基于合作协同进化和IMPSO算法的多阶段多目标电网规划

提出一种模型,其任务是在满足安全约束的条件下,确定何时、何地,新建多少线路以满足各阶段电网负荷增长的需要,同时使建设费用、运行费用和网损费用最小.尝试将合作协同进化算法与IMPSO算法结合,应用于多阶段多目标的电力系统规划问题,在各阶段中采用IMPSO算法多目标优化,各阶段之间通过合作协同算法根据各约束条件进行协调.与常规算法比较,在算例分析与实际应用中取得了较好的效果.     

基于非支配遗传算法及协同进化算法的多目标多区域电网规划

基于快速分类的非支配遗传算法(NSGA-II)是一种新型的多目标遗传算法,文中首次将其应用于电网优化规划。多个算例分析表明NSGA-II算法在电网规划中具有良好的优化效果,为各目标之间的权衡分析提供了有效的工具;协同进化算法采用分解-协调的思想处理复杂系统的演化,可以克服当优化问题规模扩大时,常规进化算法易于出现过早收敛的现象。据此提出将协同进化算法和NSAG-II算法相结合,以用于处理大规模多区域的电力系统规划问题,在各子网采用NSAG-II算法优化的过程中进行多区域协调。与常规遗传算法相比,算例分析取得了更好的规划结果。     

基于非支配排序差分进化算法的多目标电网规划

在多目标电网规划问题中,综合考虑经济性、安全可靠性和环境影响等因素后,提出了非支配排序差分进化算法。以电网投资、运行维护费用、网损费用、线路走廊面积最小为目标建立了多目标电网规划模型。非支配排序差分进化算法将Pareto非支配排序法与差分进化算法相结合,采用动态调整策略调整差分进化算法控制参数,改进了个体拥挤比较机制,提高了算法的全局搜索能力和种群多样性,并基于模糊集理论选取最优折衷解。Garver-6节点和Garver-18节点系统算例结果表明,该算法可以有效生成分布均匀的Pareto最优解集,在求解多目标电网规划问题中具有可行性和优越性。     

协同进化算法在三维路径规划中的研究

智能水下机器人在众多重要领域都是必不可少的一环,如水下资源探测、海洋数据勘察、水下通信作业、水下科研数据采集等.在传统路径规划中,蚁群算法被广泛应用,但是也由于蚁群在选择路径上具有一定的随机性,蚁群数量庞大,所以算法寻优速度缓慢不容易收敛,且存在局部最优等问题.因此主要针对水下机器人的三维路径规划问题进行优化,提出了一...     

电网规划的多目标满意优化

为解决电网规划的多目标、非线性、离散型的NP难的寻优问题。利用满意优化理论建立了电网规划的多目标满意优化模型。模型中考虑了电网规划的经济性最好与可靠性最高两个目标函数,用满意解定义它们各自的满意度,同时采用线性加权法确定其综合满意度。并通过改进的粒子群算法来对模型进行求解。18节点的系统算例表明所提模型及算法是可行的。     

基于Pareto协同进化算法的多个FACTS元件协调控制

针对多个FACTS装置的控制器之间存在的负交互影响,提出一种基于Pareto协同进化算法的协调控制方法.利用协同进化算法对控制器参数进行种群划分,对各种群采用遍历组合法构造新的个体并计算目标函数值.采用多种群合作策略进行非支配排序,取排序后的最优个体进行遗传操作,最后得到一组Pareto最优解集.与常规多目标优化算法相比,避免了一般多目标优化进化算法中难以处理的适应度值的分配问题,且利用协同进化算法的并行性大幅提高了收敛速度.利用该方法对静止同步串联补偿器(SSSC)与静止同步补偿器(STATCOM)2种典型FACTS装置的协调控制器进行了设计,并通过仿真验证了设计的协调控制器的控制效果良好.     

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...     

