基于改进模拟退火算法的电网无功优化

无功运行优化问题的关键在于获得最优解或较好的次优解.传统的线性规划法和非线性规划法不能很好地处理整型变量问题,而常规模拟退火算法(SA)的鲁棒性不高.结合高中压配电网的特点,对SA进行了改进:采用记忆指导搜索方法,并采用模式法修正局部最优解.数值对比试验表明,本方法是合理的和可行的,具有一定的实用意义.     

基于改进遗传模拟退火算法的电网无功优化

电网无功优化问题是一个多变量、多约束的混合非线性规划问题,其操作变量既有连续变量又有离散变量,优化过程复杂繁琐.遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应的全局优化搜索算法,可用于解决含有离散变量的复杂优化问题.针对传统遗传算法的收敛速度慢,易陷入局部最优解等缺陷,提出一种基于遗传模拟退火思想求解电力系统无功优化的新算法,并引入灵敏度分析,对基本遗传算法的编码、初始种群、适应度函数和交叉、变异策略等进行改进.使用本文算法对IEEE14节点进行优化计算,仿真结果证明了本文模型和算法的实用性、可靠性和优越性.     

一种地区电网多目标无功优化的新方法--改进模拟退火算法

本文介绍了改进模拟退火算法在地区电网无功优化中的应用。实际计算表明,与常规优化方法比较,模拟退火算法收敛性好,适应性强,是实现无功优化的好方法。另外,本文给出一种新的多目标模型,测试结果验证了此法的可行性。     

无功优化的改进模拟退火算法

介绍了模拟退火算法的基本原理,在原算法的基础上,针对实际应用中最后当前解是近似最优解且有可能比中间解差的情况,提出了将搜索过程与最优解更新序列分离的改进措施,通过设定阈值分别判断抽样过程和退火过程是否结束以保证解的最优性。最后,通过IEEE—30节点和IEEE—118节点系统无功优化算例说明改进算法具有建模简单,对系统的规模量不敏感,计算内存小及具有较好鲁棒性等优点。     

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。     

基于改进蚁群算法的电网无功补偿优化控制研究

电力系统无功功率补偿控制是个综合非线性问题,利用改进蚁群算法建立以电网电压畸变为约束条件、以电压和无功综合满意度达标为目标函数的无功优化综合数学模型。结合IEEE 14系统,对基于改进蚁群算法无功优化配置方案进行了仿真分析。结果表明,利用改进蚁群算法建立的无功补偿模型能够精确地进行电网无功功率的补偿,是无功优化控制的一种理想模型,具有一定的科学研究价值。     

基于改进蚁群算法的无功优化研究

建立了网损最小的数学模型,对蚁群算法的缺陷进行改进,包括对蚁群搜索到的路径进行排序,自适应调节路径上释放的信息素.同时又在信息素更新机制里引入微分进化算法的发散项,提高算法的收敛速度和全局寻优能力.通过IEEE-30节点的仿真计算,验证了改进蚁群算法在电力系统无功优化领域的可行性和有效性.     

基于改进差异进化算法的地区电网无功/电压实时优化控制研究

结合无功/电压实时优化控制模型提出了一种基于改进差异进化算法的地区电网无功/电压实时优化控制实现方法。该方法将差异进化算法与无功/电压控制特点相结合以改善初始种群质量、缩小寻优空间、进行\"约束指导\"与分群寻优提高算法的计算速度和效率。以某一实际地区电网为例进行无功/电压实时优化仿真计算,结果表明,所提算法和策略是可行、有效和实用的。     

基于改进鲸鱼优化算法的多目标无功优化调度

在鲸鱼优化算法(WOA)对求解电网无功优化问题中容易陷入局部最优、收敛速度慢、求解精度低等缺点时,本文将一种引入冯诺依曼拓扑结构的改进鲸鱼优化算法(AWOA)应用到ORPD问题中,在鲸鱼对猎物进行狩猎行为时,能够增加猎物的多样性,提高了算法的全局搜索能力。以系统有功网损和电压偏差为双目标函数,对IEEE 30节点系统进行仿真,并利用方差分析法(ANOVA)将所得结果与基本鲸鱼优化算法(WOA)、粒子群优化算法(PSO)进行比较,研究表明AWOA算法在搜索能力、迭代次数、收敛性上的潜力,并证明了在解决ORPD问题上的有效性、高效性及鲁棒性,同时也为解决非线性约束问题提供了新途径。     

基于仿射变换闪点算法的大电网无功优化

本文采用基于仿射变换的内点算法进行大型电力系统无功优化。这种方法，将标准化后的约束系数矩阵进行分块处理，通过利用矩阵求逆的反演公式，保留了系数矩阵高度稀疏的特点，极大地加快了计算速度，降低了对内存的需求量，从而使用于大型电网无功优化的内点算法向实用化前进了一步。对实际电网的优化计算表明，本文算法具有良好的特性。     

