基于蚂蚁算法的配电网无功优化

电力系统中无功功率的优化配置在电网经济运行中占有十分重要的地位,无功优化问题是一个复杂的组合优化问题,蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中采用改进的蚁群算法来解决配电网络无功优化问题,建立了相应的数学模型。并以某城市配电网无功优化结果表明这种方法搜索效率高易于找到全局最优解的优点。     

带免疫的蚁群算法用于电力系统无功优化

针对电力系统无功优化具有非线性、多变量、多约束、多目标的特点,提出带免疫的蚁群优化算法。通过对连续的控制变量进行编码,实现了蚁群算法在函数优化问题上的应用。引入蚂蚁分工机制,可以大大减少每只蚂蚁的搜索空间,降低蚁群算法求解问题的难度。引入免疫算法的思想,可以避免在搜索过程中出现早熟,提高了蚁群算法的搜索效率。以IEEE-14节点系统为算例,比较分析基本算法与带免疫系统算法的计算结果,从而验证改进蚁群算法的有效性。     

蚁群算法在组合优化中的应用

本文介绍了崭新的求解复杂优化问题的启发式算法-蚁群算法以及它的基本原理.该算法是通过模拟蚁群搜索食物的过程,达到求解此类问题的目的.它具有智能搜索、全局优化、稳健性强、分布式计算、易与其他方法结合等优点.文章还介绍了该算法在静态组合优化,如旅行商、二次分配、车间任务调度、车辆路线、图着色、有序排列,以及动态组合优化中的应用.文章最后展望了蚁群算法所具有的广阔应用前景.     

基于改进蚁群算法的输电网络扩展规划

输电网络扩展规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中结合单阶段输电网络扩展规划问题的特点，应用改进的蚁群算法来解决输电网络扩展规划问题，建立了相应的数学模型，并给出求解算法。2个算例系统的计算结果表明了这种方法可有效减小搜索空间，并具有计算速度快和收敛性好等优点。     

智能蚂蚁算法在电力系统无功优化中的应用

为了快速有效地求解大型电力系统无功优化的问题,在蚁群算法的基础上,提出了一种基于局域网的智能算法,智能蚂蚁算法与蚁群算法相比,主要进行了几点改进:第一,取消了外激素;第二,自动调整选择最优路径的比例;第三,引入扰动以避免陷入局部优化,并给出其全局渐近收敛性,该算法作为一种新兴的优化算法,具有适用范围广,寻优能力强,程序...     

基于蚁群最优的配电网网架优化规划

配电网规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效随机化内启发式全局搜索技术,能有效地求解大规模组合优化问题。文中结合单阶段配电网规划问题的特点,应用蚁群算法来解决配电网规划中网架规划绕障碍问题,建立了相应的数学模型,并给出求解算法。算例计算结果表明了该方法是可行的、有效的。     

基于混合PSO-ACO算法的含DG配电网无功优化

主要研究含分布式电源配电网无功优化问题,提出将粒子群算法与蚁群算法相结合的混合优化算法(PSO-ACO)。该算法针对粒子群算法易陷于局部优化问题和蚁群算法由于积累信息素导致寻优时间过长的缺点,利用粒子群算法的结构简单以及参数设定少的优点以及蚁群算法强大的全局搜索能力,将2种算法混合,并结合惩罚函数构建无功优化数学模型。以IEEE-33节点配电系统进行系统仿真,与采用基本粒子群算法和蚁群算法的无功优化结果相比较,结果表明,提出的混合算法收敛性和稳定性更好,能有效地解决含DG配电网无功优化问题。     

智能新算法在无功优化中的应用

动态无功优化是个十分复杂的时空分布非线性优化问题,全局寻优十分困难。为了解决电力系统无功优化的求解问题,提出了一种新的智能算法,即把蚁群算法和免疫算法相结合,利用两种算法优点的互补,以解决约束优化问题。该算法将免疫算法和蚁群算法相结合,把用蚁群算法解决的问题看作抗原,通过免疫算法产生抗体给参数赋值,并应用于具体问题的求解,将得到的结果作为当前抗体的适应度值,然后通过免疫算法的交叉、变异、亲和度选择等操作,将适应度好的抗体保留,淘汰适应度差的抗体,经过多次迭代,最终得到较优的抗体,改善了单一搜索机制易陷入局部最小的不足,克服了处理复杂边界问题的多种不足之处。通过算例比较了遗传算法、简单蚁群算法以及改进算法的结果,验证了改进算法的正确性和有效性。     

基于蚁群最优的配电网网架规划方法

配电网规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术,能有效地求解大规模组合优化问题。文中结合单阶段配电网规划问题的特点,应用蚁群算法来解决配电网规划问题,建立了相应的数学模型,并给出求解算法。算例的计算结果表明了这种方法是可行、有效的。     

基于蚁群最优的配电网网架规划方法

配电网规划问题是一个复杂的组合优化问题.蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术,能有效地求解大规模组合优化问题.文中结合单阶段配电网规划问题的特点,应用蚁群算法来解决配电网规划问题,建立了相应的数学模型,并给出求解算法.算例的计算结果表明了这种方法是可行、有效的.     

