改进遗传算法确定发电机组的优化组合

在研究遗传算法（ＧＡ）的基础上,文章提出了一种改进遗传算法（ＩＧＡ）,并将其应用于发电机组的优化组合。文章所提出的发电机组改进遗传算法具有快速搜索、易收敛和鲁棒性强的特点。在用ＩＧＡ法确定某实际电力系统机组的优化组合时,结果证明了该方法的有效性。     

火电厂内机组优化组合的改进遗传算法

本文针对常规遗传算法缺点，根据具体问题的特征，对火电厂内机组优化组组合中的遗传算法从各个环节进行了改进。实例计算表明，该方法收敛性好、适应性强、能更有效地达到或接近全局最优。     

一种改进遗传算法在发电机组优化组合中的应用

在研究遗传算法（GAS）的基础上,提出了一种改进遗传算法（IGA）,并将其应用于发电机组的优化组合中。本文所提出的发电机组改进遗传算法具有快速搜索、易收敛和强鲁棒性的特点。最后,用IGA法确定一实际电力系统机组优化组合,结果证明该方法的有效性和应用前景。     

基于遗传算法的机组组合研究

针对遗传算法应用于机组组合问题的具体实现技术进行了深入的研究，实现了采用不同采样空间，不同选择策略，不同适值函数和不同交叉率／变异率的遗传算法和机组组合计算程序，并对10机系统和110机系统的仿真计算进行了分析和比较。结果表明各种不同实现技术的遗传算法应用到机组组合问题具有不同程度的有效性，另外，遗传算法的不同实现技术对收敛时间，收敛代数和收敛值也有较大的影响。文中在计算研究的基础上提出了适用于机组组合问题的遗传算法的具体实现技术，为遗传算法应用到机组组合问题的实用化研究奠定了坚实的基础。     

改进PSO算法解决电力系统机组优化组合问题

机组组合优化问题是一个大规模、离散、非线性的混合整数规划问题,所以求解比较困难,不容易找到理论上的最优解。在基本粒子群算法的基础上,使用一种空间收缩策略,加快了算法的收敛速度。同时为了避免算法出现“早熟”现象,让粒子不仅根据自身和同伴中的最好个体进行调整自己的飞行速度,并且向其他个体学习。通过该算法进行仿真计算,证明了该算法的有效性。     

改进遗传算法及其在机组优化组合中的应用

提出了一种新的基于浮点数和二进制数统一编码的改进遗传算法。该算法有效利用了浮点数编码FGA(Float—coaded Genetic Algorithm)收敛迅速、不易陷入局部最优解、具有较高收敛精度的优点,同时结合二进制编码BGA(Binary—coaded Genetic Algorithm)模拟机组启停状态的优点,解决了机组优化组合的O-1混合整数非线性规划问题。该算法已成功地运用到16台机组的优化组合中,并取得很好的效果。     

机组优化组合的协同变异遗传算法

本文提出了一种解决电力系统机组优化组合问题的协同变异遗传算法。这种算法沿用了遗传算法的基本思想，但在遗传操作算法的基本思想，但在遗传操作过程中实现基因的协同变异，以提高遗传算子的搜索效率，仿真实验表明这种算法具有很高的搜索效率和很好的适应性。     

一种机组优化组合问题的遗传算法

火力发电厂的发电机组优化组合问题具有高维数、非凸、离散、非线性、多约束的特点,增加了求解的复杂性。讨论了机组优化启停的遗传算法,通过可行性检查使初始解群中的所有个体都是可行解,也使求解过程中建立了一种从不可行解域到可行解域的映射关系,这样可以大大减少无效的遗传搜索过程。实例计算表明,该方法收敛性好,适应性强,计算速度快,能够使计算的结果更加有效地接近全局最优解。     

电力市场下基于改进遗传算法的发电公司内部机组组合

针对电力市场条件下火力发电厂机组组合问题，提出了改进的遗传算法。该方法采用二进制编码，并取染色体形式为矩阵形式，无须解码。在形成初始群体时结合单位煤耗优先顺序法，先确定出1个交易区间内的必开和必停机组，从而减小了算法的随机性。在选择过程中，采用排序选择法，加快了算法的收敛，并让变异概率按线性规律变化，充分考虑了算法的全局性。经算例验算表明了该算法在满足安全可靠的多约束下具备可行性。     

