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RQGA和非支配排序的多目标混沌量子遗传算法

为了提高多目标优化算法的收敛性、分布性和减少算法的计算代价,借鉴实数编码遗传算法和多目标优化理论,构建一种多目标混沌量子遗传算法.在分析量子位概率的混沌特性、量子态干涉特性和量子位实数编码的基础上,采用量子位概率交叉和混沌变异的方式进化种群,以提高寻优能力和收敛速度,利用非支配排序、精英保留和分层聚类等多目标优化策略保持种群多样性的同时,保证进化向Pareto全局最优解集方向进行.通过混合算法性能对比测试验证了多算法集成的有效性,并分析关键参数对算法性能的影响.电力系统多目标无功优化的仿真结果验证了该算法的有效性和可行性.     

基于改进非支配排序遗传算法的电力系统无功–潮流多目标协同优化调度

提出了一种改进非支配排序遗传（Non-dominated sorting genetic algorithms,NSGA）-Ⅱ算法,其种群局部搜索和外部种群的设置有效提高了算法的收敛性和解集的多样性。将该算法应用于电力系统无功–潮流多目标协同优化调度问题的求解。采用IEEE-14和IEEE-30母线系统进行算例分析。算例仿真的结果表明,应用所提方法能够兼顾电力系统运行的无功优化目标和潮流优化目标,实现无功最优和潮流最优的折中;同时,改进NSGA-Ⅱ算法在收敛性和解集多样性上都优于传统NSGA-Ⅱ算法。     

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.     

基于快速非支配排序遗传算法的船舶电力系统多目标故障重构

为避免已有船舶电力系统故障重构方法中将多目标优化问题通过加权转化为单目标优化问题进行求解而产生的问题,以失电负荷最少、开关操作代价最小为目标函数,利用带精英策略的快速非支配排序遗传算法实现故障重构多目标、多约束问题求解,该算法求得的Pareto最优解分布均匀,得到的最优重构方案集具有稳定性和多样性。得到故障重构方案集后,对系统运行的安全性、可靠性、高效运行性等指标进行归一化处理,得到综合辅助评价函数作为各故障重构方案辅助评价指标。算例测试结果表明,该方法能避免单目标优化算法对权值的过分依赖等缺点,能够兼顾多个指标,得出的最优故障重构方案更加符合实际。     

基于非支配排序差分进化算法的多目标电网规划

在多目标电网规划问题中,综合考虑经济性、安全可靠性和环境影响等因素后,提出了非支配排序差分进化算法。以电网投资、运行维护费用、网损费用、线路走廊面积最小为目标建立了多目标电网规划模型。非支配排序差分进化算法将Pareto非支配排序法与差分进化算法相结合,采用动态调整策略调整差分进化算法控制参数,改进了个体拥挤比较机制,提高了算法的全局搜索能力和种群多样性,并基于模糊集理论选取最优折衷解。Garver-6节点和Garver-18节点系统算例结果表明,该算法可以有效生成分布均匀的Pareto最优解集,在求解多目标电网规划问题中具有可行性和优越性。     

基于快速非支配排序遗传算法（NSGA—Ⅱ）的配电网多目标无功优化

提出了一种将快速非支配排序遗传算法（NSGA—Ⅱ）应用于配电网多目标无功优化的方法。该方法应用前推回代算法计算配电网潮流,采用十进制编码方式,可以同时对无功补偿设备的接入位置和接入容量进行优化。该算法运行一次可以得到多个分布均匀的Pareto最优解,决策者可以根据实际需要进行选择,为各目标之间的权衡分析提供了有效的依据...     

基于非支配遗传算法及协同进化算法的多目标多区域电网规划

基于快速分类的非支配遗传算法(NSGA-II)是一种新型的多目标遗传算法,文中首次将其应用于电网优化规划。多个算例分析表明NSGA-II算法在电网规划中具有良好的优化效果,为各目标之间的权衡分析提供了有效的工具;协同进化算法采用分解-协调的思想处理复杂系统的演化,可以克服当优化问题规模扩大时,常规进化算法易于出现过早收敛的现象。据此提出将协同进化算法和NSAG-II算法相结合,以用于处理大规模多区域的电力系统规划问题,在各子网采用NSAG-II算法优化的过程中进行多区域协调。与常规遗传算法相比,算例分析取得了更好的规划结果。     

考虑暂态稳定性的多目标最优潮流

对暂态稳定约束的最优潮流模型进行改进,提出统一协调安全性、稳定性和经济性的多目标最优潮流新方法。该方法引入带精英策略的快速非支配排序遗传算法(non-dominated sorting genetic algorithm-II,NSGA-II),优化得到一系列满足Pareto最优的非劣解集,供决策者根据实际需求从中选择;为提升算法效率,引入搜索空间缩小策略,并对NSGA-II进行主从并行改造;为更加科学客观地进行无偏最优解选择,引入基于模糊隶属度和方差赋权的决策方法。最后,结合新英格兰10机39节点系统测试结果,证明了所提方法有效、可行。     