基于鸟群算法的微电网多目标运行优化

为了在微电网的运行中寻找到最理想的调度策略,对于微电网的多目标优化问题,采用传统智能算法求解易陷入局部最优而难于找到全局最优解,因此采用一种生物启发式算法——鸟群算法,对以运行成本及环境污染度为目标的微电网多目标优化模型进行求解。该算法模仿鸟群觅食、警觉、迁移的习性,生成对应的种群更新策略,兼具粒子群算法搜索效率高和微分进化算法稳定性好的优点。通过与两者寻优结果比较,表明该算法具有较强的全局、局部搜索能力且收敛鲁棒性好的特点。     

基于协同进化算法的配电网故障阶段式恢复策略

传统的配电网故障恢复算法难于同时兼顾恢复过程的快速性和恢复策略的最优化。文章提出一种将启发式搜索算法与优化算法相结合的配电网故障阶段式恢复策略：第一阶段采用启发式搜索方法恢复负荷供电;第二阶段利用优化算法处理过载的负荷转移;第三阶段按启发式搜索方法处理过载负荷的切除。为实现快速的网络拓扑分析,采用家族树结构表征配电网,并对传统的粒子群优化(particle swarm optimization,PSO)算法与模拟退火(simulated annealing,SA)优化算法进行改进,提出了协同进化算法(co-evolutionary algorithm of PSO and SA,CPSOSA),CPSOSA算法在求解故障恢复数学模型时具有较高的全局寻优能力。算例分析证明了本文所提恢复策略及算法的可行性和高效性。     

基于自适应进化规划的电网多目标优化运行

人随机优化技术及生物进化机制角度出发,在常规进化规划算法的基础上,提出一种新颖的自适应进化规划算法,并首次将其应用于求解电力系统多目标优化运行问题。对优化模型、遗传操作等方面进行了更深一步的研究。数学算例及应用实例表明该算法十分有效,有广泛的应用价值。     

基于多目标粒子群算法的高维多目标无功优化

提出一种高维多目标电力系统无功优化模型。相比于传统的电力系统无功优化模型,该模型能够在无功优化中同时兼顾系统的有功损耗、电压水平、静态电压稳定性以及供电能力。针对已有的求解多目标无功优化模型的算法应用于求解所提模型时存在的局限性,进一步引入一种基于帕雷托熵的高维多目标粒子群优化算法并加以改进,使得该算法能够有效求解高维多目标优化问题。最后,利用IEEE-39节点系统验证了所提模型和求解算法的正确性和有效性。仿真结果表明,在传统的多目标无功优化模型中引入系统供电能力,能够在不恶化其他目标函数优化效果的情况下,使系统的供电能力得到提高。     

多粒子群协同优化算法的配电网网架规划

配电网网架规划是一个复杂的大规模组合优化问题。针对PSO易早熟、收敛慢的缺陷,本文提出一种基于粒子群算法的多粒子协同优化算法来求解配电网网架规划问题,以达到线路的规划年综合费用最小为目标函数。由于该算法在操作过程中不可避免产生不可行解,本文提出了一种将不可行解修复成满足辐射型要求的可行解的方法。该算法在求解配电网网架优化问题时,编码容易且能方便处理网络辐射性问题,求解效率高、速度快。最后,通过算例证明该方法的可行性和有效性。     

基于混合DE-PSO多目标算法的动态环境经济调度

电力系统中的动态环境经济调度(DEED)是一个多变量、强约束、非凸的多目标优化问题,传统方法很难进行求解。基于微分进化(DE)算法的快速收敛性和粒子群优化(PSO)算法的搜索多样性,提出一种融合2种算法优点的混合DE-PSO多目标优化算法来求解DEED问题,该算法基于外部存档集和Pareto占优原则,采用自适应参数的DE和PSO双种群更新策略以及一种改进的Pareto解集裁剪方法。引入3种指标评价算法的性能,并采用模糊决策技术从Pareto前沿中提取折中解以供决策者进行选择。经典算例的仿真结果表明所提方法能同时优化成本和排放这2个冲突的目标,且获得了比其他算法更为宽广和均匀的Pareto前沿,体现了所提方法的可行性和优越性。     

