基于遗传算法的无功优化在鄂州电网中的实现

在简要分析传统的电力系统无功优化方法的局限性之后,指出在无功优化问题中引入遗传算法（ＧＡ）的必要笥和可行性,然后将基于遗传算法的无功优化方法用一以往多操作要管理专家系统无功优化子系统中,论述了基于ＧＡ的无功优化方法的程序流程,着重解决了在实际应用时遇到的几个问题,即无功优人强离散变量的处理、目标函数及相关参数值的选取等。所开发系统的实际运行结果表明,该算法可有效地减少系统的网络损耗,产生较好的社会     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,文章将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,算法对IEEE 6、IEEE 30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的.     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,该文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE6、IEEE30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的.     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,本文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE 6、IEEE30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的.     

基于遗传禁忌混合算法的电力系统无功优化

为了使遗传算法(GA)和禁忌搜索算法(TS)的优点被保持,缺点被削弱,提出了电力系统无功优化的遗传禁忌混合算法(GATS);针对电力系统无功优化中控制变量的离散性和连续性相混合的特点,提出了混合编码策略并相应地采用启发式算术进行杂交.用GATS算法对IEEE30节点系统进行了无功优化计算,并就优化结果和简单遗传算法(SGA)及二进制编码的禁忌搜索法(TSB)的优化结果进行了比较,结果表明GATS方法具有更好的收敛性和更强的全局寻优能力.     

基于改进遗传算法的电力系统无功规划优化

简要分析了几种无功优化方法的局限性,通过比较得出遗传算法是求解无功优化的一种有效的方法,并在简单遗传算法(SGA)的基础上,提出了更加有效的算法即改进遗传算法(IGA).该算法针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,借鉴了模拟退火思想在遗传算法的执行过程中对个体适应度不断进行修正,并采用了浮点数编码、双层结构群体、自适应的交叉率和变异率等改进措施.算例表明这种改进的遗传算法优化效果好,而且在精度和收敛度上都有较大提高.     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,该文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE6、IEEE30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的。     

电力系统无功优化在线计算的算法研究

通过在线无功优化,降低网损、保证电压质量,对供电企业的经济运行是非常必要的。文章针对此问题就无功优化方法中具有代表性且差异较大的两种方法——内点法和遗传算法进行研究和比较,在IEEE30节点系统中进行实例计算,比较这两种算法在收敛性能、计算速度、对离散变量的处理等方面的优劣性,给出了两种算法相结合的无功优化算法,得到了比较满意的结果。     

基于人工鱼群算法的电力系统无功优化

尝试将人工鱼群算法(AFSA)用于电力系统无功优化,建立了相应的优化模型,对IEEE6、IEEE14节点系统及某地区实际电力系统进行了无功优化计算,并与遗传算法(GA)、改进Tabu搜索算法(MTSA)进行了比较,结果表明AFSA鲁棒性强,全局收敛性好,用于电力系统无功优化计算是有效、可行的.     

一种电力系统无功优化的新型混合优化算法

提出了一种适合于求解电力系统无功优化问题的新型混合优化算法,该算法结合基于邻域搜索的群搜索优化算法和改进灾变遗传算法.综合考虑两种算法的特点,将无功优化问题分步进行交替求解,第一步采用改进灾变遗传算法迭代两次更新解群体,第二步在此基础上采用基于邻域搜索的群搜索优化算法使群体中各解向当前最优解靠拢,交替进行,最终达到全局最优解.在IEEE118节点系统试验计算结果表明,与其他算法相比,该混合算法具有较好的全局收敛性且不容易陷入局部最优,在优化效果以及算法稳定度上都具有明显的优势.在某实际290节点电网计算结果表明,该混合算法能够适应实际电力系统无功优化问题的求解.     

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。     

基于辅助问题和遗传算法的电网分区并行无功优化的研究

针对传统集中式无功优化存在的不足之处,建立起基于电网分区的分解协调模型。采用构造辅助问题(AP)的方法进行分布式并行计算,将互联电网无功优化问题分解为多个子网的并行无功优化问题,在每个子网中,采用遗传算法求解子系统的的优化问题。基于地域的系统分解与协调符合电网市场的发展方向。仿真结果表明该方法具有较强的收敛性和快速性。     

多智能体搜寻者优化算法在电力系统无功优化中的应用

针对无功优化这个典型的非线性问题,提出了一种基于多Agent系统的搜寻者优化算法MASOA (Multi-agent Seeker Optimization Algorithm)来求解.该算法针对SOA算法邻域划分随意性较大,融入智能体技术,在改进SOA算法邻域划分合理性的同时,提高粒子寻优的准确度;利用SOA算法的进化机制,引入自适应思想,使新算法具有良好的非线性搜索能力,更好地适应无功优化问题.以网损最小为目标函数,在IEEE 30节点系统上进行测试,并与四种智能算法进行比较,结果表明,MASOA在算法计算精度、收敛稳定性、寻优时间等方面都具有普遍优势,能有效地应用于电力系统无功优化中.     

