基于改进遗传算法的电力系统无功优化研究

本文针对传统遗传算法存在的缺陷,引入人工免疫算法,改进的优化算法利用抗体的多样性和免疫接种机制,克服了早熟和后期寻优能力差等现象。通过对IEEE30节点进行系统仿真,改进的遗传算法具有很多方面的优越性,适用于求解电力系统无功优化问题。     

电力配网系统无功优化方法研究

考虑到常规遗传优化算法进行电力配网系统的无功优化时,算法的早熟问题以及局部寻找最优解能力欠缺造成了优化结果收敛速度和收敛精度较低等问题,该文将自适应对偶种群、自适应终止条件以及全新的子代生成条件引入以形成一种改进型遗传优化算法,在种群迭代过程中保证种群的多样性以避免优化算法早熟现象,以及对优化算法的搜索效率进行加快以提高局部寻找最优解能力。通过实验IEEE57和IEEE30节点系统作为测试平台,使用常规遗传优化算法和可控交叉遗传算法(CCGA)与该文研究的改进遗传优化算法进行对比,使用相同的实验条件和实验数据进行测试。结果表明该文研究的改进遗传算法具有最好的优化效果,该算法计算得到的平均网损均低于其他优化算法,收敛精度和收敛速度更高,能够在局部最优解处跳出,距离目标函数的全局最优解更加接近。     

基于改进遗传算法的配电网无功优化研究

有效降低配电网有功损失是配电网安全、经济运行的重要课题。为解决局部地区网损偏大的问题,文中将改进的遗传算法用于无功补偿优化。在考虑配电网拓扑结构的同时,设计了自适应遗传算子并构造了指数型适应度函数来提升遗传算法收敛速度和精度,充分发挥了遗传算法的全局随机快速搜索能力。优化某16节点算例的结果表明,配电网有功网损由6.76%下降到5.16%,电压达标率从70.61%提高到92.86%,表明该方法能够提高全局寻优精度,改善区域网络电压质量,同时也证明了该改进遗传算法用于无功优化的可行性和实用性。     

基于改进遗传算法在无功优化中的应用

遗传算法是一种基于自然选择和遗传机制的搜索算法,适合于求解电力系统无功优化问题。对基本遗传算法进行改进,建立了以有功网损为目标函数的电力系统无功优化计算的数学模型。算法对IEEE14节点系统进行了无功优化计算,结果证明了算法的正确性和有效性。     

10kV配网系统无功优化方法研究

近几年来,随着科学技术的发展和科研水平的进步,带动着智能行业的高歌猛进,这就直接导致了智能算法的飞速发展.遗传优化算法、混沌优化算法及粒子群优化算法等近年来在电力配网系统无功优化方面得到了广泛深入的研究,但是这些算法在局部寻求上普遍存在一些问题,基于此,本文基于自适应终止条件、对偶种群、全新子代生成条件提出了改进型遗传优化算法.     

农电配网无功优化管理和模式创新

近几年,政府经过促进农网科技进步,让农村电网总体设施技能水平有了很大程度的提升,为实现坚强、智能的新型农网奠定了基础。而建设新型智能农村电网其中很重要的一部分就是农网的无功优化。     

基于改进遗传算法的油田配电网无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用来求解包含离散化变量的复杂优化问题.将遗传算法应用于油田配电网无功优化,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改进,提高了计算效率和全局寻优能力.通过对油田配电网的分析和计算,结果表明该改进遗传算法应用于油田无功优化是合理可行的,其优化效果优于传统遗传算法.     

基于改进遗传算法的油田配电网无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用来求解包含离散化变量的复杂优化问题。将遗传算法应用于油田配电网无功优化,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改进,提高了计算效率和全局寻优能力。通过对油田配电网的分析和计算,结果表明该改进遗传算法应用于油田无功优化是合理可行的,其优化效果优于传统遗传算法。     

基于改进遗传算法的含风电场电力系统无功优化

文中研究了目前分布式电源中发展最成熟的风电机组及其并网后对电力系统无功优化和有功网损的影响。引用基于概率发生的风机功率场景选择策略,考虑风电机组随机出力的场景模型。在电力系统潮流计算中同时考虑风电机组的特点,构造出含风电机组的电力系统无功优化模型。该模型以网损期望值最小为目标函数,并考虑控制变量和状态变量约束。在上述模型的基础上,使用改进遗传算法对含风电场的IEEE33节点系统进行无功优化,并改进了随着遗传自适应的交叉率和变异率计算公式,与传统遗传算法相比,得到了更好的网损和电压优化结果。算例表明,改进算法和模型具有更好的计算性能,证明了其有效性。     

基于带权重粒子群的配网无功优化研究

为了更快速有效地处理电力系统配网无功优化问题,文中主要以网损和电压偏差最小以及电压稳定最大化为目标函数,以无功平衡、电压合格等为约束条件,建立了配电网无功优化的数学模型。在求解方法上采用带有权重的粒子群算法,该算法能够更好地适应问题的求解。并且经过IEEE14节点系统仿真计算结果表明,该算法在计算速度和收敛能力方面都具有优势,且优化效果也可满足实际的需要。     

