基于改进禁忌搜索算法的配电网电压无功优化控制

建立了综合考虑配电网电压质量和网络损耗两方面因素的电压无功优化控制数学模型,运用改进禁忌搜索算法(MTS)求解该模型.算法中采用的记忆指导搜索策略重点搜索了各记忆段的局部最优值,避免了全局搜索的盲目性;采用的禁忌频率限制信息避免了大范围的迂回搜索,提高了新区域的搜索效率.禁忌频率的信息压缩技术节约了大量存储空间.数值对比试验表明,该文方法是合理的和可行的,具有一定的实用意义.     

基于改进禁忌算法的区域控制偏差分区优化方法

为合理确定区域控制偏差分区的大小、提高自动发电控制系统的性能,根据区域电网典型负荷曲线和受电曲线,以区域电网控制性能指标最大化为目标函数,提出了基于改进禁忌算法的区域控制偏差分区优化方法。该方法采用记忆指导搜索策略重点搜索了各记忆段的局部最优值,避免了全局寻优的盲目性,利用动态管理的禁忌频率信息避免了大范围的迂回搜索,提高了新区域的搜索效率。算例分析和实际应用结果验证了该区域控制偏差分区方法的合理性和有效性。     

配电网无功电压优化控制求解的一种新方法

提出将主动禁忌搜索(RTS)算法用于配电网无功电压优化控制问题的求解,并与传统的禁忌搜索(TS)算法进行了比较。在利用RTS算法的求解过程中,使用了反馈机制,可自动调节禁忌表长度,解决了TS中复杂参数设置与调节的问题;由于结合逃逸策略,使搜索有效地跳出局部极小点,避免了TS中可能出现的大循环。通过在算例中的应用表明,RTS算法非常适合对该问题的求解,比TS具有更好的灵活性和更高的求解效率。     

配电网无功电压优化控制求解的一种新方法

提出将主动禁忌搜索(RTS)算法用于配电网无功电压优化控制问题的求解，并与传统的禁忌搜索（TS）算法进行了比较。在利用RTS算法的求解过程中，使用了反馈机制，可自动调节禁忌表长度，解决了TS中复杂参数设置与调节的问题；由于结合逃逸策略，使搜索有效地跳出局部极小点，避免了TS中可能出现的大循环。通过在算例中的应用表明，RTS算法非常适合对该问题的求解，比TS具有更好的灵活性和更高的求解效率。     

基于遗传禁忌混合算法的静态电压稳定裕度计算

提出一种基于遗传禁忌混合算法的静态电压稳定裕度计算的新方法.该方法将全局搜索能力强的遗传算法和局部搜索能力强的禁忌搜索算法结合在一起,通过改进的连续潮流法计算,可快速而准确地获取系统最大静态电压稳定裕度,并在一定程度上弥补遗传算法和禁忌搜索算法单独使用的不足.应用该混合算法对IEEE14节点系统进行仿真计算,验证了该方法可行且有效.     

基于GATS的电网无功电压综合控制

简述了无功电压综合控制的必要性及其设计思想和主要功能。根据电力系统实际运行情况及本系统自身特点,就PV节点给定电压,适应度函数的构造,交叉率、变异率的取值及禁忌搜索(TS)算法与遗传算法(GA)的结合等主要问题,详细介绍了GATS混合优化策略的具体实现形式,以实现逆调压要求,保证电压合格,避免早熟收敛,同时加速搜索进程。在IEEE118节点系统的计算中,混合优化算法与简单遗传算法相比,有效降低了计算时间,提高了优化效果,从而证明了GATS混合优化策略的实用性。     

基于GATS的电网无功电压综合控制

简述了无功电压综合控制的必要性及其设计思想和主要功能.根据电力系统实际运行情况及本系统自身特点,就PV节点给定电压,适应度函数的构造,交叉率、变异率的取值及禁忌搜索(TS)算法与遗传算法(GA)的结合等主要问题,详细介绍了GATS混合优化策略的具体实现形式,以实现逆调压要求,保证电压合格,避免早熟收敛,同时加速搜索进程.在IEEE118节点系统的计算中,混合优化算法与简单遗传算法相比,有效降低了计算时间,提高了优化效果,从而证明了GATS混合优化策略的实用性.     

引入改进tent映射的遗传禁忌混合算法及其在地区无功优化中的应用

基于对混沌算法、遗传算法和禁忌搜索法的比较分析,结合实际无功优化问题提出了一种引入改进tent映射的遗传禁忌混合算法,它以遗传种群为进化主体,同时伴随tent映射产生辅助个体,在状态更新中通过一定的选择比较机制引入辅助个体,在进化过程中综合禁忌搜索操作,一定程度上避免了迂回搜索.将其应用于某地区电网无功优化中,通过与基本遗传算法、改进遗传算法和遗传禁忌算法的比较表明该混合算法性能更为优良.     