用于配电网多目标无功优化的改进粒子群优化算法

针对配电网多目标无功优化的应用需求以及优化算法存在的收敛性和多样性问题,基于Pareto熵的多目标粒子群优化算法,提出一种应用于多目标无功优化的改进粒子群优化算法。该算法在全局外部档案更新过程中引入冗余集策略,避免迭代过程中陷入局部最优解。将算法应用于配电网无功优化中时,采用离散变量取整方法,加快算法的收敛速度。建立网损、电压偏差及无功补偿装置投资最小的配电网多目标无功优化模型,并以IEEE 33节点配电网络为算例进行仿真,结果表明改进后的算法兼顾了优化的收敛性和多样性,能够在不同的优化要求下得到有效的无功优化方案。     

基于改进多目标粒子群算法的含风电场电力系统优化调度

由于风电具有随机性和波动性的特点,常规电力系统分析、调度及控制方式受到了新的挑战。深入研究了含风电场的电力系统优化调度问题,建立了基于多目标粒子群算法的调度模型,在该模型中考虑发电成本、污染气体排放量及风电场输出功率短期波动引起的系统运行风险,在约束条件中加入了正负旋转备用容量,从而减小了风电波动和预测误差对系统的影响程度。算法设计上,通过引入遗传算子对多目标粒子群算法搜索机组组合的能力进行改进,提高了该模型的全局寻优能力。10机系统算例结果分析表明,所提方法正确有效,且能够减少寻优过程中不可行解、解决各优化目标之间的冲突性,使所有目标函数尽可能达到最优。     

基于多目标粒子群算法的无源电力滤波器优化设计

综合考虑滤波装置的总费用、谐波电压畸变率和谐波电流残留率等设计目标,提出一种基于改进多目标粒子群算法的无源滤波器优化设计新方法.改进了传统的粒子群算法,引入快速排序法构造非支配集、精英集归档技术和拥挤度算子概念,提高了算法的寻优速度和精度.最后通过对具体工程算例的计算,表明了该方法的优越性和有效性.     

基于伪动态的混沌人工鱼群算法在多阶段输电网络规划中的应用

与传统输电网络规划不同,多阶段输电网络规划需要考虑时段因素,在何阶段搭建何种路线使全局规划方案最优。多阶段规划的难点是阶段之间的过渡,后面阶段的决策要根据前面阶段的决策来定,对于大规模输电网规划经典的动态规划方法无法解决。利用伪动态规划的思想处理多阶段问题,这样减少了算法的迭代次数和运算时间。将混沌优化算法和人工鱼群算法相结合,摆脱了混沌搜索的盲目性和人工鱼搜索的局限性,使该混合算法效率高、收敛速度快。对巴西南部46节点系统的计算结果表明,该混合算法具有可行性和高效性。     

基于SVM-MOPSO混合智能算法的配电网分布式电源规划

针对分布式电源(Distributed Generation,DG)并网给电力系统带来的随机扰动,综合考虑配电网运行效益,计及风光时序特性,以经济性、电能质量及环保性为目标,搭建了机会约束规划模型。采用混合智能算法求解,即基于支持向量机(Support Vector Machine,SVM)算法模拟优化变量到目标函数以及约束条件映射的不确定性函数,运用多目标粒子群算法(Multi-Objective Particle Swarm Optimization,MOPSO)求解模型,得出Pareto非劣决策集并给出典型解及理想解。算例结果表明,该规划方法考虑到DG的随机性特征、时序特性和并网概率分布,能提高算法执行效率,证明了所提方法的合理性和有效性,且Pareto前沿的引入,给决策者充分选择空间,更具有工程性。