基于GIS的配电网规划人工智能方法（二）：遗传算法在配电网初级？…

初级布线是整个配网规划过程的一个重要组成部分,遗传算法就其本质而言是一种用于处理复杂问题的鲁棒性强的启发式随机搜索算法,为了得到经济,高效,低耗的初级布线路径,将遗传算法作为一种路径寻优机制引入初级布线系统,该系统在地理信息系统直观的视图环境中,充分利用设备管理系统数据库所提供的地理图形 网络拓扑信息,为配网规划寻找到一条最优的初级布线路径。     

基于GIS的配电网规划人工智能方法(一)： 配电网规划智能决策支持系统概述

考虑到配电网规划的复杂性,将地理信息系统(GIS)及人工智能(AI)方法引入配电网规划问题研究,结合了地 理信息系统空间及网络分析的拓扑特性和人工智能方法的鲁棒性及高效性两者的优点。论述了用于配电网规 划的智能决策支持系统(IDSS)的结构和组成,该系统不仅减轻了规划人员的工作量,而且极大地改善了规划 质量。     

基于GIS的配电网规划人工智能方法(一)： 配电网规划智能决策支持系统概述

考虑到配电网规划的复杂性,将地理信息系统（ＧＩＳ）及人工智能（ＡＩ）方法引入配电网规划问题研究,结合了地理信息系统空间及网络分析的拓扑特性和人工智能方法的鲁棒性及高效性两者的优点。论述了用于配电网规划的智能决策支持系统（ＩＤＳＳ）的结构和组成,该系统不仅减轻了规划人员的工作量,而且极大地改善了规划质量。     

遗传算法在配电网规划中的应用

对配电网进行优化规划是电力市场发展的必然趋势,本文采用遗传算法来解决这类优化问题。首先,对遗传算法的基本原理及特点进行了论述,然后详细描述了如何利用遗传算法实现配电网络的最优规划过程。     

基于地理信息系统和遗传算法的配电网优化规划

提出一种新的配电网规划模型,目标函数中不仅包含投资、维护和运行费用,还包含用户停电损失,即考虑配电网的可靠性价值,以取得最好的社会效益。分析了国外2种配电网接线方案构造方法的不足,提出了一种工作在地理信息系统平台上适用于各种复杂网络结构的配电网接线构造方法——根节点融合法。利用最小路法求取配电网可靠性数据,用遗传算法求解该问题。     

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.     

GIS系统在配电网规划设计中的应用

介绍了基于G IS的配电网规划与设计,论述了用于配电网规划的智能决策支持系统(IDSS)的结构和组成,以及基于G IS的配电网规划方法。利用G IS有效地考虑地理环境因素,无需复杂的计算便可实现配电网的规划,且规划过程更具交互性,规划接轨更具直观性,方案调整更具灵活性。     

基于地理信息系统和遗传算法的配电网优化规则

提出一种新的配电网规划模型,目标函数中不仅包含投资、维护和运行费用,还包含用户停电损失,即考虑配电网的可靠性价值,以取得最好的社会效益,分析了国外２种配电网接线方案构造方法的不足,提出了一种工作在地理信息系统平台上适用于各种复杂网络结构的配电网接线构造方法－根节点融合法,利用最小路法求取配电网可靠性数据,用遗传算法求解该问题。     

基于空间GIS的中压配电网架规划研究

城市中压配电网络规划是一个具有多目标性、不确定性、非线性和多阶段性等特点的复杂系统优化问题,属于NP难问题.这里运用地理信息系统(GIS)和智能优化算法对其进行较为深入的研究.运用GIS中"层"的概念开发了配电网GIS空间数据库,采用最短路径法产生了中压配电网的辐射初始网架,并采用遗传算法(GA)来优化该初始网架.通过算例分析,发现以空间GIS为平台,将网络优化问题和图形问题无缝地结合,在配电网规划工作中取得了良好效果.[1]     

基于空间GIS的中压配电网架规划研究

城市中压配电网络规划是一个具有多目标性、不确定性、非线性和多阶段性等特点的复杂系统优化问题,属于NP难问题。这里运用地理信息系统(GIS)和智能优化算法对其进行较为深入的研究。运用GIS中"层"的概念开发了配电网GIS空间数据库,采用最短路径法产生了中压配电网的辐射初始网架,并采用遗传算法(GA)来优化该初始网架。通过算例分析,发现以空间GIS为平台,将网络优化问题和图形问题无缝地结合,在配电网规划工作中取得了良好效果。     

基于空间GIS的城市中压配电网络智能规划(二)多分段多联络接线模式的自动布局

现有的有关联络接线的规划都是在已完成辐射线路布局的基础上进行的联络线再优化,这样就不可避免地存在局部性的缺点.文中从建立城市中压配电网络的全局角度出发,在辐射接线模式自动布局的基础上,提出按正向和反向辐射线路布局的思路,完成多分段单联络接线模式的自动布局,即在进行辐射线路布局的同时考虑联络线的布局,这更符合整体规划的要求.在单联络算法基础上又进行了三分段三联络接线的自动布局,并提出多分段多联络接线模式自动布局的一般性规划方法.最后通过对实际算例的分析,验证了所提出的多分段多联络接线模式自动布局方法的可行性.     

