合工具箱对原始数据组平滑预处理后,拟合出机组的煤耗特性曲线,再利用遗传算法与直接搜索工具箱对机组的负荷进行优化分配,并将计算结果与传统等微增算法进行比较。仿真计算表明该方法可方便地将遗传算法应用到实践中,实现简单,节能效果好。     

遗传粒子群混合算法在电厂机组负荷组合优化中的应用

粒子群优化算法应用于火电厂机组组合问题中存在早熟收敛等现象,提出3方面改进的遗传粒子群混合算法:改进粒子群初始化方法,提出粒子初始化机组运行状态组合合理性判据,并初始化一定比例的粒子使其机组负荷随机在对应机组负荷上限附近赋值;采用部分解除约束结合惩罚函数的约束处理方法,对粒子进行机组负荷平衡操作,使大部分粒子满足约束条件;通过引入遗传算法中的交叉和变异操作增加了粒子的多样性,减小了算法陷入局部极值的可能性。采用改进的遗传粒子群混合算法对3机及5机火电厂机组负荷组合进行优化,仿真结果表明,优化成功率能达到100%。     

遗传禁忌混合算法及其在电网规划中的应用

电网规划是一个较难解决的NP难问题。文中首先就遗传算法、禁忌搜索算法(TS)及其两者的混合算法在旅行商问题(TSP)中的应用来比较它们之间的优缺点,认为采用了TS变异算子的改进遗传算法将大大提高其优化能力;然后通过该混合算法在典型电网扩展规划算例中的应用来看,认为该混合算法适用于求解复杂的电网规划问题;最后通过对该混合算法在求解实际的城市中压配电网络规划问题时与其他两种单一算法的结果比较来看,其搜索效率相比单一算法得到了很大程度的提高,体现了很好的应用前景。     

模拟退火算法在供热机组负荷分配中的应用研究

分析了供热机组热、电负荷分配的特点，建立了供热机组负荷优化分配的数学模型。运用模拟退火算法，对某厂2台机组间的热、电负荷进行了优化分配。结果表明：该优化方法简单易行，可提高热电机组的经济性。     

线性规划在电厂机组负荷分配中的应用

本文介绍了淮北电厂运用线性规划理论,实现电厂在晚间低谷负荷运行时段内各台机组间的负荷最优分配,并取得了较好的效益。     

线性规划在机组负荷优化分配中的应用研究

介绍了线性规划的基本理论,建立了基于线性规划法的机组负荷优化分配模型,利用MATLAB工具箱中线性规划求解函数进行了详细的实例求解,得出了负荷分配结果,并与平均分配法、等微增率法和二次规划法的分配结果进行了详细比较.该分配方法简单易懂,可以快速求得最优解,大大减少了机组负荷分配建模及优化的工作量,对提高电厂的发电效率,...     

遗传禁忌神经网络模型及其在电力负荷预测中的应用

针对神经网络权值学习算法的不足,结合遗传算法和禁忌算法各自的优势,建立了遗传禁忌神经网络预测模型.实际应用表明,与遗传算法相比,该模型具有收敛速度快、预测精度高等优点,具有满意的预测效果.     

动态规划方法在机组负荷最优分配中的应用

在竞价上网中 ,针对拥有多台机组的火电厂在全厂总负荷变化的情况下 ,在各机组间分配负荷时存在的问题 ,采用改进的动态规划方法进行机组负荷的最优分配 ,降低了计算的复杂性 ,分配后制定的发电计划在满足负荷需求的条件下 ,确保了总成本的最低 ,可以明显提高电厂运行的经济性。同时给出了具体的算例 ,验证了该方法的实用性和合理性。     

ICPSO算法及其在经济负荷分配中的应用

提出一种改进的混沌粒子群优化ICPSO(improved chaotic particle swarm optimization)算法,用于求解非线性、非凸、不连续等复杂约束条件的电力系统经济负荷分配。通过修正粒子群迭代的行动策略,并引入Tent混沌映射加强部分粒子的全局搜索能力,可以提高优化算法的全局搜索性能。最后将该算法应用于3机6母线的电力系统经济负荷分配中,在计及阀点效应的情况下,分别以考虑网损和忽略网损为例进行仿真。仿真结果表明,该算法有较快的收敛速度和较强的全局搜索能力,验证了算法的有效性和优越性。     

基于蚁群禁忌搜索混合算法的配电网重构

介绍了以最小化配电网网损为目标函数,以网络拓扑约束、潮流约束、运行约束以及辐射状约束为约束条件,在基本蚁群算法基础上的改进型蚁群禁忌混合算法在配电网重构中的应用,在IEEE 69节点系统的计算中,蚁群禁忌混合算法与禁忌算法相比提高了优化效果,从而证明了蚁群禁忌混合算法的实用性。     

遗传模糊算法在短期负荷预测中的应用

提出了一种基于模糊逻辑原理的负荷预测方法,使用遗传算法对系统参数进行训练.在以往的模糊逻辑系统建立过程中,其主要参数(如模糊推理规则和隶属函数等)需要依靠运行人员经验或专家知识来确定,而本文利用遗传算法,通过对样本数据的自学习过程来获取系统参数.在遗传算法中,将推理规则与隶属函数参数的确定结合在一起,从而确定系统参数的最优组合,由此建立起一个较合理的模糊负荷预测系统.仿真实验结果表明,该方法能够达到满意的预测精度,具有良好的实用前景.     

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。     

遗传模糊算法在短期负荷预测中的应用

提出了一种基于模糊逻辑原理的负荷预测方法,使用遗传算法对系统参数进行训练。在以往的模糊逻辑系统建立过程中,其主要参数(如模糊推理规则和隶属函数等)需要依靠运行人员经验或专家知识来确定,而本文利用遗传算法,通过对样本数据的自学习过程来获取系统参数。在遗传算法中,将推理规则与隶属函数参数的确定结合在一起,从而确定系统参数的最优组合,由此建立起一个较合理的模糊负荷预测系统。仿真实验结果表明,该方法能够达到满意的预测精度,具有良好的实用前景。     

遗传/禁忌组合算法在发电机组优化组合中的应用

在研究遗传算法 (GA)和禁忌算法 (TS)的基础上 ,提出一种采用遗传 /禁忌组合算法 (GA/TS)的策略 ,并将其应用于发电机组的优化组合中 ,同时用算例证明该方法的有效性和应用前景。     

火电机组负荷优化分配算法分析比较

对目前国内外出现的负荷优化算法进行了比较全面的总结,将其分为传统优化算法、基于数学规划的优化算法、现代智能优化算法、其他优化算法等四类,阐述了各种算法的基本原理,并对其中主要算法的优缺点作了分析和比较,从而为相关课题的研究提供了参考.施耐德电气工业园在北京亦庄启动建设建成后将成为施耐德电气公司在中国最大的综合性生产和物流基地     

微增分配机组负荷

电网经济调度就是研究系统内发电厂与发电厂之间以及发电厂内机组与机组之间的经济负荷分配问题,通过台理的分配发电厂间和发电厂内机组间的负荷,使电网总消耗燃料为最少。只要我们认真抓好这项工作就能为国家节约更多的能源。近几年来,我国电力系统的经济调度工作发展很快,下面就阐述国内普遍采用的等微增法。