基于遗传算法优化BP神经网络的风电功率预测

随着大量风电开始并入电网,风电场输出功率预测对接入大量风电的电力系统的运行有重要意义。针对神经网络在风电功率预测中结构和权值参数难以确定,预测精度不高等问题,提出利用遗传算法对神经网络的拓扑结构和网络权值进行优化,并将其应用于风电场功率预测,研究表明预测精度有一定程度的提高。     

基于改进遗传算法的无线网络覆盖算法

考虑到传统的遗传算法在对无线传感网络覆盖进行优化时,存在起始阶段计算速度快,后期局部寻找最优解能力弱,不能充分使用系统反馈路径信息,使得算法会因冗余迭代而导致陷入局部最优解,影响优化效率和覆盖率等问题,将蚁群算法融合到遗传算法中,对遗传算法进行改进。通过不同覆盖范围和节点的三个实例进行优化效果分析,可知在小面积的覆盖范围内,以及节点个数较少时,该文研究的改进方法与传统优化方法的覆盖率和完成时间差别不大,但是随着覆盖范围的增大,节点个数的增加,该文研究的改进方法完成时间明显缩短,覆盖率明显增大,相比传统优化方法具有更大的优势。     

遗传-蚁群算法的配电网状态估计

针对单一遗传算法或者蚁群算法无法获得理想配电网状态估计结果,根据组合优势互补原理,提出基于遗传-蚁群算法的配电网状态估计方法。首先对当前配电网状态估计现状进行分析,并构建配电网状态数学模型,然后利用全局寻优性能强的遗传算法对配电网状态数学模型进行求解,最后采用局部寻优能力强的蚁群算法对遗传算法的解进行精细搜索,得到配电网状态的最优估计值。实验结果表明,该算法综合利用了遗传算法和蚁群算法的优点,有效避免了两种算法各自存在的不足,获得了更优的配电网状态估计结果。     

混沌遗传算法在配电网无功优化中的应用

配电网无功优化可以有效地降低网络有功损耗,并提高系统的电压合格率,从而降低网络年运行费用,提高供电质量。为了提高配电网无功优化的收敛速度,文中对常规的遗传算法进行了改进,利用混沌优化算法加速了适应值较低的个体的淘汰,提高了每一代个体的平均适应值水平,从而显著提高了常规遗传算法的收敛速度。通过实际算例计算,验证了该算法能有效地提高配电网无功优化的收敛速度和优化效果。     

布谷鸟算法的含分布式电源配电网最优潮流优化

针对当前模拟退火方法等算法不能满足多约束变量的电网最优潮流设计问题,提出基于布谷鸟算法的含分布式电源配电网最优潮流优化模型。在多目标非线性约束参量模型下构建电源配电网最优潮流目标函数,以机组的耗量和配电总费用为优化目标,采用布谷鸟算法进行最优解多点搜索,模拟鸟群觅食过程和迁徙行为进行全局优化求解,考虑系统的有功损耗进行确定性规划处理,实现含分布式电源配电网的最优潮流求解。仿真结果表明,采用该方法进行含分布式电源配电网最优潮流优化设计有效提高了电源的利用率,降低了系统的运行成本,确保了含分布式电源配电网的经济、安全运行。     

基于模拟退火遗传算法的网络优化应用研究

文章主要对在校园网络优化中的应用加以研究,以降低全网通信负荷和网络延迟为目标,对树形交换式以太网进行网络划分,对网络设备基于通信关系将划分到所设计的拓扑结构进行最优确定,实现全终端网络的遗传优化布置,从而进一步提高模拟退火遗传算法在实际网络优化工程中的应用。     

基于改进遗传算法的配电网重构研究

为了获取配电网中支路电流并尽可能的降低系统的功率损耗,文中提出了一种基于改进遗传算法的配电网重构方法,建立了以系统功率损耗最小化为目标的配电网重构模型,结合辐射型配电网潮流计算分支电流,并对遗传算法的染色体编码,适应度函数和交叉变异模式进行了改进,避免了计算结果的早熟收敛。结合IEEE-16和IEEE-33的配电网系统进行测试,验证了所提改进遗传算法在配电网重构优化的有效性。     

基于遗传算法的Pareto多目标配电网重构

配电网重构一般采用对单一目标优化,而配电网重构却是一个多目标优化问题。因此,在此提出了基于小生境思想的遗传算法,以配电网的经济性、安全性和供电可靠性为目标,并采用Pareto寻优方式,得出Pareto最优解集,实现了和以往不同的另一种寻优方式,即先寻优后决策。在寻优过程中,通过小生境环境和交叉率和变异率的自适应机制,提高了遗传算法的全局收敛能力和收敛速度,并通过算例验证了方法的有效性。