协同进化算法在西北电网无功优化中的应用

针对无功优化问题非线性、非连续性等特点以及大范围内无功优化控制变量较多的特点,将协同进化算法应用于西北电网无功优化。实际运行结果表明,协同进化算法不但能得到更好的优化结果,收敛性好,而且计算时间短,更适合于求解实际大系统的无功优化问题。     

协同进化算法在西北电网无功优化中的应用

针对无功优化问题非线性、非连续性等特点以及大范围内无功优化控制变量较多的特点,将协同进化算法应用于西北电网无功优化.实际运行结果表明,协同进化算法不但能得到更好的优化结果,收敛性好,而且计算时间短,更适合于求解实际大系统的无功优化问题.     

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。     

改进小生境差分进化算法在配网 无功优化中的应用

配网无功优化是一类非线性的整数规划问题,通过调整变压器的变比,改变发电机的端电压和连接补偿电容来改变电力网络中的无功,减小系统网损。差分进化算法是一种收敛速度快,收敛精度高的智能进化算法,针对无功优化模型对差分进化算法做出改进,引入小生境思想。通过实例验证了小生境粒子群算法（NPSO）和改进小生境差分进化算法（FERDE）对无功补偿装置布点优化规划的有效性。结果表明,增强算法的局部搜索能力和扩宽搜索范围,在收敛速度和精度上都有不同程度的提高     

基于分布式发电的10kV电网无功优化关键算法的研究与实践

阐述了无功优化理论,介绍了无功优化的数学模型,提出了采用粒子群优化算法对含分布式发电的配电网进行无功优化的研究思路,并用算例进行仿真分析,得到了最终的优化方案。     

基于改进粒子群算法的地区电网无功/电压实时优化控制

在建立无功/电压实时优化控制模型的基础上,提出了一种基于改进粒子群算法的地区电网无功/电压实时优化控制实现方法。该方法采用增量启动策略决定控制设备参与优化的程度;通过综合考虑负荷大小、限振系数与动作比例等因素模糊推理出表征动作代价的模糊控制成本,更加合理地限制和分配控制设备的动作次数;将粒子群算法与无功/电压控制特点相结合以改善初始粒子质量、缩小寻优空间并引入交叉算子提高算法的计算速度和效率。以某一实际地区电网为例进行无功/电压实时优化仿真计算,结果表明,所提算法和控制策略是可行和有效的。     

基于改进粒子群算法的地区电网无功／电压实时优化控制

在建立无功，电压实时优化控制模型的基础上。提出了一种基于改进粒子群算法的地区电网无功，电压实时优化控制实现方法。该方法采用增量启动策略决定控制设备参与优化的程度；通过综合考虑负荷大小、限振系数与动作比例等因素模糊推理出表征动作代价的模糊控制成本。更加合理地限制和分配控制设备的动作次数：将粒子群算法与无功，电压控制特点相结合以改善初始粒子质量、缩小寻优空间并引入交叉算子提高算法的计算速度和效率。以某一实际地区电网为例进行无功，电压实时优化仿真计算，结果表明，所提算法和控制策略是可行和有效的。     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化。     

基于反馈控制的智能化电网多目标协同调度模型

针对现有电网多目标调度模型未对智能化电网电源的能耗和出力情况进行分析而导致调度成本较高等问题,提出一种基于反馈控制的智能化电网多目标协同调度模型。优先分析智能化电网中电源的能源消耗和出力使用情况,利用反馈控制策略制定电网运行约束条件;同时,将最低经济成本和最小环境污染度作为目标函数,构建智能化电网多目标协同调度模型。采用改进粒子群算法对调度模型进行求解,最终获得最佳的协同调度方案。经实验测试,所提模型不仅能够有效降低调度成本,而且提升了环境污染系数,降低了对环境的影响程度。     

基于DNA算法的电力系统无功优化

针对DNA算法具有遍历性、随机性和规律性的特点,介绍了DNA算法的机理和应用,并讨论了DNA计算在解决电力系统无功优化问题中的应用.通过对IEEE30节点的仿真计算,证明了该算法的可行性和有效性.     

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。     

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。     

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.     

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。     

基于改进GSA的电力系统无功优化

针对引力搜索算法(GSA)初始群体随机和易陷入局部最优的缺点,提出了一种改进引力搜索算法(CLGSA),该算法引入混沌运动优化初始群体,提高种群的多样性,并结合Levy飞行的随机游走策略更新粒子的位置,降低算法陷入局部最优的可能。将GSA和CLGSA对IEEE14节点测试系统进行电力系统无功优化仿真。仿真结果表明,CLGSA不仅具有良好的优化效果,且能有效降低系统的有功功率损耗。     

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。