改进遗传算法在配电网无功优化中的应用

遗传算法是近年来被广泛应用于无功优化的一种新型的优化算法。结合配电网的特征，对遗传算法的选择操作、交叉和变异算子、终止判据等核心操作进行改进，提出一种适合于配电网无功优化的改进遗传算法。计算实例表明，其优化效果优于传统遗传算法。     

基于免疫遗传算法的小水电配电网无功优化

针对目前应用于电力系统无功优化的智能算法所存在的问题,提出将免疫遗传算法应用于电力系统无功优化问题的措施。免疫遗传算法是将免疫理论和基本遗传算法各自的优点相结合,不仅具有遗传算法的搜索特性,还具有免疫算法的多机制求解多目标函数最优解的自适应特性,对“早熟”问题有所改善,收敛于全局最优。最后,以安康市某区域电力系统为例对算法进行了性能测试,提出了合理的调压措施,结果表明将免疫遗传算法应用于电力系统无功优化问题可以显著降低系统网损,改善电压质量。     

改进遗传算法的无功优化

电力系统实现无功优化控制是保证系统电压质量、降低网损的重要措施。对于高维、非线性和连续变量与离散变量共存的电力系统无功优化数学模型,对一般遗传算法的无功优化算法在遗传操作过程中,进行了“灾变”,在选择操作中将轮盘赌和竞标赛方法相结合,对交叉变异算子根据每代个体的实际状况进行自适应调整。通过IEEE30节点算例表明了本文方法可有效提高每代种群的多样性,从而提高了一般遗传算法的无功优化的收敛速度和全局优化特性。     

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、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。     

农村配电网无功优化补偿方法研究

农村配电网无功补偿是保证电网安全、经济运行的重要手段,是降低电网损耗、提高电压质量的重要措施。基于此,提出了一种农村配电网无功补偿方法,该方法首先建立农电网无功优化规划数学模型,然后针对无功优化问题的特点,采用免疫遗传算法对数学模型进行求解。通过实际算例和结果分析,表明了所建立无功优化规划模型的合理性和免疫遗传算法的有效性。     

配电网无功优化规划及控制系统

针对现在我国电网无功优化的建设情况,提出要加强配电网的无功优化建设,尤其要把无功优化的前期规划与无功优化的控制系统结合起来,切实提高无功优化的实用化水平。简要介绍了无功优化前期规划的基本方法和无功优化控制系统的组成和基本调节原理。     

改进遗传算法在电力系统无功优化中的应用

电力系统的无功优化控制,不仅能有效地降低系统的有功功率损耗,而且还可以改善电网的电压质量,对系统的安全稳定、经济运行具有非常重要意义。无功优化问题是一个含有连续变量和离散变量的混合优化问题,求解过程相当复杂,电力系统无功优化问题属于最优潮流问题的一个组成部分。探讨了求解无功优化的现代人工智能算法,总结分析了遗传算法的特点及使用情况。为提高解的质量与计算效率,对遗传算法做了改进,并将其应用于电力系统无功优化中。     

基于线性化潮流的配电网无功优化

运用一种线性化法计算配电网潮流,构建了一种计及电压稳定性系数和网损的综合因子最小化的无功优化模型,并采用含衰老与竞争机制的粒子群算法(ACM-PSO)进行求解。IEEE33和PGE69节点测试系统的应用结果表明,线性化法无功优化在10-4的数量级误差下,其计算速度与前推回代法和牛顿拉夫逊法下的无功优化相比具有明显的优势。     

含分布式发电系统的配电网无功优化研究

引入有功网损、电容器以及分布式发电的费用,并充分考虑了电压质量和无功补偿容量作为罚函数的综合目标函数,采用PSO算法时运用改变更新方式,并在后期引进变异因子,建立了含分布式发电系统的配电网无功优化模型.通过算例表明,验证了模型和算法是可行的,具有较强的收敛性,对分布式发电并入配电网的运行具有一定的参考价值.     

基于逐次优化改进遗传算法的特高压穿越无功规划

与超高压线路相比,特高压线路无功大量富余,会与下级电网形成很大的穿越无功,从而影响无功的分层控制,甚至威胁电力系统的安全稳定运行。常规的优化算法存在维数灾问题,即使是智能算法,也由于解空间维度大而寻优效率低下。对此,提出了一种基于逐次优化改进遗传算法,该方法利用逐次优化的思想,对传统遗传算法的寻优方式进行了改进,并将该算法应用于某实际区域大电网中求解无功规划问题。结果表明,该方法不仅有效降低了解空间的维度,且在保证算法效率的同时使寻优的效果得到较大的改善。     

改进遗传算法在电力系统无功优化中的应用

根据电力系统无功优化问题的特点。提出了一种基于近似最优个体、学习算子和浑沌算子的改进遗传算法。传统遗传算法应用于电力系统无功优化问题,虽然收到了比较好的效果,但并没有充分利用电力系统本身的特点。而本研究所提的改进遗传算法,可以充分利用已有的信息和运行经验,从而达到在保证解的全局最优性的同时大大加快计算的速度。具体的算例表明了所提算法的正确性和有效性。     

电力系统无功优化研究综述

介绍了考虑多目标函数时无功优化模型的建立与解决方法,在总结了传统优化算法的基础上着重介绍了已经改进的智能优化算法和混合的智能优化算法在无功优化上的应用,简单介绍了动态无功优化的几种优化算法,并对今后无功优化的研究方向做出了展望。     

无功优化的梯度最优潮流方法在配电网中的应用

无功功率的最优补偿是提高电压水平、降低网损、保持配网运行在一个合理状态下的有效手段。提出以最优潮流方法作为无功优化分析的手段,在马鞍山电网的实际应用中取得了较好的应用效果。     

基于小生境遗传算法的电力系统无功优化分析

针对遗传算法(SGA)在电力系统无功优化中存在早熟收敛和后期收敛速度慢的弱点,提出了基于小生境遗传算法的无功补偿优化方法,可在短时间内以极大概率值寻找全网最优补偿配置实现最优补偿.通过对含有14个节点的IEEE 14系统进行模拟分析,结果验证了该算法的有效性,显著提高了无功优化的收敛速度.     

基于改进的PSO算法的电力系统无功优化研究

电力系统无功优化是保证电力系统安全、经济运行的重要措施,粒子群优化算法（PSO）具有模型简单、收敛速度快、参数简洁等优点,但用于求解高维复杂优化问题时易陷入局部最优,针对此缺陷,在PSO算法的基础上提出了自适应随机变异粒子群优化算法（AMPSO）,将该算法用于求解电力系统无功优化问题,并以IEEE30标准节点系统为算例进行验证。结果表明,与PSO算法相比,AMPSO算法有效降低了系统网损,显现出良好的全局收敛特性。