改进的免疫遗传算法在无功优化应用中的研究

无功优化是电力网络优化的主要措施,其实质是一个多目标非线性混和优化问题。采用免疫遗传算法来研究该问题的求解方法就是在传统遗传算法的基础上,借鉴生物免疫机制中抗体的多样性保持策略和记忆抗原的特点,大大提高了算法的全局搜索和局部搜索能力。实验表明,免疫遗传算法具有很好的全局收敛性,能有效解决无功优化问题。     

基于蜜蜂进化型粒子群算法的电力系统无功优化

为了提高电能质量,降低网损,采用蜜蜂进化机制与粒子群算法相结合的蜜蜂进化型粒子群算法（Bee Evolution Modifying Particle Swarm Optimization, BEMPSO）,对电力系统的无功优化问题进行求解。改进后的算法能够克服传统粒子群算法的收敛精度低,易陷入局部最优解的缺点。应用改进算法对IEEE6、30节点标准电网进行无功优化计算,并与其它优化算法相比较,结果证明BEMPSO算法具有较好的全局寻优能力,验证了该算法的正确性和有效性。     

基于免疫进化细菌觅食算法的多目标无功优化

为了更好地解决电力系统多目标无功优化问题,分析了当前多目标无功优化算法存在的缺陷,提出了一种基于免疫进化的改进多目标细菌觅食优化算法。该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好。IEEE14,IEEE30节点测试系统的算例结果表明所提的算法在多目标无功优化中具有良好的效果,为各目标之间的权衡分析提供了有效工具,是一种求解多目标无功优化问题的有效方法。     

基于人工鱼群算法的电力系统无功优化

尝试将人工鱼群算法(AFSA)用于电力系统无功优化,建立了相应的优化模型,对IEEE6、IEEE14节点系统及某地区实际电力系统进行了无功优化计算,并与遗传算法(GA)、改进Tabu搜索算法(MTSA)进行了比较,结果表明AFSA鲁棒性强,全局收敛性好,用于电力系统无功优化计算是有效、可行的。     

采用辅助问题原理的多分区并行无功优化算法

针对大规模电网集中式串行无功优化计算所面临的计算问题和瓶颈问题,基于分布式并行计算思想建立一种多分区并行无功优化模型,并采用辅助问题原理综合考虑D–变量提出一种附加函数,有效地将全网的优化问题完全分解为多个子区独立的优化问题,同时解决了分区计算所引起的多平衡点问题。该方法实现了完全的分布式优化,解决了数据集中上传的瓶颈问题,有效降低了优化问题的求解规模,大大缩短了总运算时间,提高了计算与控制的实时性和灵活性。仿真结果表明：该方法有效可行,计算速度快,收敛性好。     

基于电网分区的多目标分布式并行无功优化研究

针对集中式并行无功优化的瓶颈问题，建立了基于电网分区的多目标分解协调模型，并采用辅助问题原理(APP)进行分布式并行计算，将全网的多目标无功优化问题分解为多个子网的多目标并行优化问题：基于地域的系统分解与协调符合电网市场化发展的方向。仿真结果表明，本算法具有较强的收敛性和快速性。     

基于简化零空间内点法VSC-HVDC离散化最优潮流的研究

在求解含电压源换流器的高压直流输电(Voltage Source Converter based High Voltage Direct Current, VSC-HVDC)的交直流系统最优潮流(Optimal Power Flow, OPF)问题时,常使用原对偶内点法或智能算法。但原对偶内点法无法很好地解决含离散变量的OPF(如无功优化),而智能算法在解决此类问题时易陷入局部最优解,同时计算时间过长。因此,提出一种含离散惩罚函数的简化零空间内点算法。算法的主要思想是以简化零空间内点法(下称S-NSIPM)为框架,对连续变量进行优化,当收敛函数小于一定值时,在离散量的计算中引入罚函数,同时随着迭代量差值的变化随时调整罚函数的罚因子的大小。通过算例表明,该算法稳定性高,寻优和适应能力强,能够很好地解决含VSC-HVDC交直流系统的离散变量的优化问题。