结合禁忌搜索思想的粒子群算法在乌江渡水电站厂内经济运行中的应用研究

本文针对水电站厂内经济运行中机组组合优化问题的特点,提出了一种结合禁忌搜索思想的粒子群算法(Particle Swarm Optimization,PSO).该方法采用离散二进制粒子群算法解决机组运行状态组合问题,用标准粒子群算法解决既定运行机组间负荷优化分配问题,并将两个问题结合在一起并行优化,引入禁忌搜索算法(tabular Search,TS)的记忆功能和藐视准则以提高粒子多样性,扩大搜索空间,克服PSO算法可能出现的早熟现象.以乌江渡水电站为例进行优化计算,并与PSO算法的计算结果比较,表明该方法可以有效避免早熟现象,具有较高的全局收敛能力,同时也具有较高的全局寻优能力.     

电力系统相量测量装置最优配置混合算法的研究

以电力系统状态完全可观测和相量测量装置(PMU)配置数目最小为目标,形成了PMU最优配置问题。将遗传算法和禁忌算法有效结合形成禁忌遗传算法,该算法在改进交叉和变异算子的基础上,继承和发展了遗传算法基于多点搜索、鲁棒性强等诸多优点,每当群体有出现早熟而陷入局部最优解的趋势时,利用禁忌搜索增强算法的爬山能力,避免算法早熟而陷入局部最优解,增强算法的全局收敛能力和收敛速度。与遗传算法和禁忌搜索方法相比,禁忌遗传算法具有更好的全局收敛能力和收敛速度。最后采用IEEE14,IEEE30和IEEE57节点系统对算法的有效性进行了验证。     

机组优化组合问题的随机tabu搜索算法

针对机组组合问题的特点，作者对tabu搜索策略和模拟退火算法(SA)的组合算法——随机tabu搜索策略的编码方式、移动规则和tabu表的构造等作了适应性的改进，并对实际机组组合算例进行了求解。仿真结果表明，tabu-SA组合算法有效地结合了SA算法的大规模寻优特性和tabu搜索的局部搜索能力强的特点，能快速搜索到高质量的系统优化解。而且随机tabu搜索算法具有框架性算法不易陷入局部最优的特点，易于与其他算法结合来构造新的高效组合算法。     

基于禁忌BP神经网络的动态测量误差预测研究

本文针对BP算法在神经网络参数学习中局部性能好但易陷入局部极小值而禁忌搜索算法拥有良好的全局性能的特点,提出了神经网络的综合训练方法（禁忌BP算法,TSBP Algorithm）即首先利用禁忌搜索算法对神经网络参数进行金局搜索训练,然后再利用BP算法对参数进行局部学习。设计了一种多样化和集中化并行搜索的禁忌搜索算法,一定程度上解决了传统禁忌算法局部寻优和拓展搜索空间之间的矛盾。最后利用仿真实例验证了TSBP神经网络较之BP神经网络和TS神经网络在动态误差预测方面的优越性,得出了相关结论。     

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。     

A tabu search approach to the optimal sequential partitions of directed acyclic graphs

Tabu search is a novel technique for solving combinatorial optimization problems. The process in which the tabu search method seeks to transcend local optimality is based on an evaluation function which chooses the highest-evaluation move in terms of objective function and tabu restrictions. This paper presents a tabu search algorithm for finding a minimum-cost partition of the nodes of a directed acyclic graph into subsets of a given size, subject to the constraint that the precedence relations are satisfied. A standard tabu search approach cannot realize good solutions for this problem, because the problem is a complex multiple partitioning problem in which the number of subsets and the number of nodes in each subset are unsettled. For this problem, we use an appropriate data structure for this method and develop effective neighborhood structure and heuristics. We also assess the effectiveness of the developed algorithm. The results show that this algorithm is effective in obtaining a near-optimal solution to this problem. The running time of the procedure is proportional to the number of nodes in the graph. © 1997 Scripta Technica, Inc. Electr Eng Jpn, 119(4): 42–51, 1997     

融合禁忌搜索的SSA算法及其路径规划的应用

针对麻雀搜索算法易陷入局部最优解、收敛精度不足等问题,提出一种融合禁忌算法思想的改进麻雀搜索算法。首先,采用拉丁超立方抽样初始化种群,保证初始空间解分布更均匀;其次,对R2相似文献   

基于Tabu方法的配电电容器投切策略

本文首先给出电网电容器优化投切策略的混合整数规划模型。然后应用Ｔａｕｂ Ｓａｅｒａｃｈ优化方法解决混合整数规划模型。通过对算例的演算证明,Ｔａｂｕ Ｓｅａｒｃｈ方法能够有效地处理整数约束和不可微的目标函数。     

基于TB-PC算法的MISO系统辨识的研究

如何保持MISO系统辨识的精确度、收敛度、耗时以及跳出局部最优解,是当今研究的热点和难点。提出了一种基于协同进化策略和禁忌搜索的蝙蝠和粒子群混合算法(TB-PC),分析蝙蝠算法控制参数,提出了合理的脉冲频度和音强初值,将蝙蝠算法与粒子群算法的优势用协同进化结合起来,并引入了禁忌搜索。通过对四个测试函数和MISO系统实例的辨识仿真,验证了TB-PC算法具有稳定性能好、收敛精度高等优点,对MISO系统有优良的辨识效果。     

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。     

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。