基于自适应模拟退火遗传算法的多目标最优潮流

采用自适应遗传算法来确定基本遗传算法的交叉率和变异率,保证遗传算法的收敛性.同时引入模拟退火法思想,通过拉伸目标函数的适应度使优秀个体在产生后代时具有明显的优势,从而加速寻优的过程,形成一种新的算法:自适应模拟退火遗传算法.应用该算法进行电力系统多目标最优潮流计算,IEEE30试验系统计算结果表明了该算法的灵活性和有效性.     

自适应进化规划及其在多目标最优潮流中的应用(Ⅱ)--基于自适应进化规划的多目标最优潮流

电力系统多目标最优潮流是一个极其复杂的非线性规划问题,其解算方法目前仍处于研究阶段,而开发高效、快速、可靠的最优潮流算法是一项相当艰巨的工作.鉴于此,文中探讨了自适应进化规划在电力系统多目标最优潮流应用中的问题.在优化模型、遗传操作等方面进行了研究,进一步拓展了电力系统最优潮流计算方法的应用前景.通过30节点IEEE试验系统的算例表明自适应进化规划算法十分有效,具有广泛的应用价值.     

自适应进化规划及其在多目标最优潮流中的应用(Ⅱ)--基于自适应进化规划的多目标最优潮流

电力系统多目标最优潮流是一个极其复杂的非线性规划问题,其解算方法目前仍处于研究阶段,而开发高效、快速、可靠的最优潮流算法是一项相当艰巨的工作。鉴于此,文中探讨了自适应进化规划在电力系统多目标最优潮流应用中的问题。在优化模型、遗传操作等方面进行了研究,进一步拓展了电力系统最优潮流计算方法的应用前景。通过30节点IEEE试验系统的算例表明自适应进化规划算法十分有效,具有广泛的应用价值。     

一种求解多目标最优潮流的模糊优化算法

将模糊集理论和非线性原－对偶路径跟踪内点法应用于求解具有可伸缩约束的多目标最优潮流问题,选择合适的加速因子以改善算法的收敛性,并与单目标非线性最优潮流问题的计算结果进行了比较。对几个试验系统的计算表明,该算法具有稳定收敛性能,优化结果精确,灵活方便,处理变量不等工约束和函数不等式约束的能力很强,适合于求解大规模电力系统的多目标优化问题。     

自适应进化规划及其在多目标最优潮流中的应用（Ⅰ）：自适应 …

针对实值优化问题,以常规进行化规划为基础,从数学理论及生物进化机制角度出发,提出了一种自适应变异算子,设计出一种新颖的自适应进化规划算法。该算法中包含了两个重要部分：一是采用倒指数形式来描述方差σ＾２与适合度ｆ之间的关系;二是在寻优过程中,变异量δ自适应发生改变。     

基于免疫禁忌混合算法的多目标最优潮流计算

针对电力系统多目标最优潮流计算问题,提出了一种基于免疫禁忌混合算法的多目标模糊优化潮流计算的新方法。该方法运用模糊集理论来构造评价函数,实现了多目标优化问题向单目标优化问题的转化,兼顾了各子目标,保证了较高的整体优化水平;采用求解精度高、使用灵活的免疫禁忌混合算法来进行单目标寻优,准确地获取了符合实际的全局最优解。通过对IEEE 30节点系统进行多次多目标最优潮流仿真计算,并将计算结果分别与单目标最优潮流计算及采用粒子群算法、免疫算法等其它算法的结果进行比较和分析,验证了该方法是解决电力系统多目标最优潮流问题的一种有效方法。     

自适应进化规划及其在多目标最优潮流中的应用（Ⅱ）：基于自适？…

电力系统多目标最优潮流是一个极其复杂的非线性规划问题,其解算方法目前仍处于研究阶段,而开发高效、快速、可靠的最优潮流算法是一项相当艰巨的工作。鉴于此,文中探讨了自适应进行规划在电力系统多目标最优潮流应用中的问题。通过３０节点ＩＥＥＥ试验系统的算例表明自适应进行规划算法十分有效,具有广泛的应用价值。     

基于混沌搜索的多目标模糊优化潮流算法

提出了一种混沌搜索与模糊集理论相结合求解电力系统最优潮流问题的新方法。该方法利用混吨变量的随机性、规律性、遍历性进行寻优，克服了基于导数的优化方法对于梯度信息的高度依赖性而造成的困难。用模糊集理论将多目标函数和可伸缩约束条件模糊化，把多目标最优潮流问题转化为单目标非线性规划问题，这种方法结构简单，易于实施。试验系统的计算结果表明，该算法具有较好的全局收敛特性，搜索速度快，求解精度高，使用灵活，是解决电力系统最优潮流问题的一种有效方法。     

基于演化算法和讨价还价博弈的多目标最优潮流研究

针对电力系统的多目标最优潮流问题,首先通过遗传算法取得帕累托解集,从而充分反映出不同优化目标之间相互影响、相互背离的内在关系,在此基础上利用纳什讨价还价博弈方法选取全局最优解。探讨同时考虑发电费用（或发电煤耗）最小和系统网损最小的多目标最优潮流问题,首先验证该问题满足讨价还价博弈公理,再通过强度帕累托演化算法（strong Pareto evolution algorithm 2, SPEA2）求解得到帕累托前沿,保证收敛速度较快且帕累托前沿分布均匀,最后基于纳什讨价还价博弈求得最优解,解决了不同目标函数之间可能存在的矛盾。该文通过对IEEE 14节点系统的算例计算,验证了该方法的有效性。     

基于模糊控制遗传算法的电力系统最优潮流

遗传算法是一种全局优化方法,适合解决具有离散变量的混合非线性规化问题.模糊控制方法在解决具有可伸缩约束的规划问题方面具有明显优势.将遗传算法与模糊控制理论相结合应用于求解多目标函数的最优潮流问题,是一种比较有效的新方法.通过IEEE14节点和IEEE30节点算例计算,并与传统的遗传算法计算结果对比表明,该算法具有稳定收敛、优化结果精确合理、计算速度较快的特点,适合求解多目标混合非线性规划问题.     

