无功优化的改进模拟退火算法

介绍了模拟退火算法的基本原理,在原算法的基础上,针对实际应用中最后当前解是近似最优解且有可能比中间解差的情况,提出了将搜索过程与最优解更新序列分离的改进措施,通过设定阈值分别判断抽样过程和退火过程是否结束以保证解的最优性。最后,通过IEEE—30节点和IEEE—118节点系统无功优化算例说明改进算法具有建模简单,对系统的规模量不敏感,计算内存小及具有较好鲁棒性等优点。     

基于改进遗传模拟退火算法的无功优化

针对目前电力系统无功优化算法所存在的问题,提出了一种将遗传算法与模拟退火算法及牛顿下山法相结合的混合求解算法。首先根据个体适应度值进行自适应交叉和变异操作并采用模拟退火进行个体更新,以便增加群的多样性,避免陷入局部最优;然后采用牛顿下山法加快模拟退火部分的求解过程,并采用十进制整数编码和保存最优个体法来提高计算速度和精度。以IEEE 30-bus系统和一某实际电力系统为例对所提出算法的性能和求解精度进行了测试,结果表明改进的混合遗传算法比传统的遗传算法在计算速度和全局收敛方面有了很大提高。     

基于改进模拟退火算法的电网无功优化

无功运行优化问题的关键在于获得最优解或较好的次优解。传统的线性规划法和非线性规划法不能很好地处理整型变量问题,而常规模拟退火算法(SA)的鲁棒性不高。结合高中压配电网的特点,对SA进行了改进:采用记忆指导搜索方法,并采用模式法修正局部最优解。数值对比试验表明,本方法是合理的和可行的,具有一定的实用意义。     

基于改进模拟退火算法的电网无功优化

无功运行优化问题的关键在于获得最优解或较好的次优解.传统的线性规划法和非线性规划法不能很好地处理整型变量问题,而常规模拟退火算法(SA)的鲁棒性不高.结合高中压配电网的特点,对SA进行了改进:采用记忆指导搜索方法,并采用模式法修正局部最优解.数值对比试验表明,本方法是合理的和可行的,具有一定的实用意义.     

一种地区电网多目标无功优化的新方法--改进模拟退火算法

本文介绍了改进模拟退火算法在地区电网无功优化中的应用。实际计算表明,与常规优化方法比较,模拟退火算法收敛性好,适应性强,是实现无功优化的好方法。另外,本文给出一种新的多目标模型,测试结果验证了此法的可行性。     

基于改进遗传模拟退火算法的PMU优化配置

分析了遗传算法和模拟退火算法的优缺点,将具有较好全局寻优性能的遗传算法和具有较强局部搜索能力的模拟退火算法结合,形成的遗传模拟退火MGASA算法用于解决以电力系统状态完全可观测和PMU配置数目最小为目标的PMU优化配置问题.在寻优过程中,先将每一代群体进行遗传操作,再对产生的新群体中各个体进行模拟退火操作,同时在选择、交叉、变异和复制操作过程中实施最优保留策略,复制策略采用Metropolis判别准则.通过采用IEEE14和IEEE39节点系统对该算法进行验证表明,MGASA算法在解决PMU优化配置问题上具有较高的寻优性能和搜索效率.     

基于改进AFSA算法的电力系统无功优化

将人工鱼群算法（AFSA）应用到电力系统无功优化问题的研究中,建立了相应的优化模型。为提高AFSA的搜索能力,对AFSA进行了改进,在算法中加入了生存机制、竞争机制。对IEEE6、14节点系统的仿真计算结果表明了算法的有效性。     

基于改进AFSA算法的电力系统无功优化

将人工鱼群算法(AFSA)应用到电力系统无功优化问题的研究中,建立了相应的优化模型.为提高AFSA的搜索能力,对AFSA进行了改进,在算法中加入了生存机制、竞争机制.对IEEE6、14节点系统的仿真计算结果表明了算法的有效性.     

混沌模拟退火算法在无功优化中的应用

为了更有效地改进处理无功优化问题的方法,提出了混沌模拟退火(CSA)算法,该算法是一种基于混沌变量的改进模拟退火算法,结合了混沌算法的全局遍历性和模拟退火算法的启发式规则,在模拟退火算法的搜索过程中加入了混沌算法的优点。利用混沌算法确定算法的初始温度,有效地减小了搜索空间,同时利用混沌算法确定模拟退火算法中的扰动准则,使算法有效跳出局部最优解。最后将混沌模拟退火算法应用于电力系统无功优化中,通过对IEEE 6和IEEE 30节点以及实际129节点系统的仿真验证了该算法应用的有效性。     

基于遗传-模拟退火算法的配电网电容器优化配置

随着配电网规模的不断扩大,传统的依照经验配置电容器的方法日显其局限性,具体表现在电容器容量配置得不足或过剩,更严重的情况是部分电容器需要投入时由于局部电压的限制而不能投入.将遗传-模拟退火算法用于解决配电网电容器优化配置问题,建立了相应的数学模型,目标函数为配电网有功网损费用、电容器的购置及安装费用总和最小,该算法将电容器的安装位置及安装容量离散化,并在初始方案种群产生和群体进化策略两方面对该算法作了改进,对一个30节点配电网的电容器优化配置结果表明了遗传-模拟退火算法的合理性和可行性.     

