基于混合优化微分进化算法的电力系统无功优化

阐述了一种基于混合优化微分进化算法的无功优化方法。混合优化微分进化算法是一种直接随机搜索方法,由在当前种群中随机采样的个体之间的基因差异来驱动,混合优化微分进化算法的主要思想是采用不同的策略产生变异算子,并在进化过程中采取父代和子代合群处理,来提高进化速度。将该无功优化方法在IEEE 30节点系统上进行了校验,并与基于其它算法的无功优化方法进行比较,仿真结果表明该算法具有收敛速度快、鲁棒性好、计算精度高的优点。     

基于混合优化微分进化算法的电力系统无功优化

阐述了一种基于混合优化微分进化算法的无功优化方法.混合优化微分进化算法是一种直接随机搜索方法,由在当前种群中随机采样的个体之间的基因差异来驱动,混合优化微分进化算法的主要思想是采用不同的策略产生变异算子,并在进化过程中采取父代和子代合群处理,来提高进化速度.将该无功优化方法在IEEE 30节点系统上进行了校验,并与基于其它算法的无功优化方法进行比较,仿真结果表明该算法具有收敛速度快、鲁棒性好、计算精度高的优点.     

基于改进粒子群算法的可用输电能力研究

针对可用输电能力问题展开了深入研究,构造了适合ATC问题特点的改进粒子群优化模型,提高了ATC计算结果的准确性和有效性;针对粒子群的搜索特点,提出“粗搜索”和“细搜索”的观点,并据此建立了分段自适应调整权重策略,提高了算法的适应性和收敛速度;针对ATC早熟问题,运用耗散原理,构建适合ATC问题的、改进的耗散操作,有效地兼顾了全局和局部搜索能力。IEEE30节点系统验证了该文所建模型的有效性。     

基于准定向变异和变异回滚微分算法的风电场无功补偿

电网无功补偿方案求解是高维非线性寻优问题,大规模风电场的接入增加了求解这一问题的难度。微分进化算法是求解此类问题的有效算法,但该算法对初始种群依赖性强且前期寻优逼近能力弱,因此提出准定向变异和变异回滚策略对其进行改进。以全网母线电压偏移和为目标函数,以基于准定向变异和变异回滚策略的改进微分进化算法为求解工具,建立求解大规模风电场无功补偿方案的计算模型。与普通微分进化算法相比,该算法在寻优初期具有寻优能力强且快速逼近最优解的优点,其确定的补偿方案可明显提高地区电网的电压水平。     

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.     

融合智能代理模型和改进微分进化算法的电力系统暂态稳定预防控制

电力系统暂态稳定预防控制可看作含微分方程的非线性规划优化模型,开发一种寻优能力强、计算速度快的优化求解方法非常关键。考虑暂态稳定预防控制问题的特点,提出一种融合智能代理模型和改进微分进化算法优化求解算法。在微分进化算法的基础上,引入扩展变异操作及参数自适应调整策略,提高微分进化算法的寻优能力,并利用改进微分进化算法求解预防控制优化模型。同时,为提高求解速度,利用潮流特征和集成极限学习机建立暂态稳定裕度预测的智能代理模型,在迭代优化过程中快速估计稳定裕度水平,避免反复进行时域仿真计算。仿真结果表明,所提方法不仅增强了传统智能优化算法的寻优能力,并能大幅度减少预防控制策略的求解时间。     

基于改进微分进化算法的输电网络规划

提出一种改进微分进化算法来求解输电网络规划问题。该算法采用控制参数自适应调整策略,保持了种群的多样性并提高了全局搜索能力。同时引入联赛选择算子,避免了应用惩罚函数法构造适应度函数时难以选择惩罚系数的问题。18节点测试系统的计算结果验证了所提算法的有效性。     

一种基于灰预测理论的混合蛙跳算法

为提高混合蛙跳算法在优化问题求解中的性能,提出一种基于灰预测理论的改进混合蛙跳算法。该算法首先将基本算法的进化模式进行调整,强化了进化过程中全局信息的交换;之后引入移动步长变异算子,根据进化过程的不同阶段和利用灰预测理论获得进化过程中最优解进步速度,并借鉴模糊控制思想对该变异算子进行控制,进而实现移动步长的自适应调整。采用6个标准测试函数,与基本算法和已有改进算法进行性能对比分析,证明了改进后的混合蛙跳算法在收敛精度、收敛速度和收敛成功率方面的优越性及灰预测理论在算法改进领域中的可行性。最后,将改进算法应用于10 k V油浸式配电变压器优化设计工作中,验证了该改进算法的实用性。     

进化规划方法的综合改进及其在电力系统无功优化中的应用

提出了一种应用于电力系统无功优化的综合改进进化规划方法。分析了传统进化规划方法存在解易早熟和收敛慢等不足的主要原因,并对传统方法的变异算子和选择算子提出了综合改进。提出新的策略参数控制方案改进变异算子,同时在选择算子中引入了Metropolis判别准则。为验证改进方法的正确性和有效性,以IEEE 30节点系统为例进行了仿真,结果表明文中提出的方法与传统方法相比能更好地避免解的早熟并使算法具有更快的收敛速度,适用于无功优化计算。     

基于改进蚁群算法的无功优化研究

建立了网损最小的数学模型,对蚁群算法的缺陷进行改进,包括对蚁群搜索到的路径进行排序,自适应调节路径上释放的信息素.同时又在信息素更新机制里引入微分进化算法的发散项,提高算法的收敛速度和全局寻优能力.通过IEEE-30节点的仿真计算,验证了改进蚁群算法在电力系统无功优化领域的可行性和有效性.     

