一种改进的遗传多目标优化算法及其应用研究

为解决含多个目标和多约束的优化问题,本文结合了非支配排序思想、精英保留策略,小生境技术,并对传统的小生境技术中基于个体适应度的淘汰技术进行改进,提出了一种向量模适应度函数来作为淘汰准则,得到一种改进的Pareto遗传多目标优化算法。通过最小化两个多元目标函数,验证了该算法能够获得更加均匀分布的Pareto前沿,避免了局部收敛的问题。在此基础上,将改进多目标优化算法用于PID控制器参数整定,以锅炉过热汽温串级控制系统为例进行了仿真研究。结果表明改进的遗传多目标优化算法可以获得多组对应不同性能指标的控制器参数,为决策者提供了更多的选择余地,具有很好的应用价值。     

水库群消落期多目标智能优化调度研究

本文考虑了河道天然流量模式调度需求,以发电量、供水满足度最大和河道流量偏差函数值最小为目标,建立了水库群消落期多目标优化调度模型,采用非支配排序遗传算法求解,以湘江流域东江-双牌-涔天河水库群为研究对象,进行了实例分析。研究结果表明：相比常规方案,在丰、平、枯水年情景下,发电量最大方案分别能提高1571万kW·h(11.2%)、1167万kW·h(10.9%)和811万kW·h(10.0%)的发电量;生态效益最好的方案,能减小1.56(61.2%)、0.33(6.3%)和0.89(13.6%)的河道流量偏差函数值;供水满足度最大的方案能提高2.1%、2.6%和3.4%的供水效益。构建的水库群消落期多目标优化调度模型可为长江流域水库群消落调度提供理论参考。     

面向配电网风电消纳的冰蓄冷空调系统多目标优化策略研究

未来配电系统可再生能源渗透率日益提高。针对配网中风电消纳问题,考虑在系统中引入具有负荷转移特性的冰蓄冷空调进行需求响应控制,将夜间产生的风能转化为冷能并以冰形式存储,在日间用电峰段融冰释冷削减空调的用电峰值。具体来说,考虑系统内供电公司和风电生产商的综合运行成本以及空调用户的用电成本,建立基于能源效率和经济效益的多目标优化模型。以供电公司、风电生产商和空调用户的利益最大化为目标,采用非支配排序遗传算法-II(NSGA-II)对Pareto非支配解集进行求解,生成的Pareto解集,通过模糊隶属度法过滤选取最优解。最终根据最优解内参数变量的数值,对空调制冷机功率和蓄冰设备的融冰量进行调控。提出的算例验证了所提方法的有效性和可行性。     

基于协同进化NSGA-II的多目标交直流配电网规划方法*

针对目前进入深度试验的交直流混合配电网,本文提出了一种交直流配电网网架规划模型,实现经济目标和运行可靠性目标的两目标优化规划。针对该优化模型,本文采用带精英策略结合协同进化思想的NSGA-II算法进行优化求解。最后,本文进行了交直流混合规划算例分析,结果论证了本文方法的可行性和有效性。     

多目标配电网故障定位的Pareto进化算法

提出一种用于配电网故障定位的多目标优化模型,采用带精英策略的快速非支配排序遗传算法(NSGA-II)进行求解。传统多目标优化问题通过加权方式转换为单目标问题,对权值比较敏感,且每次只能得到一种权值下的最优解。NSGA-II则避免了传统加权求解时权值的选择和解的偏好性。该算法采用快速非支配排序机制,计算复杂性低;同时考虑个体拥挤距离,从而保证种群的多样性;最后,提出适用于故障定位的最优解集处理方法,便于从多目标最优解集中筛选出唯一符合故障情况的解。算例测试分别模拟单点、多点故障,以及信息完备和部分信息畸变的情况,测试结果表明,所提方法均能准确地定位故障区段。     

配电网固定串联补偿多目标优化

为了更好地利用固定串联补偿电容器改善网架薄弱、供电半径大以及长线路末端有重负荷配电网的电压偏差,研究了确定固定串联补偿电容器选址定容的多目标优化方法。以电压整体偏差、串联补偿容抗和有功网络损耗最小为目标建立配电网固定串联补偿多目标优化模型。基于灵敏度方法和固定串联电容器减小线路电压损耗的原理确定安装固定串联电容器候选线路和补偿容抗取值范围。运用带精英策略的快速非支配排序遗传算法求解建立的模型。算例验证了方法的可行性和有效性。结果表明串联电容器能够有效地提高电压质量和降低有功网络损耗。     

带精英策略的快速非支配排序遗传算法在多目标无功优化中的应用

带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)是一种新型的多目标遗传算法,该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好.本文分析了当前多目标无功优化算法存在的缺陷,提出将NSGA-Ⅱ应用于多目标无功优化,该算法一次运行可以获得多个Pareto最优解,决策者可根据系统的实际要求选择最终的满意解,为各目标函数之间的权衡分析提供了有效的工具.算例结果表明NSGA-Ⅱ算法具有良好的优化效果,是一种求解多目标无功优化问题的新思路.     