基于空间GIS的城市中压配电网络智能规划:(一) 辐射接线模式的自动布局

结合中压配电网空间数据结构的特点,开发了配电网地理信息系统(GIS)空间数据库,为配电网规划工作提供了可靠的辅助手段.在此基础上,考虑到启发式方法本身固有的优点和配电网规划的实际特点,借鉴了集成电路布线设计中采用的最短路径法产生中压配电网的辐射初始网架,并采用启发式方法中适合复杂系统全局优化搜索的遗传算法来优化初始网架.遗传算法的编码策略采用变长度符号编码,使配电网规划同地理环境真正结合起来.通过对算例的分析,以空间GIS为平台,将网络优化问题和图形问题无缝地结合,在配电网规划工作中取得了良好的效果.     

遗传算法在发电机励磁系统参数辨识中的应用

利用遗传算法所具有的自学习能力和非线性特性,解决励磁系统中非线性环节的辨识问题。通过建立待辨识励磁系统的模型,以励磁系统的实际输入作为模型的输入,利用遗传算法对模型参数进行优化,最终得到满足励磁系统建模要求的参数。用MATALAB下的仿真结果和现场试验结果进行对比,表明该算法能够较准确地辨识出励磁系统各个环节的参数。     

遗传算法在电力系统无功优化中的应用

遗传算法(GA)是近10年来发展的基于自然选择规律的一种优化方法,算法能成功的解决无功变量中的离散问题,避免常规数学优化方法的局部最优现象。根据众多参考文献,阐述了简单遗传算法(SGA)以及GA与其他算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

小生境遗传算法在状态估计中的应用

提出了一种基于小生境遗传算法的求解状态估计问题的新方法,根据加权最小二乘法原理导出状态估计模型可计及各种伪量测。采用小生境遗传算法可提高计算速度,并改善收敛性。仿真计算表明,该方法是有效的,而且精度高、数值稳定性好。     

混合遗传算法在电力参数测量中的应用

现有电力参数测量方法往往只针对一个误差因素,当系统采样数据同时受多个误差影响时,难以得到准确结果.针对这一问题,建立了电力参数极值优化模型,同时对衰减直流分量、非同步采样及谐波等多个误差参数加以精确表示,利用混合遗传算法(HGA)对该模型进行求解,可得到准确的系统幅值、相位、频率及谐波等电力参数.针对普通遗传算法(GA)收敛慢和经典迭代法初始点敏感问题,HGA将GA算子与混合拟牛顿算子结合起来,由GA算子进行解空间全局搜索,混合算子进行强局部搜索,可实现无需指定初值的电力参数快速求解.仿真实验表明,该方法能有效提高参数测量的运行效率和计算精度.     

免疫遗传算法在无功优化中的应用

将免疫遗传算法用于电力系统无功优化,其特点在于用基因座信息熵和免疫选择机制,提高种群的多样性,增加搜索空间,促进全局最优。通过对IEEE33节点系统的计算,验证了该算法能有效提高无功优化的收敛速度和优化效果。     

免疫遗传算法在配电网重构中的应用

配电网重构是配电网络优化的主要措施，其实质是一个多目标非线性混和优化问题．采用免疫遗传算法来研究重构问题的求解方法．免疫遗传算法在传统遗传算法的基础上，借鉴生物免疫机制中抗体的多样性保持策略和记忆抗原的特点，大大提高了算法的全局搜索和局部搜索能力．实验表明，免疫遗传算法具有很好的全局收敛性，能有效解决配电网重构问题．     

基于遗传算法的自适应模糊控制器在热力系统中的应用

针对热力系统的非线性特性,采用RBF神经网络进行被控对象的动态特性模型辨识,设计了评价模糊控制器控制性能的FITAE指标;采用遗传算法优化模糊控制器参数,来优化比例因子和控制规则表,并采用二阶段优化策略:首先只优化比例因子,得到一组次优的模糊控制器参数;然后优化比例因子和控制规则表,得到优化的模糊控制器参数。