基于改进鲸鱼优化算法的多目标无功优化调度

在鲸鱼优化算法(WOA)对求解电网无功优化问题中容易陷入局部最优、收敛速度慢、求解精度低等缺点时,本文将一种引入冯诺依曼拓扑结构的改进鲸鱼优化算法(AWOA)应用到ORPD问题中,在鲸鱼对猎物进行狩猎行为时,能够增加猎物的多样性,提高了算法的全局搜索能力。以系统有功网损和电压偏差为双目标函数,对IEEE 30节点系统进行仿真,并利用方差分析法(ANOVA)将所得结果与基本鲸鱼优化算法(WOA)、粒子群优化算法(PSO)进行比较,研究表明AWOA算法在搜索能力、迭代次数、收敛性上的潜力,并证明了在解决ORPD问题上的有效性、高效性及鲁棒性,同时也为解决非线性约束问题提供了新途径。     

基于鲸鱼算法的配电网无功补偿经济性优化配置方法

无功优化需对配电网的无功补偿选址与容量设定进行合理配置。提出了基于鲸鱼算法的配电网无功补偿经济性优化配置方法,根据功率损失系数确定无功补偿的优选节点,并利用鲸鱼优化算法解出符合经济性与配电网运行规则的无功补偿设备最优接入节点位置与容量。以IEEE 33节点配电网系统为模型进行的仿真模拟表明,该方法能缩短计算时间、提高系统无功补偿效率。     

基于BSSSO算法的无功补偿容量优化方法

无功补偿容量的目标是将有功功率损耗降至最低且兼顾电压平衡。首先,针对无功补偿容量优化实际,建立考虑有功功率损耗、电压偏差、电压稳定性的多目标无功补偿容量优化模型;然后,提出基于鸟群算法（bird swarm algorithm,BSA）与混合牧羊人优化算法（shuffled shepherd optimization algorithm,SSOA）的鸟群牧羊混合优化（bird swarm shuffled shepherd optimization, BSSSO）算法,以优化无功补偿容量;最后,通过仿真算例验证了所提方法,结果表明所提方法性能优越,可以兼顾各指标平衡。     

基于鱼鹰优化算法的电力系统无功优化*

为了提高电力系统运行的安全性、经济性,减少系统有功损耗带来的不良影响,提出基于鱼鹰优化算法(OOA)来解决电力系统的无功优化问题,以有功损耗最小为目标函数,建立无功优化的数学模型。最后在IEEE 30节点系统无功优化上与PSO算法进行仿真比较,结果表明OOA算法收敛更高效,不容易陷入局部最优,可使系统有功损耗更低,证明该算法应用在电力系统是可行的。     

基于改进蚁群算法的无功优化研究

建立了网损最小的数学模型,对蚁群算法的缺陷进行改进,包括对蚁群搜索到的路径进行排序,自适应调节路径上释放的信息素.同时又在信息素更新机制里引入微分进化算法的发散项,提高算法的收敛速度和全局寻优能力.通过IEEE-30节点的仿真计算,验证了改进蚁群算法在电力系统无功优化领域的可行性和有效性.     

无功优化遗传算法中的潮流算法改进研究

分析了潮流计算的数学模型 ,介绍了快速解耦法求解潮流 ,提出了一些改进措施 ,借以避免每次潮流计算都要反复形成第一因子表的缺点 ,采取收敛精度可变的手段 ,可使无功优化计算时间下降 65 %左右     

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。     

Optimal reactive power dispatch based on harmony search algorithm

This paper presents a harmony search algorithm for optimal reactive power dispatch (ORPD) problem. Optimal reactive power dispatch is a mixed integer, nonlinear optimization problem which includes both continuous and discrete control variables. The proposed algorithm is used to find the settings of control variables such as generator voltages, tap positions of tap changing transformers and the amount of reactive compensation devices to optimize a certain object. The objects are power transmission loss, voltage stability and voltage profile which are optimized separately. In the presented method, the inequality constraints are handled by penalty coefficients. The study is implemented on IEEE 30 and 57-bus systems and the results are compared with other evolutionary programs such as simple genetic algorithm (SGA) and particle swarm optimization (PSO) which have been used in the last decade and also other algorithms that have been developed in the recent years.     