基于退火演化算法和遗传算法的机组优化组合算法

机组组合问题是编制短期发电计划时首先要解决的问题，合理的开停机方案将带来很大的经济效益。现代电力系统对机组优化组合算法的收敛速度和解的质量要求越来越高，作者从改善传统算法这两方面着手，根据退火演化算法和遗传算法各自的特点，提出了一种用于机组优化组合的组合算法。与传统的一些优化算法相比，该组合算法具有搜索速度快，收敛性好，而且解的质量相当高。通过对实际系统的测算，验证了该方法的有效性和优越性。该方法具有良好的并行性，易于在并行计算机上实现。     

改进PSO算法在电力系统机组组合中的运用

采用改进的PSO算法实现在机组组合中的运用,避免了其他算法产生“维数灾”的缺点。通过实例进行仿真计算表明,该方法能够快速的求解,具有有效性和实用性     

改进遗传算法在机组启停优化中的应用

采用混合整数规划法、启发式算法、遗传算法解决机组组合问题,并对这几种算法精度和效率进行了比较,最后尝试性地提出了将启发式算法与遗传算法相结合的新方法,结果提高了计算效率和精度.     

基于改进布谷鸟算法的火电厂机组组合优化

电力系统机组组合是一个多维,复杂的整数规划问题,利用传统方法较难求解。在通过研究布谷鸟搜索(cuckoo search)算法的基本原理,分析布谷鸟算法的优缺点基础上,结合粒子群算法,提出一种改进的布谷鸟搜索算法。通过在10机组系统中进行验证,结果表明,算法比粒子群算法、标准布谷鸟算法更好。改进的布谷鸟搜索算法同样也在收敛速度等更具有优势。     

遗传/禁忌组合算法在发电机组优化组合中的应用

在研究遗传算法 (GA)和禁忌算法 (TS)的基础上 ,提出一种采用遗传 /禁忌组合算法 (GA/TS)的策略 ,并将其应用于发电机组的优化组合中 ,同时用算例证明该方法的有效性和应用前景。     

基于遗传算法的火电单元机组模糊控制系统

火电单元机组是一个多变量、强耦合、大时滞复杂的非线性系统，难以建立精确的数学模型，其控制系统的设计面临着严峻的挑战。文章提出了基于遗传算法的火电单元机组模糊控制系统。遗传算法用全局优化模糊控制器隶属度函数的比例因子，优化后的模糊控制器较好地补偿了负荷扰动所引起的单元机组的实际值与设定值的偏差。仿真结果表明，该系统有良好的动态特性，能适应于火电单元机组大范围运行时的负荷跟踪。     

基于改进遗传算法的水轮发电机组温度控制系统研究

为了能够提高水轮发电机组的控制效果,研究了基于改进遗传算法的温度控制技术.首先,分析了改进遗传算法,从进化方式、适应度函数、选择算子、交叉算子以及遗传算子等方面进行讨论;然后,研究了基于改进遗传算法的水轮发电机组温度控制器;最后,进行了基于改进遗传算法模糊PID控制技术的水轮发电机组温度仿真分析,仿真结果表明,基于改进遗传算法的控制方法具有很好的鲁棒性.     

考虑安全约束的机组组合免疫算法模型

根据机组组合问题的特点,尤其是电力系统中安全约束的特性,提出了一种基于改进免疫算法的机组组合算法.免疫算法的优势是处理0-1变量,该算法对免疫算法有2个改进:一是以一个抗体片段表示一个机组在调度期间的状态,并以抗体片段记忆库形式保留优秀抗体的信息;二是扩展抗体,将起作用的安全约束信息也作为抗体信息的一部分,并形成安全约束记忆库,从而模拟了调度中人工选择起作用的约束过程,解决了以往基于启发式算法的机组组合模型一般难以处理大规模安全约束的问题.此外,算法中采用基于群搜索优化的最优逼近变异法,减少了抗体随机变异的盲目性.最后用IEEE 118节点系统算例对所提出的方法的有效性和合理性进行了验证.