实时无功优化调度中的邻域搜索改进遗传算法

为了避免遗传算法的早熟收敛及改善其收敛性能，提出了电力系统最优无功调度和电压控制的一种改进遗传算法。算法中采用了分组整数编码技术和锦标赛选择机制；结合十进制整数编码的特点，提出了邻近变异的操作算子，避免了二进制编码中的海明悬崖(Hamming cliffs)；在遗传迭代结束后再引入邻域搜索技术，以极短的时间完成搜索。将此算法应用在海南电网的实时无功优化调度中，结果表明该算法能迅速获得全局优化解，具有很好的全局收敛性能，能满足电力系统无功优化实时调度的要求。     

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。     

基于遗传禁忌混合算法的电力系统无功优化

为了使遗传算法(GA)和禁忌搜索算法(TS)的优点被保持,缺点被削弱,提出了电力系统无功优化的遗传禁忌混合算法(GATS);针对电力系统无功优化中控制变量的离散性和连续性相混合的特点,提出了混合编码策略并相应地采用启发式算术进行杂交.用GATS算法对IEEE30节点系统进行了无功优化计算,并就优化结果和简单遗传算法(SGA)及二进制编码的禁忌搜索法(TSB)的优化结果进行了比较,结果表明GATS方法具有更好的收敛性和更强的全局寻优能力.     

基于改进微粒群算法的水火电力系统短期发电计划优化

微粒群算法(PSO)来源于对社会模型的模拟,是一种随机全局优化技术。该算法简单,容易实现,且功能强大。中对PSO进行了改进,引入了“分群”和“灾变”思想,并应用于求解水火电力系统的短期有功负荷最优分配问题。通过具体算例验证了改进PSO算法的有效性,而且其收敛速度比遗传算法(GA)快,求解精度比普通的PSO和GA的高。     

基于改进遗传算法的配电网无功优化

对配电网无功优化问题进行了研究.针对无功优化问题的特点,提出了一种应用于电力系统无功优化问题的改进遗传算法.该算法将迭代群体分为一般组和精英组,对一般组进行交叉和变异操作,而对精英组只进行变异操作,实现分组进化.在该算法中利用整数和浮点数混合编码,并对遗传算法的选择,交叉、变异算子进行改进,采用自适应罚因子、交叉率和变...     

基于改进量子遗传算法的电力系统无功优化

提出一种基于改进量子遗传算法的电力系统无功优化方法。该方法借鉴量子计算的一些概念,采用量子比特对控制变量编码,这种编码方式能表示出许多可能的线性叠加态,从而更好地维持种群的多样性。同时利用搜索到的最佳个体信息更新量子门,加快了该方法的收敛速度,采用群体灾变策略防止该方法陷入“早熟”。分别采用线性规划算法、复合形算法、改进禁忌搜索算法、标准遗传算法、自适应遗传算法和该方法对IEEE 6和IEEE 30节点系统进行无功优化,实验结果表明,该方法全局寻优能力强、收敛速度快。     

一种电力系统无功优化的新型混合优化算法

提出了一种适合于求解电力系统无功优化问题的新型混合优化算法,该算法结合基于邻域搜索的群搜索优化算法和改进灾变遗传算法。综合考虑两种算法的特点,将无功优化问题分步进行交替求解,第一步采用改进灾变遗传算法迭代两次更新解群体,第二步在此基础上采用基于邻域搜索的群搜索优化算法使群体中各解向当前最优解靠拢,交替进行,最终达到全局最优解。在IEEE118节点系统试验计算结果表明,与其他算法相比,该混合算法具有较好的全局收敛性且不容易陷入局部最优,在优化效果以及算法稳定度上都具有明显的优势。在某实际290节点电网计算结果表明,该混合算法能够适应实际电力系统无功优化问题的求解。     

配电线路10/0.4kV综合无功优化配置建模

配电网中合理采用高低压多种无功补偿方式能达到更佳的节能降损效益.为此,基于对配电网无功补偿工程因素的分析,提出了一种配电线路10/0.4 kV综合无功优化配置数学模型,以计及设备投资和降损收益的年总支出费用最小为目标,以各种无功补偿组数和容量为控制变量,并满足各种运行约束和安装维护约束.采用分组整数编码的灾变遗传算法进行求解.算例表明了该模型的优越性和算法的有效性.     

一种电力系统无功优化的新型混合优化算法

提出了一种适合于求解电力系统无功优化问题的新型混合优化算法,该算法结合基于邻域搜索的群搜索优化算法和改进灾变遗传算法.综合考虑两种算法的特点,将无功优化问题分步进行交替求解,第一步采用改进灾变遗传算法迭代两次更新解群体,第二步在此基础上采用基于邻域搜索的群搜索优化算法使群体中各解向当前最优解靠拢,交替进行,最终达到全局最优解.在IEEE118节点系统试验计算结果表明,与其他算法相比,该混合算法具有较好的全局收敛性且不容易陷入局部最优,在优化效果以及算法稳定度上都具有明显的优势.在某实际290节点电网计算结果表明,该混合算法能够适应实际电力系统无功优化问题的求解.     

基于改进遗传算法的配电网无功优化

对配电网无功优化问题进行了研究.针对无功优化问题的特点,提出了一种应用于电力系统无功优化问题的改进遗传算法.该算法将迭代群体分为一般组和精英组,对一般组进行交叉和变异操作,而对精英组只进行变异操作,实现分组进化.在该算法中利用整数和浮点数混合编码,并对遗传算法的选择,交叉、变异算子进行改进,采用自适应罚因子、交叉率和变异率,提高了收敛速度和解的质量.采用IEEE6节点系统验证了所提算法的有效性和实用性.     

