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     

基于遗传算法的电网无功优化

将遗传算法应用于电力系统无功优化,对遗传算法的编码方式、遗传算子以及中止判据方面做了详细的阐述,建立了基于遗传算法的电力系统无功优化模型,避免了常规数学优化方法的局部最优问题.计算机仿真结果表明,遗传算法能够更好地收敛于全局最优解,能更切合电力系统运行的实际,能有效提高电压质量和降低网损.该算法已应用于某地区无功优化软件,取得了较好的效果.     

遗传算法在电力系统无功优化中的应用综述

简要介绍了电力系统无功优化的现状,无功优化使用的各种经典方法均存在着只能得到局部最优解的缺陷,一种模拟自然界生物进化的新原理－遗传算法从其诞生之日就蓬勃发展起来,广泛应用于各个领域,详细地阐述了简单遗传算法以及遗传算法与其它算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

基于遗传算法的无功规划优化

提出了一种应用于电力系统无功规划优化问题的改进遗传算法。该算法对传统遗传算法的编码方式、群体规模以及遗传３算法等方面进行了     

基于遗传算法的电网无功优化运行

本文采用传统遗传算法进行电力系统无功优化。建立了符合电网实际的数学模型，对简单遗传算法中的编码方式、选择操作、终止进化等进行了改进，目标函数中罚因子采用动态取值法，加快了收敛速度。本文根据电力系统的实际，较好地解决了离散变量的处理问题。经实际电力系统算例结果验证，证实了本文所采用方法的有效性。     

基于改进遗传算法的配电网无功优化

针对传统遗传算法在电网无功优化领域应用中存在的不足,结合配电网的特征,建立了综合考虑全年网损、电压品质和补偿设备投资的无功优化数学模型。同时应用自适应遗传算法对传统遗传算法的遗传算子和终止判据等进行了改进,提出了一种配电网无功优化的改进遗传算法,使其计算效率和全局寻优能力均有提高。实例计算表明,其优化效果优于传统遗传算法。     

基于遗传算法的无功优化模型研究

遗传算法是近十年发展起来的基于自然选择规律的一种优化方法。本文阐述了遗传算法（GAs)在电力系统无功优化中的应用。实例证明计算表明,与常规无功优化方法相比,该算法成功地解决了无功优化中变量的离散问题,避免了常规数学优化方法的局部最优现象。     

基于遗传算法的配电网无功优化探讨

首先介绍了无功优化的定义及在配电网中的作用,然后介绍了经过改进的遗传算法在配电网无功补偿优化方面的应用,并且与传统遗传算法相比,改进的遗传算法解决了传统遗传算法过早收敛的问题,同时存在局部最优、计算复杂的缺点。     

基于改进遗传算法的配电网无功优化

针对配电网的特征,建立了综合考虑全年网损、电压品质和补偿设备投资的无功优化数学模型。对传统遗传算法的遗传算子和终止判据等方面进行了改进,提出了一种配电网无功优化的改进遗传算法,使其计算效率和全局寻优能力均有提高。采用本文提出的改进遗传算法,通过实例计算,结果表明其优化效果优于传统遗传算法。     

基于遗传算法的电力系统无功优化

基于matlab编写了牛顿拉夫逊极坐标潮流计算程序以及遗传算法无功优化的程序.并通过IEEE5节点系统的算例分析,得出基于遗传算法的无功优化能有效降低系统网损、提高电压水平,验证了该算法在解决多变量、非线性、不连续、多约束问题时的独特优势,并指出了该算法的不足之处以及如何改善.     

最小化运行费用的时变重构全局优化算法

该文提出了一种以运行费用最小为目标的时变重构全局优化算法。将时变重构问题分解为多个静态重构子问题，使用核心模式遗传最短路算法(CSGSA)分别求解每个子问题，得出候选放射状网络结构，并使用动态规划，根据各子问题的结果求解全局最优的时变重构策略。算法还对开关操作次数约束进行了处理，使之不影响动态规划的全局最优性。所提算法是配电网络实时调度，规划和离线分析的有效工具。     

