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.     

基于多种群遗传算法的输电系统扩展规划

在简要介绍了标准遗传算法的基础上,详细分析了造成遗传算法成熟收敛的原因,提出了一种多种群遗传算法结构。将这一方法应用于输电系统扩展规划,可以大大降低遗传控制参数的不当设定对规划结果的影响,对抑制未成熟收敛的发生有明显的效果,同时可以给最优和若干次规划方案。     

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。     

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。     

基于改进蚁群算法的输电网络扩展规划

输电网络扩展规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中结合单阶段输电网络扩展规划问题的特点，应用改进的蚁群算法来解决输电网络扩展规划问题，建立了相应的数学模型，并给出求解算法。2个算例系统的计算结果表明了这种方法可有效减小搜索空间，并具有计算速度快和收敛性好等优点。     

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。     

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。     

改进遗传算法在输电网络规划中的应用研究

首先对输电网络规划和遗传算法进行简要论述,并确立了数学模型。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,能够快速的找到全局最优。通过对实际系统的计算表明,MAGA具有可行性。最后,应用了2种不同算法进行性能比较,证实了MAGA有更强的优化性能。     

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。     

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。     

基于改进遗传算法的风力－柴油联合发电系统扩展规划

提出基于改进遗传算法的风力-柴油联合发电系统容量扩展规划模型,在满足系统规划和运行等非线性约束条件下,寻求总成本最小的容量扩展方案。在规划总成本中除了计及机组建设的投资费用和运行费用以外,还考虑了因电力供给不足所造成的需求侧停电损失成本。在模型中采用蒙特卡罗方法计算系统的概率性发电成本,不仅考虑了风速随机性、机组随机停运、风速序列和负荷序列相关性,而且考虑了风电穿透功率极限的约束。算例表明,文中所提出的模型和算法是可行的,能对风力发电的规划设计提供一定的帮助。     

基于模糊机会约束规划的输电系统规划方法

可持续发展的输电系统规划对传统的规划问题提出了新的挑战,而模糊机会约束规划是解决包含随机模糊性的不确定因素优化方法,为输电系统规划提供了新的解决途径,为此将这一方法引入到输电系统规划研究。通过对规划中不确定性问题的分析,建立了规划的数学模型,将模糊随机模拟和遗传算法相结合,实现了解决这类规划的新方法。最后,用算例证明了方法的可行性。     

用于配电网规划的多种群免疫遗传算法

引入免疫算子和多种群概念,提出了一种用于配电网规划的多种群免疫遗传方法。采用多个种群针对目标函数的不同方面进行优化搜索,并借鉴生物免疫机制对每个种群的染色体进行免疫算子操作。种群之间通过优秀个体转移进行交互,可有效地防止种群退化,提高种群的多样性。以年费用最小为目标建立配电网规划的数学模型,提取“单个子路造价最小”和“电阻值最小”两种疫苗,并用其指导多种群搜索,有效地克服了遗传算法早熟收敛现象。同时给出初始可行方案的生成步骤和基于支路交换思想的不可行解处理方法。求解一个10 kV配电网规划问题,计算结果表明该算法能快速获得规划问题的最优解。同简单遗传算法相比,整个算法具有更强的收敛速度和全局搜索能力,用于配电网规划是可行有效的。     

改进遗传算法的无功优化规划在伊盟电网中的实现

电力系统无功优化规划是一个较复杂、多目标、非线性的混合规划。用常规的线性和非线性等方法进行优化计算,存在离散变量的近似处理问题,不符合无功规划的实际。而遗传算法由于自身特点,特别适合于解决多目标混合优化方面的问题,具有稳定的收敛特性,是一种先进的全局优化方法。基不足之外在于计算时间长,在种群和遗传代数不是足够大的情况下,易于收敛于局部极值点。为些提出了改进遗传算法,在计算速度和计算精度方面较传统遗传算法均有明显提高。     

基于改进人口迁移算法的输电网扩展规划

输电网扩展规划是一个非常复杂的大规模组合优化问题,对比提出了一种改进人口迁移算法的求解方法.标准人口迁移算法在求解过程中搜索容易陷入局部最优解和后期收敛时间较长等问题,针对以上缺点,对算法的迭代初始化、种群生成策略以及参数设置进行了改进,将遗传算法的最优保留思想引入到算法中,提高了算法搜索全局最优解的能力与收敛到最优解...     

基于改进混沌遗传算法的配电网架优化

将混沌优化搜索引进到配电网架优化中来,通过对遗传算法的改进提出了一种新的配电网架优化方法,并针对遗传算法应用于配电网规划时出现的不可行解问题进行相应修复;同时结合网络层次分析方法给出了配电网的改进前推回代潮流计算方法.将上述方法应用于算例证明其实用有效.     

基于风险度评估的输电网规划

针对未来输电网规划面一临的不确定因素,引入多场景规划技术,通过对未来所预测的不确定性因素的随机组合,得到多个概率性场景。将未来规划年的不确定信息由原来的离散值转变为多个连续的区间。在求解各场景的最优网架时,利用遗传算法全局寻优能力强的特点,依次获得规划方案,并通过风险度评估得到适应性最强的网架方案。算例验证了所提方法的可行性。