电力系统PMU安装地点选择优化算法的研究

将进化衰减因子引入了遗传算法,构造了一种新的自适应遗传算法.新算法在进化过程中能够同时根据个体适应度和进化时间的变化自动调整交叉与变异概率,克服了遗传算法易早熟的缺点,提高了最优解的多样性,加快了算法寻优速度.精英个体保留策略保证了整个算法的全局收敛性.算法约束条件处理采用了不可行解启发性修复方法,保证了全部优化结果都被严格限定在了满足约束条件的解空间内.基于图论的深度优先搜索方法用于系统可观性分析.将新的自适应遗传算法应用于优化PMU安装地点选择,实现了安装地点最少,而整个系统可观的目标.该算法已在某省电网PMU安装地点选择优化计算中得到了实际应用.     

PSO算法在过程模型参数辨识中的应用

针对传统模型参数辨识方法和遗传算法用于模型参数辨识时的缺点,提出了一种基于微粒群优化（PSO）算法的模型参数辨识方法,利用微粒群体在参数空间进行高效并行的搜索来获得过程模型的最佳参数值,可有效提高参数辨识的精度和效率,对火电厂热工过程进行参数辨识的仿真结果验证了本文所提出算法的有效性。     

基于改进自适应遗传算法的电力系统相量测量装置安装地点选择优化

将进化参数衰减因子与基于适应度变化的自适应遗传算法相结合,提出了一种新的自适应遗传算法,使遗传算法在进化过程中能够同时根据个体适应度和进化时间的变化自动调整交叉与变异概率,克服了原有自适应遗传算法易早熟的缺点,提高了最优解的多样性和寻优速度.精英个体保留策略保证了整个算法的全局收敛性.在约束条件处理时,采用了不可行解启发性修复方法,提高了算法的优化效果.基于图论的深度优先方法用于系统可观性分析.将新的自适应遗传算法应用于优化相量测量装置安装地点选择,实现了安装地点最少,而整个系统可观的目标.该算法已在某省46节点系统的优化计算中得到了验证.     

基于混沌遗传算法的滤波器优化

针对目前根据工程经验或简单的技术经济指标来设计无源滤波器的现状,将混沌序列引入遗传算法中,利用混沌序列的特性可以有效地弥补遗传算法存在的使优化解落入局部最优陷阱的缺陷,同时改进遗传算法的参数,可以进一步提高优化的效率和精度。测试函数的优化计算证实了该方法的正确性。工程实例表明,应用混沌遗传算法对LC滤波器参数进行优化,假设条件少,寻优空间大、寻优速度快,该算法可以用来作为LC滤波器参数优化的有效方法。     

遗传算法优化的BP神经网络压电陶瓷蠕变预测

针对压电陶瓷驱动器的蠕变误差随时间呈现非线性变化,会严重影响其定位精度的问题,提出遗传算法优化BP神经网络的压电陶瓷蠕变预测算法。采用遗传算法优化了BP神经网络的权值和阈值,构建了基于遗传算法的BP神经网络(GA-BP算法)的蠕变预测模型。用GA-BP算法对压电陶瓷蠕变进行了预测仿真,并将结果与实测数据进行了对比。结果表明,获得的蠕变预测结果与实验数据的最大绝对误差均不超过0.2μm,最大蠕变误差均小于1.5%,最大均方误差仅为0.004 6,因此,GA-BP预测模型可作为预测压电陶瓷蠕变误差的一种有效手段。     

配电网络重构的研究

总结了求解配电网重构的各种方法。指出由于组合数学的特性,数学优化理论不适用于配电网重构;基于模拟退火方法的配电网重构算法可以获得全局最优解,但存在算法依赖参数和计算量大的缺点;基于人工神经网络的算法,其精度取决于样本,获得完整样本困难,而且训练样本的时间较长;遗传算法的很多特点适于求解配电网重构的问题,如果能结合配电网重构的特点对算法收敛性进一步研究,提高其速度,则将在配电网重构中得到更好的应用;模糊数学和专家系统必须依赖于其他技术的发展;最优流模式和基于开关交换的算法不能保证得到全局最优解,但与启发式规则结合后,可以较快地得到满意的结果,是目前解决配电网重构的有效算法。     

基于遗传算法的输电网优化规划方法在福建电网中的应用

介绍了基于遗传算法的输电网优化规划的模型、算法和软件。利用已开发的遗传算法输电网优化规划软件,分别对2020年福建500 kV电网及福州220 kV电网进行优化规划,给出规划结果并对结果进行分析。该软件得出的优化结果对于实际的电网规划有着重要的参考价值。最后,从工程应用角度,提出了对输电网优化规划算法、模型和软件的改进建议。     