基于非支配排序遗传算法的无约束多目标优化配煤模型

分析单目标动力配煤模型的缺点,提出多目标优化配煤模型,模型将所有煤质指标都作为优化目标,根据每个指标的特点构建出安全性、经济性和环保性3个目标函数。引入带有精英策略的非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGA-II)作为该模型的寻优算法,并结合配煤问题的特点对原算法进行适当改进和调整,对某电厂的实际配煤问题进行求解,得到分布较好的Pareto最优解集,这些解为电厂配煤人员在多个相互关联的目标之间进行决策时提供了多样的选择,具有很好的指导作用和应用价值。     

基于NSGA-Ⅱ算法的多目标静态无功优化

由于静态无功优化目标函数大多是单目标或者人为赋予权重系数的多目标函数的组合,本文提出了一种综合优化网损、电压水平和电压稳定性的多目标无功优化模型。为了避免求解时的目标偏好性,引入了快速非支配排序遗传算法,设计了基于实数、整数编码的混合编码方式,通过非支配排序算子和拥挤度算子来协调各目标之间的关系,实现了计及变量约束和潮流约束的静态无功优化。采用方案校验模块完成对Pareto最优解集的校验。以IEEE30节点系统和IEEE118节点系统为算例进行仿真,多次无功优化计算的结果表明了该方法的有效性。     

基于改进NSGA-Ⅲ的微电网储能多目标优化配置

为提升微电网中储能配置的可靠性与经济性,提出一种基于改进NSGA-Ⅲ算法的微电网储能系统容量多目标优化配置方法。构建了微电网储能容量配置双层优化模型,外层以储能一次投资成本最小为优化目标,内层以微电网综合运行成本最小、负荷缺电率最小和可再生能源利用率最大为优化目标;在传统NSGA-Ⅲ算法中嵌入Levy理论和一个区域角度量化机制,使其更加适用于所提直流微电网储能容量双层优化配置模型的寻优迭代求解,并结合典型日数据,仿真验证了所提模型及算法的有效性。     

基于观测能力可调控的电压暂降监测点多目标优化配置

为降低电压暂降中故障电阻变化对可观测区域影响,实现监测点优化配置,本文提出一种用节点观测能力调控可观测区域,综合考虑监测装置数量、观测能力、冗余度等因素,实现监测点的多目标优化配置方法。首先通过电压暂降幅值公式计算出不同故障类型下节点电压,在此基础上建立模糊控制模型得到节点观测能力,用观测能力改进分段法来构建可观测矩阵。以全网电压暂降可观测为约束条件,监测装置数量、观测能力和冗余度为目标函数,采用非支配排序遗传算法（NSGA2）实现电压暂降监测点的多目标优化配置。通过在IEEE 30节点系统的仿真验证,与传统监测装置优化方法相比,本文方案在满足全网暂降可观的基础上,还保证了监测装置数量和观测能力的合理分配。     

基于病毒进化改进NSGA-II算法的扩展黑启动多目标优化

为了保证黑启动小系统的安全恢复和合理兼顾多目标优化方法的快速搜索与局部搜索,提出基于病毒进化改进NSGA-II算法的综合功率支持和恢复安全裕度的扩展黑启动方案多目标优化方法。以初期阶段内发电量加权和最大化、电压稳定裕度最大化和维持节点电压在满意水平为目标建立多目标优化模型。在快速非支配排序遗传算法(NSGA-II)的染色体中引入生物病毒机制和病毒感染操作,利用病毒的横向感染对解空间进行局部搜索,避免强化全局寻优时的前沿退化。然后结合基于病毒进化改进NSGA-II算法与最短路径法对扩展黑启动方案求解出Pareto最优解集。以新英格兰10机39节点系统和河北南网实际系统为算例验证所提方法的有效性,该方法为决策者提供了更全局性的选择空间,从而保证扩展黑启动小系统安全可靠地恢复更多出力。     

基于多目标粒子群算法的电力系统无功优化

针对电力系统有功损耗和电压偏差,提出一种带有变异的多目标粒子群算法。该算法采用非支配排序和拥挤距离来提高算法的多样性。通过ZDT1～ZDT4基准函数验证该算法的性能,比较它与其他多目标进化算法的优劣。将该算法应用于对多目标无功优化求解,采用IEEE30节点系统验证算法在无功优化中的优势。优化结果表明,该算法能清晰地给出电力系统有功损耗与电压偏差间的竞争关系,并能为用户提供均匀分布的多样化的备选解,让用户可以根据不同情况灵活选择。通过多次结果的叠加显示了该算法的稳定性。     

基于多目标粒子群算法的电力系统无功优化

针对电力系统有功损耗和电压偏差,提出一种带有变异的多目标粒子群算法.该算法采用非支配排序和拥挤距离来提高算法的多样性.通过ZDT1～ZDT4基准函数验证该算法的性能,比较它与其他多目标进化算法的优劣.将该算法应用于对多目标无功优化求解,采用IEEE30节点系统验证算法在无功优化中的优势.优化结果表明,该算法能清晰地给出电力系统有功损耗与电压偏差间的竞争关系,并能为用户提供均匀分布的多样化的备选解,让用户可以根据不同情况灵活选择.通过多次结果的叠加显示了该算法的稳定性.     