基于改进的Tabu搜索算法的电力系统无功优化

将一种改进的Tabu搜索算法用于电力系统的无功优化，建立了相应的数学模型，并以有功网损为目标函数。在传统的Tabu搜索算法的基础上，对补偿电容分组投切的二进制优化编码、退出迭代的判定条件、Tabu表深度、不同循环起点的选择等问题做了分析讨论，并做出了一定的改进，使得更容易跳出局部最优解，保证可以搜索整个可行域，从而得到最优解的可能性更大。文章应用改进的Tabu搜索算法对IEEE6节点系统进行了无功优化计算，与传统的Tabu算法进行了比较．结果袁明改进的Tabu搜索算法具有更强的全局寻优能力。     

基于SA-PSO的电力系统无功优化

粒子群优化算法是一种简便易行,收敛快速的演化计算方法。但该算法也存在收敛精度不高,易陷入局部极值的缺点。针对这些缺点,对原算法加以改进,引入了自适应的惯性系数和模拟退火算法的思想,提出了一种新的模拟退火粒子群优化(simulated annealing particle swarm optimization,SA-PSO)算法,并将其应用于电力系统无功优化。对IEEE14节点系统进行了仿真计算,并与PSO算法作了比较,结果表明SA-PSO算法全局收敛性能及收敛精度均较PSO算法有了较大提高。     

模拟退火法在电磁系统参数优化设计中的应用

探讨了如何利用模拟退火法 (SimulatedAnnealingAlgorithm ,简称SA算法 )和Powell法对电器电磁系统在满足动、静特性要求的情况下进行优化 ,以解决通常的优化方法如复形法和罚函数法等不能保证获得最优解及模拟退火法收敛较慢等问题。通过对ZDBX电脑剥线机电磁系统进行优化 ,证实了本文方法的可行性     

基于改进Tabu搜索算法的电力系统无功优化

本文将一种改进的Tabu搜索算法（MTSA）用于电力系统无功优化,建立了相应的数学模型,考虑了有功损耗费用和补偿费用,使得总费用最小。在一般Tabu搜索算法的基础上,对搜索步长、禁忌表、不同循环起始点的选择以及算法终止判据等问题做了分析、讨论,并做了一些改进,使得更容易朱出局部最优解,保证可以搜索整个可行域,从而得到全局最优解的可能性更。应用MTSA对IEEE6节点系统行了无功优化计算,与线性规划算法、Box算法进行了比较,结果表明MTSA与Box算法一类的随机搜索算法的优化结果相近,而较之浅性规划算法具有更强的全局寻优能力。     

改进遗传算法在电力系统无功优化中的应用

电力系统的无功优化控制,不仅能有效地降低系统的有功功率损耗,而且还可以改善电网的电压质量,对系统的安全稳定、经济运行具有非常重要意义。无功优化问题是一个含有连续变量和离散变量的混合优化问题,求解过程相当复杂,电力系统无功优化问题属于最优潮流问题的一个组成部分。探讨了求解无功优化的现代人工智能算法,总结分析了遗传算法的特点及使用情况。为提高解的质量与计算效率,对遗传算法做了改进,并将其应用于电力系统无功优化中。     

基于新型模拟退火算法的PSS参数优化方法

提出一种基于单纯形-模拟退火算法的电力系统稳定器(PSS)参数优化方法.以弱阻尼机电模式阻尼比构建目标函数,将单纯形法搜寻机理嵌入到模拟退火算法的基本步骤中,综合模拟退火算法全局搜索能力强、单纯形算法局部收敛速度快的优点.在新英格兰典型系统上的特征值分析表明,该方法是一种有效的PSS优化方法,所得的参数对系统运行方式的变化具有良好的鲁棒性.     

基于引力搜索算法的电力系统无功优化

无功优化是一个多变量、多约束、高维数的非线性规划问题,其离散变量与连续变量并存的特性使得传统优化算法难以对其进行求解。根据无功优化问题的特性,提出了一种适用于无功优化问题求解的引力搜索算法,该算法是受牛顿引力定律和粒子间相互作用的启发而提出来的一种新的优化算法,其理论基础深厚,物理意义明确,便于理解,简单易行。算例结果表明,引力搜索算法可以有效求解电力系统无功优化问题,且收敛速度快,数值稳定性好。     

基于改进遗传模拟退火算法的PMU优化配置

分析了遗传算法和模拟退火算法的优缺点,将具有较好全局寻优性能的遗传算法和具有较强局部搜索能力的模拟退火算法结合,形成的遗传模拟退火MGASA算法用于解决以电力系统状态完全可观测和PMU配置数目最小为目标的PMU优化配置问题.在寻优过程中,先将每一代群体进行遗传操作,再对产生的新群体中各个体进行模拟退火操作,同时在选择、交叉、变异和复制操作过程中实施最优保留策略,复制策略采用Metropolis判别准则.通过采用IEEE14和IEEE39节点系统对该算法进行验证表明,MGASA算法在解决PMU优化配置问题上具有较高的寻优性能和搜索效率.     

智能化模拟退火算法及其在电磁装置优化设计中的应用

本文提出了一种全局优化算法－智能化模拟退火算法，通过应用模糊推理技术，可以自动去除寻优过程中的不可行点，从而节省大量的计算时间。