基于改进蝙蝠算法的电力无线专网室内覆盖优化策略研究

随着电力无线专网建设的不断深入,深度覆盖问题日益凸显。基站位置及数量的合理规划可满足大部分室外环境的信号覆盖,但仍有部分终端深处室内,需辅以适当的深度覆盖系统及优化策略。为了获得室内全覆盖、低成本、低辐射的无线网络,利用异构微蜂窝系统完成室内数据采集并上传基站,提出基于改进蝙蝠算法的深度覆盖优化策略。针对蝙蝠算法中个体缺乏交互、收敛速度与精度制约等问题,引入遗传算法对原有算法进行改进,以加强个体间的交互能力,利用信息交叉变异提高算法的搜索速度。仿真结果表明,该算法可有效优化多目标的室内无线网络规划。     

基于内点法与改进遗传法的无功规划优化混合算法

建立了利用调节发电机端电压、可带载调压变压器分接头与静止电容器组的补偿容量来获得系统年综合费用最小的无功规划优化数学模型.将此问题分成连续优化和离散优化两个子问题,采用非线性内点法和改进遗传算法交替求解的混合算法.在迭代的不同阶段,分别对内点法和改进遗传算法进行收敛条件改进,使两者的优化结果互为基础、相互利用,保证了混合算法的整体寻优效率.118节点系统的无功优化计算表明,所提算法可有效提高单一算法的收敛性能和运算速度. .     

基于NSGAII的分布式电源优化配置

该文提出了一种基于非支配性遗传算法NSGA-Ⅱ的分布式电源(DG)优化配置算法,对DG接入配电网的位置和容量进行优化配置。采用了十进制的编码方式使得DG接入位置和容量的优化可以同时进行,运用前推回代法对接入DG的配电网络进行潮流计算,选择了总电压偏差最小,有功损耗最小和CO2排放量最小三个目标函数进行优化,该算法一次运行可以获得一组Pareto最优解,决策者可以根据系统的实际需要选择最终的满意解,为各目标函数的权衡分析提供了有效的工具。最后应用该算法对IEEE33节点进行DG的优化配置,结果证明了算法的有效性。     

基于遗传禁忌搜索算法的PMU布点配置

将遗传算法GA(Genetic Algorithm)和禁忌搜索算法TS(Tabu search)相结合,提出一种遗传禁忌搜索算法GATS(Genetic Algorithm & Tabu search)用于相量测量单元优化配置.GATS算法结合了遗传算法的随机搜索能力、并行性和禁忌搜索算法的记忆功能,有效地解决了遗传算法的爬山能力差、早熟的问题,提高了收敛速度及优化质量;同时遗传算法的种群操作,保留了遗传算法的多出发点的优势,弥补了禁忌搜索的单一单操作缺乏并行性的弱点.在约束条件处理时,采用了不可行解启发性修复方法,提高了算法的优化效果.基于图论的深度优先方法用于系统可观性分析.将GATS算法应用于优化相量测量装置安装地点选择,实现了安装地点最少,而整个系统可观的目标.通过算例证明了算法的有效可靠.     

混合优化方法及其在电力系统无功优化中的应用

利用遗传算法和传统优化方法的互补特性,采用混合优化方法求解包含离散变量和连续变量的无功优化问题.遗传算法的选择、交叉和变异操作仅作用于离散变量,遗传算法对种群进行全局广度搜索.运用传统优化方法对种群个体中的连续变量进行优化使其移动到局部最优点上,为保证对连续变量的优化效果,选择了基于函数变换与广义逆的优化新算法.混合优化算法将遗传算法擅长处理离散变量和传统优化方法速度快、数值稳定性好的优势有机结合,模型简单、规范.算法的实用性和有效性通过算例及工程应用得到验证.     

基于深度全连接神经网络的风机叶片结冰预测方法

我国北方地区风电机组叶片结冰问题,对机组正常安全运行会产生严重影响。为对风电机组叶片结冰状态进行有效预测,基于风场大数据,提出一种使用深度学习算法进行优化的深度全连接神经网络的风电机组叶片结冰预测算法。将处理后的数据集对深度全连接神经网络模型进行训练、测试、评价,最后将所得评价结果并与最近邻法(KNN)、支持向量机(SVM)、未使用深度学习优化算法的BP神经网络的预测结果进行对比。结果表明,所提出的基于深度全连接网络的风电机组叶片结冰预测算法,求取精度较高,计算量少,可以对风电机组叶片结冰预测问题进行快速有效判断。     

基于改进GA的RBF核函数参数优化模型

为解决高斯径向基(RBF)核函数参数难选择的问题,提出一种基于Fisher判别准则的径向基核函数参数优化模型.为了寻求模型最优解,对传统遗传算法进行了改进,改进的算法保证了适应度大于平均适应度的个体可以遗传到下一代的种群中.通过改进优化求解的效率更高.利用经过改进的遗传算法对所提出的模型进行全局优化求解,最后使用MATLAB 2009a作为工具,并使用UCI数据库的葡萄酒数据作为分析对象进行了实际的算法验证和评价实验.仿真结果表明,提出模型能够有效地找到合适的参数值,提高了SVM的分类准确度.     