用改进的Tabu搜索方法优化补偿电容器分档投切的研究

对基本的 Tabu搜索方法进行了改进 ,将“改进遗传算法”中的优化编码技术引入 Tabu搜索方法 ,并在此基础上引入动态管理退出迭代判定条件、动态管理 Tabu表深度和动态管理邻域搜索规模等 ,用以处理补偿电容器分档投切的组合优化问题 ,并给出了算例     

基于单亲遗传算法的配电网络规划

配电网络规划属于非线性混合整数规划问题，应用传统数学优化算法往往难以直接求解，文章针对目前应用广泛的常规遗传算法在求解该问题时存在的难以保证方案连通性和辐射性的缺陷，提出了基于单亲遗传算法的配电网络优化规划算法，于整数编码策略，给出了配电网络规划中变量编码的具体方法和迭代求解程序，该算法具有进化操作成功率高，求解配电网络优化规划问题的效率高等优点，同时可将简化网架结构和选取导线截面结合在一起，既可确保解的最优性，又可减少工作量，仿真算例验证了该方法的快速性和有效性，该算法还适用于辐射型配电网络的扩展规划和配电网络的重构。     

Reliability constrained generation expansion planning by a modified shuffled frog leaping algorithm

This paper introduces a modified shuffled frog leaping algorithm (MSFLA) to solve reliability constrained generation expansion planning (GEP) problem. GEP, as a crucial issue in power systems, is a highly constrained non-linear discrete dynamic optimization problem. To solve this complicated problem by MSFLA, a new frog leaping rule, associated with a new strategy for frog distribution into memeplexes, is proposed to improve the local exploration and performance of the SFLA. Furthermore, integer encoding, mapping procedure and penalty factor approach are implemented to improve the efficiency of the proposed methodology. To show the effectiveness of the method, it is applied to a test system for two planning horizon of 12 and 24 years. For the sake of methodology validation, an ordinary SFLA as well as a Genetic Algorithm (GA) are both applied to solve the same problem. Simulation results show the advantages of the proposed MSFLA over the SFLA and GA.     

基于遗传算法的无功规划优化

提出了一种应用于电力系统无功规划优化问题的改进遗传算法。该算法对传统遗传算法的编码方式、群体规模以及遗传３算法等方面进行了     

无源滤波器的多目标优化设计

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，以及现有优化设计方法中假设条件较多、寻优空间较小、寻优能力不强、对实际因素考虑不全面等问题，提出了一种无源滤波器的多目标优化设计方法。将无源滤波器的初期投资、无功功率补偿容量、滤波后电网谐波含量作为三个目标，利用遗传算法对无源滤波器的参数进行优化设计。通过适应度函数的阈值制约以及以不同概率进行染色体选择操作，使得种群朝三个目标最佳协调点的方向进化；并且，为了克服算法的早熟收敛，引入混沌算子来增加种群的多样性；最后对一个混全滤波实验系统进行了无源滤波参数的多目标优化设计。实践表明，设计出的无源滤波器具有良好的综合性能。     

Loadability enhancement with FACTS devices using gravitational search algorithm

In the present work, GSA (gravitational search algorithm) based optimization algorithm is applied for the optimal allocation of FACTS devices in transmission system. IEEE 30 & IEEE 57 test bus systems are taken as standards. Both active and reactive loading of the power system is considered and the effect of FACTS devices on the power transfer capacity of the individual generator is investigated. The proposed approach of planning of reactive power sources with the FACTS devices is compared with other globally accepted techniques like GA (Genetic Algorithm), Differential Evolution (DE), and PSO (Particle Swarm Optimization). From the results obtained, it is observed that incorporating FACTS devices, loadability of the power system increases considerably and each generator present in the system is being able to dispatch significant amount of active power under different increasing loading conditions where the steam flow rate is maintained corresponding to the base active loading condition. The active power loss & operating cost also reduces by significant margin with FACTS devices at each loading condition and GSA based planning approach of reactive power sources with FACTS devices found to be the best among all the methods discussed in terms of reducing active power loss and total operating cost of the system under all active and reactive loading situations.     

结合专家知识的遗传算法在无功规划优化中的应用

在遗传算法中采用专家知识辅助寻优,有助于改善寻优方向,防止过早收敛,由于无功功率不家远距离传输。因此电力系统中的无功平衡和电压调整具有很强的地区性。依据专家知识对少数被选中的个体动态形成本厂、站的就地无功／电压控制的有效变量集进行人工调整,可以改善遗传算法的局部寻优能力。该专家知识包括三个主要方面：消除电压越限、减少投资和降低网损。为了更符合实际情况,建立了母线电压对调节裕度的模糊隶属函数。对某实际系统的计算表明,结合专家知识的遗传算法能够更有效地找到全局最优。     

含UPFC的灵活交流输电系统最优潮流控制

潮流计算和无功优化计算是电力系统非常重要的计算,两者都包括在电力系统最优潮流（OPF）问题中,灵活交流输电系统（FACTS）的出现需要对传统的潮流计算进行修正,利用遗传算法探讨了含统一潮流控制器（UPFC）的灵活交流输电系统最优潮注控制问题,计算机仿真表明,该方法可有效解决含UPFC的灵活交流输电最优潮流控制。     

机组负荷最优分配的改进遗传算法

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。