基于蚁群优化K-medoids的变电站特性聚类研究

为建立合适的变电站负荷模型,将聚类方法引入到变电站负荷特性分析,提出了一种基于蚁群优化K-medoids的综合聚类算法。该综合算法是K-medoids算法对蚁群的历史最优位置进行聚类分析,蚁群算法全局搜索能力强,克服了K-medoids算法易陷入局部最优的缺点,提高了聚类的准确率。最后通过变电站特性聚类实例,验证了综合算法在变电站特性聚类的可行性和有效性。     

基于蚁群算法的无功优化方法的研究

介绍了蚁群算法用于求解无功优化的步骤,在满足发电机无功功率、负荷节点电压等网络性能要求的前提下,以系统网损最小为目标函数,将发电机机端电压、变压器分接头和无功补偿设备出力为控制变量,建立求解无功优化问题的模型。最后通过仿真试验,验证了所提出方法的可行性。     

基于改进蚁群算法的无功优化研究

建立了网损最小的数学模型,对蚁群算法的缺陷进行改进,包括对蚁群搜索到的路径进行排序,自适应调节路径上释放的信息素.同时又在信息素更新机制里引入微分进化算法的发散项,提高算法的收敛速度和全局寻优能力.通过IEEE-30节点的仿真计算,验证了改进蚁群算法在电力系统无功优化领域的可行性和有效性.     

融合鱼群和微分进化的蚁群算法的无功优化

对于求解电力系统无功优化问题,提出了一种融合鱼群和微分进化的蚁群优化算法（FDEACO）。受人工鱼群觅食、聚群和追尾行为的启发,在基本蚁群算法的基础上,应用人工鱼群算法的追尾行为对蚁群在可行域上搜索到的解进行改进,加快了向最优解收敛的速度。在信息素更新机制里,通过引入微分进化算法的发散项,增加一个随机扰动,减小了算法陷入局部最优的可能性。在IEEE30测试系统上对新提出的算法进行校验,并与其它算法比较,证明FDEACO算法收敛速度快、全局寻优能力强。     

基于广义蚁群算法的电力系统经济负荷分配

提出了一种可用于求解一般形式的非凸、非线性约束优化问题的广义蚁群算法，以用于求解复杂的非凸、非线性电力系统经济负荷分配问题，与用于组合优化的蚁群算法类似，该算法运用了正反馈，分布式计算和贪婪式启发搜索，基于不动点理论，给出了该算法收敛的充分条件，多个算例结果表明，文中提出的算法是有效可行的。     

蚁群优化算法及其在电力系统中的应用

蚁群优化算法是意大利学者M Dorigo受蚂蚁觅食行为的启发 ,提出的一种新型组合优化算法 ,具有正反馈、分布式计算等特点 ,已在许多问题中得到成功的应用。本文对蚁群优化算法的研究现状作一综述 ,并指出在电力系统中可能的应用方向     

配网规划中加入扰动策略的蚁群算法

作为一种求解组合优化问题的启发式方法,基本蚁群算法以其正反馈、并行计算和鲁棒性强等优点被许多领域的专家所关注;但是如果正反馈应用不得当,也会出现搜索时间过长或陷入局部最优解的情况。为此,提出采用加入扰动策略的蚁群算法,通过对各计算因子的动态调整,控制其正反馈过程和算法的搜索区域,以提高蚁群算法得到全局最优解的概率和收敛速度。配网规划的应用算例证明了这一改进的有效性。     

基于多种群蚁群算法的多目标动态无功优化

为在负荷变动条件下提高动态无功优化控制变量的调节效率和满足全天动作次数的限制,将全天电能损耗最小、有载调压变压器分接头动作次数和电容器投切次数分别最少作为目标函数,建立新的多目标动态无功优化模型.针对该模型提出改进的多种群蚁群算法,利用多种信息素交换方式,满足动态无功优化多目标、强时空耦合的特点,避免了蚁群算法陷入局部最优解.通过对 IEEE14、IEEE 30系统计算验证模型和算法的可行性和有效性.结果表明:该模型和算法能够降低系统能量损耗,提高电压质量     

应用层次聚类法和蚁群算法的配电网无功优化

为确定无功补偿设备的最佳补偿位置和容量,提出了基于层次聚类法和蚁群算法的配电网无功优化方法。该方法以有功网损最小建立目标函数,在约束条件中引入了最优网损微增率准则。运用层次聚类法对灵敏度进行聚类分析,以确定待补偿点范围,聚合原则及拆分原则可有效实现聚类,不受随机性和人为干扰影响。通过改进将蚁群算法确定补偿位置和容量,能...