基于改进遗传算法与原对偶内点法的无功优化混合算法

基于改进遗传算法和原对偶内点法提出一种求解无功优化问题的混合算法。首先通过改进遗传算法求解无功优化问题中的离散变量,然后采用原对偶内点法求解与已获得离散变量最匹配的连续变量。在改进遗传算法中采用交叉、变异算子并基于可行域规则处理离散约束,有效提高了混合优化算法的整体寻优效率。在IEEE 118节点系统中的仿真计算结果验证了本文方法的有效性。该方法已应用于福建电网自动电压控制系统中。     

考虑辨识结果连续性的Type-Ⅲ型工商业负荷辨识方法

非侵入式负荷监测技术可以引导用户合理安排用电时间,从而减少电量消耗.其中,由于状态的连续可变性,连续变化(Type-Ⅲ)型负荷的辨识一直是非侵入式负荷监测中难以解决的问题之一.针对Type-Ⅲ型负荷的辨识难题,提出了基于深度卷积神经网络(CNN)和隐马尔可夫模型(HMM)的非侵入式负荷辨识算法.首先,根据互信息理论进行负荷特征选择;然后,利用残差神经网络作为深度CNN的基本架构,提取负荷多维特征并实现Type-Ⅲ型负荷的初辨识;最后,为了解决CNN辨识结果中存在的状态断点问题,采用HMM完成负荷辨识结果的连续性优化.在复杂的工商业运行环境中,对具有代表性的Type-Ⅲ型负荷数据进行了算法训练和验证,结果表明所提算法能有效辨识Type-Ⅲ型工商业负荷的运行状态.     

大规模定制中产品配置的蚁群优化算法

针对大规模定制模式下的产品配置问题,确立了产品订单的量化数学模型,算法将订单的配置过程分为确定各目标权重、降低算法空间复杂度、多目标寻优等3个阶段,从而达到优化配置的目的。仿真结果表明,算法具有较好的收敛性,适合在大规模定制技术模式下解决多目标优化问题。     

改进云遗传算法在负荷优化分配中的应用

改进了一种基于云模型的遗传算法用以解决火电机组负荷优化分配问题.该算法将遗传算法的重组算子及变异算子进行云化,继承了云模型的随机性和稳定倾向性的特点.将该方法应用于某厂4台机组进行负荷优化分配,并与标准遗传算法进行比较,结果显示该方法的可行解优于标准遗传算法,证明了该方法在求解机组负荷优化分配问题的有效性及优越性.     

应用粒子群优化算法的静电放电模型参数辨识

为了获得精确的静电放电模型,提出了一种应用粒子群优化算法的静电放电模型参数辨识新方法。以Heidler雷电流方程的静电放电模型参数为辨识对象,分别以仿真及实验数据验证了该方法的可行性,并从电流波形的整体和局部两方面对拟合效果进行了评估。结果表明,与遗传算法相比,粒子群优化方法的执行速度更快,所得的辨识参数精度更高,粒子群优化方法对电流波形的整体和局部关键点的拟合度均高于遗传算法。因此,粒子群算法较遗传算法更适用于解决静电放电模型参数辨识问题。此外,从实例可以看出,粒子群算法不需要过多的初始参数值先验知识,而只须提供一个较宽的初始参数搜索范围即可获得良好的辨识结果。     

病毒进化遗传算法在水电站优化调度中的应用研究

将生物免疫系统的核心内容——病毒感染机制引入遗传算法,提出了基于病毒进化遗传算法的水电站优化调度模型。通过病毒个体对宿主种群的感染,有效改善了种群多样性,提高了遗传算法的全局搜索能力。以福建省棉花滩水电站的年发电调度为例,对丰、平、枯不同典型年进行了优化计算。计算结果表明,各种典型年,病毒进化遗传算法获得的调度结果均优于标准遗传算法,与动态规划方法获得的结果十分接近。因此,基于病毒进化遗传算法的水电站优化调度模型是有效的和优越的。