改进遗传算法在输电网络规划中的应用

为了提高遗传算法在输电网络规划中的优化性能,提出了改进自适应遗传算法(MAGA)。该方法有助于防止传统遗传算法过早收敛和走向局部最优,适应于多变量、多目标的环境,能够快速地找到全局最优。介绍了提出的改进方法包括,采用实数编码方式、惩罚函数自适应调整、设置保留算子,以及该方法的实现过程等具体内容。通过对实际系统的计算表明,MAGA具有可行性和更强的优化性能。     

应用改进遗传算法实现输电网络最优规划

对传统遗传算法中的交叉和变异算子算法进行了改进,并实施了在初始群体中保留若干最优解的策略,形成了改进遗传算法,并将其应用在输电网络优化规划中。改进的遗传算法具有快速搜索,易收敛和鲁棒性强的特点,算例验证了该方法应用到输电网络规划中的有效性。     

基于遗传算法的输电网络规划模型

针对输电网络规划存在的两方面的问题,把遗传算法应用于输电网络规划,提出了基于遗传算法的输电网络规划模型,该模型还考虑了"N-1"事故检验,使得规划方案更加合理.以新建线路的投资年费用和系统年运行费用之和最小为目标函数,建立了输电网络规划的数学模型.     

多阶段输电网络最优规划的遗传算法

多阶段输电网络最优规划问题是一个复杂的非线性组合优化问题,尝试 利用遗传算法来解决输电网络动态规划问题,提出了相应的数学模型, 构造了染色体的编码方法和适应函数,并用退火选择遗传算法进行了计 算。算例系统的计算结果证明了这种方法的可行性及有效性。     

基于遗传算法的输电网络规划模型

针对输电网络规划存在的两方面的问题,把遗传算法应用于输电网络规划,提出了基于遗传算法的输电网络规划模型,该模型还考虑了“N—l”事故检验,使得规划方案更加合理。以新建线路的投资年费用和系统年运行费用之和最小为目标函数,建立了输电网络规划的数学模型。     

MPGA在输电网络规划中的应用

利用一种多模态单亲遗传算法MPGA(Multi Partheno-Genetical Algorithm)，目标不是发现一个最优解而是多个最优或次优解的集合。主要是对交叉算子和选择机制作了改进，群体中个体能较好地保留自己的遗传特性，增强了种群个体的分散性，使得优化结果更加全面，具有一定的可选择性。该方法不仅易实现并行或分布计算，且群体规模可以任意选取，采用的算例验证了该算法的有效性。     

改进遗传算法实现输电网络最优规划

对传统遗传算法中的交叉和变异算子算法进行了改进,并实施了在初始群体中最优保留策略,形成了改进遗传算法,将其应用在输电网络优化规划中。改进的遗传算法具有快速搜索,易收敛和鲁棒性强的特点,克服了传统遗传算法难以解决的不稳定和局部收敛的问题,应用到输电网络规划中提高了收敛速度,避免了不成熟收敛。     

无重访遗传算法及其在输电网络规划中的应用

将无重访的遗传算法(non-revisiting genetic algorithm,NrGA)应用于求解输电网络规划问题。NrGA通过空间二叉分割(binary space partitioning,BSP)和相应的二叉分割树(BSP tree)数据结构对遗传算法搜索过的历史位置进行记录,能够快速检测遗传操作产生的新解是否在BSP tree的历史存档中,对历史存档中已有的新解使用基于BSP的自适应变异机制进行操作,实现遗传算法的无重访搜索。此外,针对输电网络规划问题的具体特点,从编码、交叉、惩罚方法等方面对算法进行改进。最后通过一个典型算例对所提出的方法进行验证。与普通遗传算法相比,NrGA算法具有参数设定区间宽泛、收敛到最优解的概率高等多方面的优势。     

多阶段输电网络最忧规划的遗传算法

多阶段输电网络最优规划问题是一个复杂的非线性组合优化问题,尝试利用遗传算法来解决输电网络动态规划问题,提出了相应的数学模型,构造了染色体的编码方法和适应函数,并用退大选择遗传算法进行了计算。算例系统的计算结果证明了这种方法的可行性及有效性。     

动态输电网络规划的组合编码遗传算法

针对动态输电网络规划过程中需要考虑时间决策量的问题,提出了组合编码方式。组合编码方式将多阶段输电网络规划中的时间决策量隐含在编码中,从而使得多阶段的动态输电网络规划问题能够转换成静态规划问题进行求解。该编码方式满足表现型和基因型的1对1映射,及表现型空间与基因型空间距离上的一致性,从而保证了遗传算法的搜索效率。此外,针对动态输电网络规划的特点,对遗传算法的交叉算子、变异方式、适应度函数、惩罚系数等方面进行了改进,进一步改善了遗传算法求解多阶段输电网络规划问题的性能。以19节点系统为例对算法进行了验证,结果表明能够在较短的进化代数内得到问题的最优解。     