电力系统机组启停优化问题的改进DPSO算法

该文从微粒群优化算法的原理和机组组合问题的特点出发，提出了一种适合机组启停优化问题求解的改进的离散二进制微粒群优化算法(DPSO)：文中结合机组启停优化问题的特点，采用改进的DPSO算法对机组的开停机状态进行优化组合，利用随机的顺序投入法初始化原始种群，将无希望／重希望准则引入搜索过程，通过重新初始化机制与变异操作克服DPSO易于陷入局部最优的缺点，并保证机组的开停状态组合满足单机约束和系统约束。保证搜索在问题的可行域进行。对2个算例系统的仿真计算及与其它方法的比较表明，该算法在搜索精度和搜索速度方面均具有很大的优越性。此算法兼顾了收敛速度和收敛精度2个方面，具有很好的适应性。这种寻优的方式不仅为机组肩停优化问题带来了新的解决思路，对于求解更广泛的组合优化问题亦具有普遍的意义。     

遗传算法在无功优化应用中的改进

将遗传算法应用于电力系统无功优化的同时,针对无功优化的实际,文章提出了在不同优化阶段,对目标函数各项罚因子采用不同权重,并且构造出分阶段适应性函数,以及提出了选择式杂交方式等改进措施。通过典型算例和实际系统的测试,证明了这些改进方法对遗传算法应用于无功优化计算的寻优速度和收敛特性都有明显提高。     

遗传算法搜索优化及其在机组启停中的应用

提出了一种遗传算法应用于机组启停的新思路。针对机组启停问题的特点,设计了一些启发式技术,使得遗传算法初始种群中的所有个体都是可行解。针对遗传操作生成的不可行解,建立了一种从不可行域到可行域的是映射关系,大大减少了搜索中的无效操作。对过度满足约束条件的解,给出了一种有效减冗余的手段。并提出了一种边界搜索方法,可以更容易得到更优的解。这些措施起到了优化搜索路径的作用,有效地提高了遗传算法求解的效率和质量。     

结合专家知识的遗传算法在无功规划优化中的应用

在遗传算法中采用专家知识辅助寻优,有助于改善寻优方向,防止过早收敛,由于无功功率不家远距离传输。因此电力系统中的无功平衡和电压调整具有很强的地区性。依据专家知识对少数被选中的个体动态形成本厂、站的就地无功／电压控制的有效变量集进行人工调整,可以改善遗传算法的局部寻优能力。该专家知识包括三个主要方面：消除电压越限、减少投资和降低网损。为了更符合实际情况,建立了母线电压对调节裕度的模糊隶属函数。对某实际系统的计算表明,结合专家知识的遗传算法能够更有效地找到全局最优。     

遗传算法在透平叶栅多目标优化设计中的应用

在透平叶栅气动热力学计算基础上,并以透平叶栅的能量损失系数和做功能力为目标函数,引入了带有变加权系统的、鲁棒性极强的遗传算法进行叶栅的多目标优化设计。文中给出了基于遗传算法的多目标优化设计方法的机理和具体步骤,介绍了透平叶栅多目标优化设计的数学模型,并对一个典型的跨音速叶栅进行了多目标优化和分析。优化结果表明,此方法的应用能够捕获一组非受控解,这一点不仅充分体现出多目标优化设计的思想,而且说明了此     

影响遗传算法性能的因素及改进措施

讨论了无功优化中遗传算法的操作参数和控制变量的约束条件对遗传算法性能的影响 ，以及改善其性能的措施。     

基于改进遗传算法的多目标无功优化

阐述了用于无功优化的改进遗传算法,在已有改进简单遗传算法的基础上,提出在含有多个目标的目标函数中采用线性变化和指数变化规律的越界罚系数,并对适应度函数进行模拟退火修正以保持种群的多样性和加快收敛;采用遗传因子自适应变化和改进的变异操作,可使遗传算法的全局优化和局部寻优能力大为提高.IEEE14节点系统的仿真计算结果表明,该方法在计算速度和收敛能力上优于简单遗传算法,且罚系数采用指数规律变化比采用定值或线性变化规律时收敛能力有明显改善.     

小生境遗传算法在无功优化中的应用研究

在基本遗传算法（SGA）的基础上,引入生物学中小生境的概念,制定了初始种群生成方法,以保证个体的多样性,从而形成可用于电力系统无功优化的小生境遗传算法.应用此算法时,可用共享度改变个体的适应值,同时加速淘汰适应值低的个体,提高每一代个体的平均适应值水平,以减少迭代的次数.运用IEEE6节点系统和168节点实际电网进行计算的结果表明：在优化条件相同时,该算法的迭代次数明显少于基本遗传算法,提高了无功优化的收敛速度.     

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。