基于改进遗传模拟退火算法的电网无功优化

电网无功优化问题是一个多变量、多约束的混合非线性规划问题,其操作变量既有连续变量又有离散变量,优化过程复杂繁琐.遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应的全局优化搜索算法,可用于解决含有离散变量的复杂优化问题.针对传统遗传算法的收敛速度慢,易陷入局部最优解等缺陷,提出一种基于遗传模拟退火思想求解电力系统无功优化的新算法,并引入灵敏度分析,对基本遗传算法的编码、初始种群、适应度函数和交叉、变异策略等进行改进.使用本文算法对IEEE14节点进行优化计算,仿真结果证明了本文模型和算法的实用性、可靠性和优越性.     

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.     

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。     

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。     

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.     

基于随机微粒群算法的电力系统无功优化

介绍保证以概率1全局收敛的随机微粒群算法,针对随机微粒群算法难以在有限进化代数搜索到全局最优解的问题,介绍一种改进的随机微粒群算法,这种算法对随机微粒群算法停止进化的微粒采用模拟退火方法生成,使得搜索更为有效.提出将两种算法分别应用于电力系统无功优化,通过对IEEE14节点系统的仿真计算,并与遗传算法、标准微粒群算法相比较,结果表明这两种算法取得了更好的优化效果,改进的随机微粒群算法更具有实用意义.     

基于随机微粒群算法的电力系统无功优化

介绍保证以概率1全局收敛的随机微粒群算法,针对随机微粒群算法难以在有限进化代数搜索到全局最优解的问题,介绍一种改进的随机微粒群算法,这种算法对随机微粒群算法停止进化的微粒采用模拟退火方法生成,使得搜索更为有效。提出将两种算法分别应用于电力系统无功优化,通过对IEEE14节点系统的仿真计算,并与遗传算法、标准微粒群算法相比较,结果表明这两种算法取得了更好的优化效果,改进的随机微粒群算法更具有实用意义。     

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。     

模拟退火法在电磁系统参数优化设计中的应用

探讨了如何利用模拟退火法 (SimulatedAnnealingAlgorithm ,简称SA算法 )和Powell法对电器电磁系统在满足动、静特性要求的情况下进行优化 ,以解决通常的优化方法如复形法和罚函数法等不能保证获得最优解及模拟退火法收敛较慢等问题。通过对ZDBX电脑剥线机电磁系统进行优化 ,证实了本文方法的可行性     

模拟退火算法在单相电机优化设计中的应用

模拟退火算法是一种有效的解决组合优化问题的方法，它通过模拟退火过程，理论上可避免算法过早收敛于局部最小点，从而保证到全局最优解或佤中近似最优解，故其具有相当广泛的应用前景，本文中将模拟退火算法用于单相电机优化设计问题的研究，取得了令人满意的结果。     

基于模拟退火的动态缆线型优化北大核心CSCD

动态电缆在水中的线型对确保电缆的合理受力,保证疲劳寿命具有重要的作用。文中针对浮式风电动态缆的陡波线型,基于经典悬链线方程,以远位张力与近位曲率的利用率之和作为线型优化的目标,采用模拟退火算法对线型进行优化,分析了不同浮力系数对线型优化的影响。文中结论对线型工程设计具有一定参考和指导意义。     

模拟退火法在耦合电容器优化设计中的应用

耦合电容器作为线路载波装置及电容式电压互感器的主要组成部分,已在电力系统中被广泛应用。研究如何合理的进行耦合电容器设计,对缩小产品体积、降低成本、提高产品性能是十分必要的。笔者将耦合电容器的设计问题与现代优化方法相结合,应用模拟退火优化策略进行优化设计,改进了产品的设计技术。     

基于新型模拟退火算法的PSS参数优化方法

提出一种基于单纯形-模拟退火算法的电力系统稳定器(PSS)参数优化方法.以弱阻尼机电模式阻尼比构建目标函数,将单纯形法搜寻机理嵌入到模拟退火算法的基本步骤中,综合模拟退火算法全局搜索能力强、单纯形算法局部收敛速度快的优点.在新英格兰典型系统上的特征值分析表明,该方法是一种有效的PSS优化方法,所得的参数对系统运行方式的变化具有良好的鲁棒性.     

改进模拟退火算法在三相异步电动机优化设计中的应用

为了更好地将模拟退火算法应用于三相异步电动机优化设计中,本文分析了模拟退火算法的优点和局限性,针对其搜索过程慢的缺点,提出了改进模拟退火算法的思路和具体实现方法,并通过两个经典数学函数检验了新算法的性能.在此基础上,将改进模拟退火算法应用于三相异步电动机优化设计中,分别以有效材料成本最小和效率最高为目标进行了优化设计.结果表明,在不改变电动机的结构设计和制造工艺的情况下,基于改进模拟退火算法的优化设计能显著减小材料成本和提高电动机效率,具有工程实用价值.     

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。