育种算法在输电网络优化规划中的应用

作为一个复杂的非线性的混合整数规划问题,目前电网优化规划使用较常见的是现代优化方法,其中又以遗传算法应用较多,但目前各种现代优化方法仍存在计算速度和收敛性的问题,介绍了一种从遗传算法改进而来的算法——育种算法,它将遗传算法中的选择、交叉、变异三个过程简化为一个过程,对18节点算例分析表明育种算法在电网规划应用中提高了计算速度和收敛度。     

改进的多目标遗传算法在配电网规划中的应用

针对配电网规划复杂多目标优化问题,建立以经济性和可靠性为目标的配电网规划模型,提出改进的多目标遗传算法,采用分解-协调思想将复杂多变量的规划问题分解成多个子问题,分别对各子问题优化,最终达到全局优化的目的.该算法通过精英选择和个体迁移策略提高了收敛速度,将一种新型编码方式应用于此算法使配电网自然呈辐射状,同时在精华种群中加入裁剪算子以提高搜索效率.与常规算法相比较,该算法收敛性好,最后通过算例表明该算法的有效性.     

遗传算法及在电网规划中的应用

随着国民经济的发展，供电负荷迅速增长，电力系统电网规划就越来越显得重要，因而电网优化规划方法也就得到发展。     

基于量子序优化混合算法的输电网规划

序优化理论是一种基于绝对随机抽取可行解的优化算法,最优解具有高概率的可信度.量子算法是一种局部搜索能力强的搜索算法.利用量子算法的强大的局部搜索功能与序优化混合,构造出随机性和方向性比较平衡的量子序优化混合算法.针对输电网规划这样一个复杂的组合优化问题,建立相应的数学模型,采用量子序优化混合算法求解.18节点系统算例的...     

基于小生境技术改进遗传算法在供电网规划中的应用

通过对遗传算法过早收敛原因的分析,认为遗传算法出现过早收敛主要与问题解的分布状况、种群个体的分布情况及遗传算子的应用有关,提高算法全局收敛性能的核心就是使算法科学的处理种群多样性及最优解信息搜索策略。结合小生境进化共享思想,形成一种旨在提高遗传算法全局收敛性、求解全局最优解的遗传算法,并将之用于多目标电网扩展规划中。对Gaver-6节点网络进行了规划,仿真结果证明了这种算法的有效性。     

基于改进蚁群算法的输电网络扩展规划

针对基本蚁群算法在求解过程中经常出现搜索陷入局部最优解和收敛到全局最优解的时间较长这2个问题,对蚁群算法的转移概率和信息量全局更新进行了改进,提高了蚁群算法搜索全局最优解的能力与收敛到最优解的速度.将改进后的算法应用于单阶段输电网络扩展规划问题,建立了单阶段输电网络扩展规划的数学模型,设计了相应的算法.实例计算结果表明该方法的可行性和有效性.     

基于遗传序优化算法的配电网规划

针对传统遗传算法存在收敛过早、终止条件难以确定等缺陷,将序优化理论与遗传算法相结合,用序优化的思想来指导遗传进化操作,通过算法的混合集成了序优化理论和遗传算法的优良特性,从而实现以较高的概率高效地搜索到全局最优解。对于2个IEEE配电网规划算例,以综合变电站和馈线的年投资费用、折旧费用、运行费用之和为目标函数,得到了最优的配电网拓扑结构,验证了该遗传序优化算法的有效性和实用性。     

模拟植物生长算法及其在输电网规划中的应用

将根据植物的向光性动力机制构造的模拟植物生长算法应用于输电网规划。采用相关文献中常用的18节点系统对所提出的方法的正确性进行了验证,得到了包括在其他相关文献中还没有出现过的方案在内的一批优化方案,且解的稳定性好。计算结果表明:模拟植物生长算法具有计算模型简单、约束条件处理方便、兼具方向性和随机性的搜索机制等特点,避免了已有的仿生类算法由于一些参数难以确定而陷入局部最优的问题,非常适合于求解输电网规划问题。     

自适应变异粒子群算法及在输电网规划中的应用

针对标准粒子群优化（SPSO）算法易陷入局部最优的缺点,引入了一种自适应变异的粒子群优化（AMPSO）算法,并应用于电力系统输电网规划。该算法在迭代过程中加入变异操作,并根据种群适应度方差值自适应地调整变异概率的大小,以此来增强算法跳出局部最优的能力。在输电网规划算例中的应用结果表明,变异操作改善了算法的寻优性能,使得AMPSO算法的寻优效率远高于SPSO算法。