一种改进的Tabu Search算法及其在区域电网无功优化中的应用

提出将改进的Tabu(禁忌)搜索算法用于区域电网无功电压优化控制问题的求解.首先根据已知的实际电网的历史数据获得可行的初始解,然后对区域电网采用改进的禁忌搜索方法进行无功优化.在求解的过程中,由于对Tabu表中所记录的"移动"采取"有条件地释放Tabu表中的记录"这一策略,可以使搜索有效地跳出局部极小值点,更好地找到最优解.通过IEEE-14节点算例验证了该算法的有效性.     

电力系统无功优化多目标处理与算法改进

电力系统无功优化属于典型的多目标非线性复杂优化问题,求解非常困难。近年来,众多智能优化算法应用于该问题,其中粒子群优化(Particle Swarm Optimization,PSO)算法最具代表性;但PSO算法性能仍有待提高,如可能陷入局部极值。提出一种多策略融合粒子群优化(Particle Swarm Optimization with Multi-Strategy Integration,MSI-PSO)算法,对速度更新公式引入选择操作,分阶段加速因子调整和惯性权重动态调整,以平衡粒子局部搜索与全局探索能力;同时,随机选取部分性能差的粒子,将其速度更新公式中的个体认知部分修改为社会认知部分,以提高算法搜索精度和收敛速度。建立以系统网络损耗最小和系统电压稳定裕度最大为目标的无功优化仿真模型,分别考虑加权法、隶属度函数法和Pareto法实施多目标处理。针对IEEE30节点测试系统进行仿真实验,结果表明,和其他几种改进PSO算法以及基于pareto最优解集PSO算法进行对比,所提MSI-PSO算法具有更好的性能,能够有效求解电力系统多目标无功优化问题。     

基于混合编码改进遗传算法的无功优化

简单遗传算法用于无功优化时存在收敛速度慢、容易陷入局部最优等问题。针对无功优化控制变量既有连续量又有离散量的特点,提出整数和实数混合编码的改进遗传算法。该改进算法在进化前后期采用不同的选择方式;依据交叉位和变异位控制变量的类型确定相应的实型或整型的算术交叉、小变异遗传操作,并且交叉率和变异率随进化代数变化;在目标函数中选用按指数规律变化的越界罚系数。IEEE14、118节点系统的仿真计算结果表明,改进后算法在全局寻优能力和收敛速度方面优于简单遗传算法。     

改进粒子群优化算法在电力系统多目标无功优化中应用

采用自适应聚焦粒子群优化(AFPSO)算法对电力系统进行无功优化.以最优控制原理为基础,引入静态电压稳定性指标,建立了综合考虑系统有功网损最小、电压水平最好以及静态电压稳定裕度最大的多目标无功优化模型,并采用模糊集理论将此多目标优化问题转化为单目标优化问题.通过最小化各目标的隶属度最大值(指标差的隶属度值大),从而只提升差的指标,使系统整体性能提高.同时,采用罚函数的形式处理负荷节点电压和无功发电功率2个状态变量不等式约束.在IEEE 57节点系统上进行测试,通过仿真测试及不同算法优化结果的对比,表明AFPSO算法在实现系统经济运行的同时也增强了电网的电压稳定,同时证明了AFPSO算法的有效性和优越性.     

基于改进遗传算法的无功综合优化

简要分析了传统的电力系统无功优化方法的局限性之后,提出了一种快速有效的求解方法——改进的遗传算法(IGA)。在简单遗传算法(SGA)的基础上,提出了自适应遗传算法,该算法采取了与个体分布散度成正比,并随最优个体保留代数成指数上升的自适应变异率;同时也采取了自适应的交叉率．该交叉率与群体中最大的适应度值和每代群体的平均适应度值有密切的关系。算例表明提出的算法优化效果好．而且在精度上和收敛速度上都有较大的提高。     

基于混合优化微分进化算法的电力系统无功优化

阐述了一种基于混合优化微分进化算法的无功优化方法。混合优化微分进化算法是一种直接随机搜索方法,由在当前种群中随机采样的个体之间的基因差异来驱动,混合优化微分进化算法的主要思想是采用不同的策略产生变异算子,并在进化过程中采取父代和子代合群处理,来提高进化速度。将该无功优化方法在IEEE 30节点系统上进行了校验,并与基于其它算法的无功优化方法进行比较,仿真结果表明该算法具有收敛速度快、鲁棒性好、计算精度高的优点。