输电网扩展规划的双种群二进制微分进化算法

提出一种应用双种群二进制微分进化算法求解输电网扩展规划的新方法.算法中通过海明距离比较个体之间的差异并定义了全局变异和局部变异两种算子.结合两种变异算子的优点,将种群划分为两个子种群,分别采用不同的进化模式同时进化,有效地平衡了种群在解空间的全局探索能力和局部开发能力.通过种群间的相互移民来进行信息交换,维持了种群的多样性,降低了算法陷入局部最优的风险.将该算法应用于18节点系统和巴西南部46节点系统,并对控制参数的选择进行了分析比较,计算结果验证了所提算法的可行性和有效性.     

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。     

基于差分进化的波浪能转换装置阵列优化

针对如何有效利用波浪辐射和散射以提升波浪发电系统效率的问题,提出采用差分进化算法对波浪能转换装置阵列进行优化排布。差分进化算法全局搜索能力强并且计算时间少;同时,差分进化算法在精度和收敛速度上没法两全且可能会陷入局部解,为了使优化结果更准确,引入了自适应变异算子的概念对差分进化算法进行改进,改进后的算法收敛速度相对较快而且结果准确度高。结合改进算法,分别针对不同浮子数目的阵列进行优化与对比分析。仿真结果表明,阵列规模越大,浮子之间的互补作用越大,波浪能转换装置的效率越高,这验证了所提阵列优化方案的有效性。     

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.     

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。     

基于改进微分进化算法的负荷模型参数辨识

为了提高电力系统中负荷模型的精确度,提出了一种改进的微分进化算法(IDE)以辨识负荷模型参数。采用不依赖于优化问题的控制参数自适应调整机制,同时考虑搜索速度和搜索精度,使算法摆脱后期易于陷入局部极值点的束缚,克服了微分进化算法参数调整困难的不足,提高了算法的寻优能力。将改进算法应用于静态负荷模型参数辨识的工程实例并与其他算法对比的结果表明,改进DE算法的全局搜索能力强,搜索精度高。     

改进黑洞粒子群算法在电力系统环保经济调度中的应用

针对电力系统中的环保经济调度问题,采用了一种改进随机黑洞粒子群算法进行优化计算。该算法通过引入随机黑洞策略、惯性权重和学习因子动态更新及小概率随机变异改进了粒子群算法,提高了全局搜索能力,稳定了计算结果,加快了收敛速度。通过对IEEE30系统仿真计算,结果验证了该算法的有效性和优越性,系统的经济性和电能质量都得到了提升。     

量子进化算法在电力系统无功优化中的应用

量子进化算法QEA(Quantum-insp ired evolutionary algorithm)将量子理论引入进化计算领域,是一种基于量子计算概念的进化策略算法。它采用量子比特为基本信息位进行个体编码,使用量子态的么正变换(量子门变换)实现个体的进化,同时利用量子编码的多态叠加性以及“全干扰交叉”可以有效克服进化过程中的早熟现象,因此它比传统进化算法具有更快的收敛速度和全局寻优能力。该文将该算法应用于电力系统无功优化问题,提出基于QEA算法的无功优化模型,并对算法参数进行了研究,提出了合适的量子变异参数。运用该算法对IEEE6、30节点系统进行了仿真计算,计算结果验证了模型和算法的有效性。     

量子进化算法在电力系统无功优化中的应用

量子进化算法QEA(Quantum-inspired evolutionary algorithm)将量子理论引入进化计算领域,是一种基于量子计算概念的进化策略算法.它采用量子比特为基本信息位进行个体编码,使用量子态的么正变换(量子门变换)实现个体的进化,同时利用量子编码的多态叠加性以及"全干扰交叉"可以有效克服进化过程中的早熟现象,因此它比传统进化算法具有更快的收敛速度和全局寻优能力.该文将该算法应用于电力系统无功优化问题,提出基于QEA算法的无功优化模型,并对算法参数进行了研究,提出了合适的量子变异参数.运用该算法对IEEE6、30节点系统进行了仿真计算,计算结果验证了模型和算法的有效性.     

基于改进微分进化优化神经网络的电力变压器故障诊断

提出了一种改进微分进化(IDE)与误差反向传播神经网络(BP)相结合的变压器故障诊断新方法。提出了不依赖优化问题的控制参数自适应调整策略,并动态监视种群适应度方差的变化,使IDE具有强劲的全局搜索能力,能很快地寻找到全局最优点。该算法能有效地克服常规BP神经网络权值和阈值收敛速度慢、易陷入局部极小值等缺点,实现了两种算法的取长补短。将该算法用于变压器故障诊断,并与基于其他算法的变压器故障诊断进行比较,仿真结果表明该算法具有收敛速度快、鲁棒性好、分类精度高的优点。