基于模糊自适应模拟退火遗传算法的配电网故障定位

对于配电网故障定位系统的不足与遗传算法存在易早熟、收敛速度慢等问题,结合模糊推理和自适应模拟退火遗传算法,提出一种模糊自适应模拟退火遗传算法(FASAGA)。该算法对评价函数做了容错性改进,在遗传选择时采用自适应机制与最佳个体保留策略,并结合模糊推理与自适应机制求取模糊自适应交叉算子、模糊自适应变异算子,引入模拟退火算法提高收敛速度与局部搜索能力。仿真结果说明该算法应用在配电网故障定位中的准确性、快速性与高容错性。     

基于改进遗传模拟退火算法的PMU优化配置

分析了遗传算法和模拟退火算法的优缺点,将具有较好全局寻优性能的遗传算法和具有较强局部搜索能力的模拟退火算法结合,形成的遗传模拟退火MGASA算法用于解决以电力系统状态完全可观测和PMU配置数目最小为目标的PMU优化配置问题.在寻优过程中,先将每一代群体进行遗传操作,再对产生的新群体中各个体进行模拟退火操作,同时在选择、交叉、变异和复制操作过程中实施最优保留策略,复制策略采用Metropolis判别准则.通过采用IEEE14和IEEE39节点系统对该算法进行验证表明,MGASA算法在解决PMU优化配置问题上具有较高的寻优性能和搜索效率.     

基于退火遗传算法的水电站短期优化调度

电力市场环境下,水电站短期优化调度对优化发电企业向电力市场申报的次日发电计划和最大化企业发电收益具有重要意义。为了提高短期优化调度的计算精度和效率,针对模拟退火算法和遗传算法的优缺点将两者结合起来形成退火遗传算法,改善其计算精度和速度。实例计算表明该方法是可行的。     

无功优化遗传算法中的潮流算法改进研究

分析了潮流计算的数学模型 ,介绍了快速解耦法求解潮流 ,提出了一些改进措施 ,借以避免每次潮流计算都要反复形成第一因子表的缺点 ,采取收敛精度可变的手段 ,可使无功优化计算时间下降 65 %左右     

基于改进模拟退火算法的电网无功优化

无功运行优化问题的关键在于获得最优解或较好的次优解。传统的线性规划法和非线性规划法不能很好地处理整型变量问题,而常规模拟退火算法(SA)的鲁棒性不高。结合高中压配电网的特点,对SA进行了改进:采用记忆指导搜索方法,并采用模式法修正局部最优解。数值对比试验表明,本方法是合理的和可行的,具有一定的实用意义。     

计及风电置信风险成本的多目标最优潮流计算

风电并网不确定性给电力系统最优潮流带来的风险性难以评估。首先基于风电机会约束概率提出了风电的高估/低估置信风险成本计算方法。然后计及风电置信风险成本构建了经济/环境多目标最优潮流模型,并提出了一种基于非劣性排序的复合回溯搜索(NSCBS)算法,以实现对多目标最优潮流模型高效准确的求解。最后以IEEE30节点为例进行计及风电置信风险成本的多目标最优潮流计算。结果验证了所提出方法的有效性和优越性。     

SOA结合模拟退火算法优化电容器配置研究

为了应对近年来不断增加的电力系统负荷,对配电网的电容器进行配置优化是十分必要和重要的,提出了一种SOA结合模拟退火算法运用到IEEE 33节点配电系统,并对电容器进行优化配置,建立相应的电容器优化配置模型。仿真结果表明,SOA结合模拟退火算法对于此类问题的求解具有一定的可行性及有效性,为电容器的优化配置以及缓解电力负荷提供了理论基础。     

基于模拟退火算法的模糊控制器优化设计

提出了一种解析规则模糊控制器的改进结构，引入了能够动态调整模糊控制规则的修正函数，并给出了模糊控制器输出控制量在稳态附近的局部连续化算法；同时，通过模拟退火算法，实现了模糊控制器控制参数的组合优化设计。结果表明，使用该方法设计的模糊控制器具有响应快、超调小、稳态精度高等优点，改善了模糊控制系统的性能。     

基于改进遗传算法的风电场多目标无功优化

针对风电场并网运行的多目标无功优化和电压稳定问题,建立了基于异步发电机内部等值电路的含风电场的电力系统无功优化模型,提出了风电场无功优化的目标函数和约束条件。结合非支配排序思想、精英保留策略、改进的小生境技术,得到了一种将向量模适应度函数作为淘汰准则的改进Pareto遗传多目标优化算法。以某风电场接入IEEE 14节点标准测试系统为例,将改进算法用于含风电场的电力系统无功优化。仿真结果表明,应用改进的遗传多目标优化算法可以同时得到多组Pareto最优解,为决策者提供了更多的选择余地,使风电场并网点母线电压在允许范围内。