基于改进GA-BP和CNN的园区不可调控负荷预测研究*

在智能园区的虚拟电厂建设中,常规不可调控负荷的预测准确度直接影响虚拟电厂对园区内可调设备的调度。针对园区负荷中常规不可调控负荷的预测,通过改进遗传算法GA的编码方式和交叉、变异概率,提高了BP网络的全局搜索能力。使用改进的GA-BP与CNN、BP对同一历史负荷数据进行预测对比,以均方根误差、平均绝对误差作为预测精度评判指标。实验结果表明了改进GA-BP在负荷预测中相较于CNN与传统BP具有更高的预测准确度,同时验证了改进的GA-BP在常规不可调负荷预测中引入环境因素对预测准确度具有负面扰动作用。     

考虑碳排放的孤岛综合能源系统多目标规划优化

针对孤岛依赖传统化石能源供能引起的污染及碳排放高的问题,提出了一种考虑碳排放的孤岛综合能源系统多目标规划优化方法。在构建设备模型的基础上,考虑气候参数波动对可再生能源出力的影响,逐时模拟系统全年运行情况,以系统的生命周期成本及生命周期二氧化碳排放为优化目标,结合非支配排序遗传算法Ⅱ构建了孤岛综合能源系统多目标规划优化模型,采用加权平均算子对优化结果决策;以烟台某孤岛为例,分析了以典型日和全年逐时数据作为模型输入对规划结果的影响,探究了可再生能源设备投资变化和天然气价格以及风光装机和蓄电池容量对优化目标的影响,获得了不同目标权重下各设备的最优容量。结果表明,配置可再生能源及蓄电池可使生命周期二氧化碳排放降低26.95%～55.96%,但当生命周期二氧化碳排放权重由0.6增至1.0时,主要依赖增加蓄电池装机容量降低碳排放,生命周期成本增加210.13%,而生命周期二氧化碳排放仅降低8.59%。该孤岛综合能源系统规划方法为决策者在孤岛规划综合能源系统时权衡低碳成本和能源供应经济性提供了参考。     

基于NSGA-II-PSO算法的微电网多目标优化运行模式

解决微网中新能源出力的随机性与波动性是微电网优化运行的前提和关键,为此,提出一种快速非支配排序遗传算法NSGA-II （non-dominated sorting genetic algorithm）和基本粒子群优化算法PSO（particle swarm optimization）相结合的NSGA-II-PSO算法,考虑将经济运行成本和环境污染成本作为优化的目标函数,建立常见发电单元以及蓄电池储能的多目标优化运行模型。通过Matlab仿真对比PSO、NSGA-II和NSGA-II-PSO算法的适应度收敛曲线,验证所提算法具有收敛速度快、全局和局部搜索能力强的优点,较单一的PSO算法和NSGA-II算法具有更优的特点;结合经典微网系统进行算例仿真,通过对单目标与多目标的分析,结果表明该算法能有效降低经济成本和使环境效益达到最优;并且进一步验证所提算法的优越性。     

考虑后续恢复的扩展黑启动方案多目标优化

目前黑启动阶段的恢复策略制定只考虑了初期恢复效果的优劣,而未将系统后续恢复的效果纳入策略目标集。文中综合考虑初期阶段和系统后续恢复效果,以初期阶段内发电量加权和最大化、尽快搭建系统的骨架网络和选择运行性能尽可能利于后续系统电压调整的被启动机组为优化目标,综合考虑机组启动约束和系统运行约束,建立扩展黑启动方案的多目标优化模型;然后结合快速非支配排序遗传算法NSGA-II(fast and elitist non-dominated sorting genetic algorithm)与最短路径法对扩展黑启动方案求解出Pareto最优解集。该方法避免了求解的目标偏好性,决策者可根据大停电恢复的实际要求选择出最终的满意解。最后以新英格兰10机39节点系统和河北南网实际系统为算例验证所提方法的有效性。     

考虑相关性的分布式电源多目标规划方法

考虑不确定性因素间的相关性,以年综合费用最小和配电网运行风险最小为优化目标,以相关性限制、分布式电源(DG)投资限制和多种电气限制为约束条件,基于机会约束规划理论建立了DG多目标规划模型。针对模型的特点,提出采用计及相关性的配电网概率潮流嵌入非支配排序遗传算法求解规划模型,得到Pareto最优解集,供决策者进行选择。在IEEE 33节点配电网算例和某实际61节点配电网算例上对提出的规划方法进行了验证,着重研究了相关性对规划结果的影响。