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。     

基于非支配排序遗传算法求解的电动汽车充电站多因素规划研究

随着能源和环境问题逐渐受到重视,电动汽车产业迎来了发展的契机。电动汽车的普及程度与充电设施的建设情况密切相关,而电动汽车充电站具有公共服务设施和用电设施两重属性,因此既需要考虑交通网络,也需要考虑电力系统对其规划的影响[1]。采用考虑最短路径和次短路径的截流选址模型描述交通网络流量因素,以最大化充电站截获的交通流量,最小化充电站投资成本和最小化节点电压偏移为目标,建立电动汽车充电站多目标规划模型,并采用非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)对IEEE 33节点配电系统和25节点交通网络构成的算例进行求解。通过算例结果说明所提出的模型和求解方法的基本特征。     

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。     

基于负荷预测和非支配排序遗传算法的人工相序优化方法

在对0.4 kV配电台区进行节能降损时发现,调整负荷的接入相序能够有效降低台区的线路损耗和三相负荷不平衡度。文中提出基于负荷预测和非支配排序遗传算法(NSGA2)的人工相序优化方法。首先,利用配电台区出口电流曲线替代法建立用户负荷模型。其次,基于历史数据使用Elman神经网络对调相日的台区内各用户日电量和出口三相电流进行预测。然后,基于预测数据综合考虑以线损最低和调相次数最少为目标函数,建立配电台区多目标相序优化数学模型,使用NSGA2对该模型进行求解,得到优化后各负荷接入相序。最后,通过对比安徽电网某配电台区调相前后的理论线损,验证本文所提方法的有效性。     

基于状态监测的多目标双层优化待修架空线选择模型

在建立架空线状态监测量与线路故障率的关系基础上,构建了检修费最少和系统风险最低的多目标双层优化待修架空线选择模型.为避免传统的将多目标优化转化成单目标优化的缺点,以改进的非支配排序遗传算法(NSGA-Ⅱ)直接求解出多目标双层优化模型的非劣解集.利用非劣解集反映的检修费用和系统风险目标间的关系,从可接受的系统风险角度来确定待检修的架空线.该策略可直观表明,对哪些线路检修能以最低的维修费用使系统可靠性维持在可接受的水平.通过可靠性测试系统RBTS的算例分析,表明所选择的待修线路集较常规状态检修有优势.     

基于改进遗传算法的限流电抗器优化配置

针对电力系统限流措施优化问题多目标、非线性的特点,提出一种基于 NSGAＧII的电网限流优化配置算法.该算法借助精英策略筛选子代,并利用非支配排序保证了优化过程中子代的多样性,扩大了全局搜索的能力,同时还保证了算法的收敛精度和收敛速度.实际工程算例表明了优化方法的有效性,且计算时间短,有较强的实用意义。     

基于伪并行遗传算法的多目标无功分层优化研究

本文对多目标无功优化问题采用分层优化算法降低了计算量,同时综合考虑多个指标和要求,在每一层的优化中,对遗传算子进行了改进,采用了伪并行遗传算法。通过IEEE-14节点系统,验证了该算法的有效性。     

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。     

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。     

基于差分策略的多目标电力系统无功优化

针对计及有功网损、电压偏差和电压稳定裕度的多目标无功优化问题,提出一种基于差分策略的粒子群算法对多目标电力系统无功优化进行求解。在粒子的速度更新操作中引入差分策略,防止算法陷入局部最优;应用目标序列排序矩阵评价个体适应度,根据适应度大小选择最优引导粒子;该算法在寻优机制中嵌入非劣排序和拥挤距离排序以对种群实施精英选择操作,使算法快速收敛到Pareto前沿;引入自适应参数调整策略,提高了算法的鲁棒性。对IEEE14节点系统和IEEE 30节点系统进行测试仿真,结果验证了所提方法的有效性和可行性。     

基于并行免疫粒子群算法的限流措施优化

针对电力系统限流措施优化问题不连续、非线性的特点,提出一种并行免疫粒子群算法。该算法将免疫算法的自我调节机制引入粒子群算法,采用基于粒子相似度的选择机制,保证优化过程中粒子的多样性。根据粒子编码的特点引入疫苗接种概念,有效减少了粒子最优片段丢失的概率,保证算法的收敛精度和收敛速度。并在Matlab并行计算平台上实现免疫粒子群算法的并行化。算例表明该算法具有较强的全局优化能力和收敛稳定性,且计算时间短,有较强的实用意义。