共查询到10条相似文献,搜索用时 15 毫秒
1.
提出了一种改进非支配排序遗传(Non-dominated sorting genetic algorithms,NSGA)-Ⅱ算法,其种群局部搜索和外部种群的设置有效提高了算法的收敛性和解集的多样性。将该算法应用于电力系统无功–潮流多目标协同优化调度问题的求解。采用IEEE-14和IEEE-30母线系统进行算例分析。算例仿真的结果表明,应用所提方法能够兼顾电力系统运行的无功优化目标和潮流优化目标,实现无功最优和潮流最优的折中;同时,改进NSGA-Ⅱ算法在收敛性和解集多样性上都优于传统NSGA-Ⅱ算法。 相似文献
2.
3.
为了更好地解决电力系统多目标无功优化问题,分析了当前多目标无功优化算法存在的缺陷,提出了一种基于免疫进化的改进多目标细菌觅食优化算法。该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好。IEEE14,IEEE30节点测试系统的算例结果表明所提的算法在多目标无功优化中具有良好的效果,为各目标之间的权衡分析提供了有效工具,是一种求解多目标无功优化问题的有效方法。 相似文献
4.
利用强度Pareto进化算法的多目标无功优化 总被引:5,自引:0,他引:5
为更好地解决电力系统多目标无功优化问题,分析了当前多目标无功优化算法存在的缺陷,首次将强度Pareto进化算法(SPEA2)应用于多目标无功优化,为真正意义上的多目标无功优化提供了依据。SPEA2是一种新型的多目标进化算法,参数设置少,收敛速度快,寻优能力强,求得的Pareto最优解分布均匀。IEEE30节点测试系统的算例结果表明所提出的算法在多目标无功优化中具有良好的效果,为各目标之间的权衡分析提供了有效工具,是一种求解多目标无功优化问题的有效方法。 相似文献
5.
提出基于改进的非支配排序遗传算法(NSGA-Ⅱ)的社区电动汽车充电站优化充电策略。首先,以电动汽车充电容量和配电变压器容量限制为约束条件,构建以单位电量充电费用最少、电网侧负荷方差最小为目标的电动汽车充电站多目标充电模型;然后,针对传统NSGA-Ⅱ存在的难以生成满足约束条件的初始种群、Pareto解集分布不均和最优解性能不高的缺点,提出改进初始种群生成和拥挤度比较算子相结合的NSGA-Ⅱ对模型进行求解,并采用基于信息熵的序数偏好法从最终Pareto解集中选择最优折中充电方案;最后,通过算例仿真验证了所提算法的有效性,表明改进NSGA-Ⅱ能在较大程度上提高电网侧的负荷水平和用户的充电性价比。 相似文献
6.
基于NSGA-Ⅱ算法的分布式电源优化配置 总被引:2,自引:0,他引:2
以合理配置分布式电源(DG)发挥其综合效益为目的,建立了以最小化分布式电源投资运行成本、最小化配电网网损和最大化静态电压稳定性为目标的配电网DG多目标优化配置模型。引入了多目标遗传算法—带精英策略的快速排序遗传算法(NSGA-Ⅱ),该算法能够协调各目标函数之间的关系,找出能使各目标函数尽量达到比较大的Pareto最优解集。在考虑不同类型DG的接入特性的基础上,采用NSGA-Ⅱ优化求解DG配置问题。算例分析表明,DG接入配电网后有利于节省配电网投资、减少配电网网损、提高静态电压稳定性。多目标优化计算结果表明,DG配置方案能够达到经济、技术、安全3个方面最优。 相似文献
7.
为解决多微网集成聚合控制与运行管理问题,提出一种多微网柔性直流互联方案及多目标优化调度方法。首先介绍了多微网柔性直流互联结构和电压源型变流器(VSC)模型。然后,以微网中电压波动最小和系统网损最小为优化目标,综合考虑交流系统、直流系统和VSC的运行约束,提出了基于柔性直流互联多微网的多目标优化模型。最后,采用改进非劣排序多目标遗传算法(NSGA-Ⅱ)和交直流混合潮流算法对多目标优化模型进行求解,得到帕累托(Pareto)最优解集,针对Pareto最优解集中解的数量大的问题,提出采用模糊聚类法对Pareto最优解集进行筛选,得到最终优化调度方案。对算例进行了仿真分析,结果表明所提模型和算法能够有效抑制微网电压的波动,进而提高可再生能源的渗透率,同时保证系统的经济运行。 相似文献
8.
针对电能质量监测器的优化配置问题,建立了以监测程度和监测器个数为指标的多目标优化配置模型。采用带精英策略的快速非支配排序遗传算法(non-domtnated soring genetic algorithm,NSGA-Ⅱ),获得此多目标优化问题的Pareto最优解集。该方法能保证种群的多样性,避免传统加权求解时权值的选择和解的偏好性。最后,对Pareto最优解集的各个目标函数进行归一化处理,将最大值对应的方案作为合适的最优解。通过对2个算例进行仿真,得到了合理的电能质量监测器的配置方案,验证了该方法的可行性和有效性。 相似文献
9.