基于SA-PSO的电力系统无功优化

粒子群优化算法是一种简便易行,收敛快速的演化计算方法。但该算法也存在收敛精度不高,易陷入局部极值的缺点。针对这些缺点,对原算法加以改进,引入了自适应的惯性系数和模拟退火算法的思想,提出了一种新的模拟退火粒子群优化(simulated annealing particle swarm optimization,SA-PSO)算法,并将其应用于电力系统无功优化。对IEEE14节点系统进行了仿真计算,并与PSO算法作了比较,结果表明SA-PSO算法全局收敛性能及收敛精度均较PSO算法有了较大提高。     

基于改进免疫遗传算法的无功优化

针对目前电力系统无功优化算法所存在的问题提出了一种改进的免疫遗传算法,该算法把模糊逻辑、模拟退火和免疫算法相结合,根据模糊逻辑获得变化的交叉和变异算子,采用退火免疫方法对抗体进行选择,用免疫算子进行个体更新,从而增加了群的多样性,避免陷入局部最优。同时,还采用十进制整数编码和保存最优个体法来提高计算速度和精度。最后以IEEE 30-bus系统为例对算法的性能和求解精度进行了测试,结果表明本文提出的算法比其他遗传算法在计算速度和全局收敛方面有了很大提高。     

基于多种群遗传算法的电网无功功率优化

利用新型优化理论-遗传算法进行电网无功功率优化,分析了简单遗传算法各个进化参数对无功优化性能的影响,并对简单遗传算法的生殖操作做了改进,引入多个种群同时进行优化搜索,大大降低遗传控制参数的不当设定对优化结果的影响.通过算例表明多种群遗传算法对抑制未成熟收敛的发生有明显的效果,并且经过同IEEE14节点配电网的算例结果比较,证明了该方法在电网无功优化中的有效性.     

基于免疫遗传算法的小水电配电网无功优化

针对目前应用于电力系统无功优化的智能算法所存在的问题,提出将免疫遗传算法应用于电力系统无功优化问题的措施。免疫遗传算法是将免疫理论和基本遗传算法各自的优点相结合,不仅具有遗传算法的搜索特性,还具有免疫算法的多机制求解多目标函数最优解的自适应特性,对"早熟"问题有所改善,收敛于全局最优。最后,以安康市某区域电力系统为例对算法进行了性能测试,提出了合理的调压措施,结果表明将免疫遗传算法应用于电力系统无功优化问题可以显著降低系统网损,改善电压质量。     

基于遗传算法的电力系统无功优化

基于matlab编写了牛顿拉夫逊极坐标潮流计算程序以及遗传算法无功优化的程序.并通过IEEE5节点系统的算例分析,得出基于遗传算法的无功优化能有效降低系统网损、提高电压水平,验证了该算法在解决多变量、非线性、不连续、多约束问题时的独特优势,并指出了该算法的不足之处以及如何改善.     

基于混沌遗传算法的电力系统无功优化

针对遗传算法在求解大规模电力系统无功优化问题中存在的收敛速度慢、易早熟的缺点,提出了一种新的无功优化算法——混沌遗传算法CGA。该方法结合混沌优化所具有的遍历性、随机性和规律性的特点,在遗传进化过程中引入混沌移民算子,通过混沌移民操作维持群体中染色体的多样性,以克服传统遗传算法中由于近亲繁殖所导致的早熟问题,确保算法的全局收敛性,加快计算速度。通过对某地区42节点系统进行仿真计算,该方法相比于简单遗传算法,计算速度提高了45%,收敛到全局最优的概率提高了1.25倍。     

基于自适应遗传算法的配电网无功优化

针对传统的遗传算法在求解配电网无功优化问题时容易陷入局部最优,并且收敛速度慢的缺点,将自适应遗传算法引入配电网无功优化中,采用自适应的交叉率和变异率使之符合遗传算法动态性和适应性搜索过程,并在编码方式、适应度函数设计、遗传操作以及终止判据等方面进行改进,对IEEE 33测试系统进行仿真分析,算例表明了算法的实用性和有效性。     

基于模拟退火算法的电力变压器优化设计

将模拟退火算法用于电力变压器优化设计问题的研究,介绍了算法实现过程中各种参数的选择方法并给出了具体算例。试算结果表明利用该算法得到的优化结果是令人满意的。     

基于自适应遗传算法的配电网无功优化

针对传统的遗传算法在求解配电网无功优化问题时容易陷入局部最优,并且收敛速度慢的缺点,将自适应遗传算法引入配电网无功优化中,采用自适应的交叉率和变异率使之符合遗传算法动态性和适应性搜索过程,并在编码方式、适应度函数设计、遗传操作以及终止判据等方面进行改进,对IEEE33测试系统进行仿真分析,算例表明了算法的实用性和有效性。