一种求解多目标最优潮流的模糊优化算法

将模糊集理论和非线性原－对偶路径跟踪内点法应用于求解具有可伸缩约束的多目标最优潮流问题,选择合适的加速因子以改善算法的收敛性,并与单目标非线性最优潮流问题的计算结果进行了比较。对几个试验系统的计算表明,该算法具有稳定收敛性能,优化结果精确,灵活方便,处理变量不等工约束和函数不等式约束的能力很强,适合于求解大规模电力系统的多目标优化问题。     

基于自适应模拟退火遗传算法的多目标最优潮流

采用自适应遗传算法来确定基本遗传算法的交叉率和变异率,保证遗传算法的收敛性。同时引入模拟退火法思想,通过拉伸目标函数的适应度使优秀个体在产生后代时具有明显的优势,从而加速寻优的过程,形成一种新的算法:自适应模拟退火遗传算法。应用该算法进行电力系统多目标最优潮流计算,IEEE30试验系统计算结果表明了该算法的灵活性和有效性。     

基于自适应模拟退火遗传算法的多目标最优潮流

采用自适应遗传算法来确定基本遗传算法的交叉率和变异率,保证遗传算法的收敛性.同时引入模拟退火法思想,通过拉伸目标函数的适应度使优秀个体在产生后代时具有明显的优势,从而加速寻优的过程,形成一种新的算法:自适应模拟退火遗传算法.应用该算法进行电力系统多目标最优潮流计算,IEEE30试验系统计算结果表明了该算法的灵活性和有效性.     

求解多目标最优潮流的改进粒子群优化算法

本文对多目标最优潮流算法进行了研究,通过运用改进粒子群算法对考虑发电费用和有功网损的多目标最优潮流进行了计算。首先运用模糊集理论对多目标函数进行了处理,使其转化成单目标问题;其次对粒子群算法进行了改进,通过对加权系数和粒子位置变量的改变,避免粒子群在寻优过程中陷入局部最优;运用C均值聚类算法对解集作了聚类处理,使解满足均一化的要求。通过对IEEE系统的测试,证明了本文算法的正确性。     

基于禁忌算法的多目标无功优化

提出一种基于禁忌算法的多目标无功优化方法。在多目标优化中,包括了距离裕度和网损两项性能指标。首先在给定负荷增长方式的前提下,利用改进连续潮流法快速地找到电压崩溃点,进而求得当前运行点离崩溃点间的距离,并以此距离作为裕度指标,然后采用模糊集理论将裕度指标和网损指标两个目标优化问题转化为单目标优化问题,最后利用改进的禁忌算法对该单目标进行优化,使系统在满足约束的情形下既经济又安全地运行。文章在IEEE14节点系统上验证了该算法的优越性。     

基于禁忌算法的多目标无功优化

提出一种基于禁忌算法的多目标无功优化方法.在多目标优化中,包括了距离裕度和网损两项性能指标.首先在给定负荷增长方式的前提下,利用改进连续潮流法快速地找到电压崩溃点,进而求得当前运行点离崩溃点间的距离,并以此距离作为裕度指标,然后采用模糊集理论将裕度指标和网损指标两个目标优化问题转化为单目标优化问题,最后利用改进的禁忌算法对该单目标进行优化,使系统在满足约束的情形下既经济又安全地运行.文章在IEEE14节点系统上验证了该算法的优越性.     

免疫禁忌混合算法在电压稳定分析中的应用

针对目前系统静态电压稳定裕度计算中所用优化算法不能较好地满足实时性的要求,提出一种基于免疫禁忌混合算法的静态电压稳定裕度计算的新方法。该方法将自适应免疫算法和禁忌搜索算法有机结合在一起,通过改进的连续潮流法,可快速而准确地获取系统最大静态电压稳定裕度,在一定程度上弥补了传统优化算法效率上的不足。通过对IEEE30节点系统进行多次仿真计算。并与遗传禁忌混合算法、免疫算法的计算结果相比较,验证了该方法可行且有效。     

基于矢量距免疫算法的电力系统最优潮流计算

将基于矢量距理论的免疫算法应用于最优潮流计算,并在计算中引进自适应交叉和变异算子,根据抗体个体的适应度大小来动态调整交叉率和变异率,很大程度上保护了每代中的较优个体。根据最优潮流中控制变量的特点,运用浮点数编码方法,无需解码,计算简单;通过用IEEE 30节点标准测试系统计算多次,燃料耗费显著改善,表明了所用方法的可行性和有效性。     

基于混沌搜索的多目标模糊优化潮流算法

提出了一种混沌搜索与模糊集理论相结合求解电力系统最优潮流问题的新方法。该方法利用混吨变量的随机性、规律性、遍历性进行寻优，克服了基于导数的优化方法对于梯度信息的高度依赖性而造成的困难。用模糊集理论将多目标函数和可伸缩约束条件模糊化，把多目标最优潮流问题转化为单目标非线性规划问题，这种方法结构简单，易于实施。试验系统的计算结果表明，该算法具有较好的全局收敛特性，搜索速度快，求解精度高，使用灵活，是解决电力系统最优潮流问题的一种有效方法。     

基于混合优化算法的最优潮流计算

应用粒子群(PSO)与人工鱼群(ASFA)混合优化算法求解最优潮流(OPF)问题[1];该算法利用ASFA良好的全局收敛性与PSO的局部快速收敛性等优点,结合动态调整罚函数,将最优潮流问题转化为一个无约束求极值问题.最后,应用此算法对IEEE-30系统进行仿真,并与遗传算法、标准PSO算法、ASFA算法进行比较,结果表...     

基于混沌免疫混合算法的多目标无功优化

针对目前评价多目标函数解的不足,提出了将多目标函数各个解映射成多维空间中不同的点,利用这些点与理想点之间的欧氏距离来衡量各个解的优劣;同时针对无功优化、混沌优化算法和免疫算法的特点,提出了在采用免疫算法进行无功优化的记忆抗体群中,运用混沌优化方法和免疫算法的交叉和变异等操作对无功优化的连续变量和离散变量进行交替优化求解,并将它们运用于以降低有功损耗,提高电压稳定裕度及减小电压偏移为目标的无功优化中;通过 IEEE-30和IEEE-118节点算例系统验证了混合算法及最优解评价方法的正确性和可行性。     

Optimal Power Flow Using a Hybrid Optimization Algorithm of Particle Swarm Optimization and Gravitational Search Algorithm

Abstract—This article presents a hybrid algorithm based on the particle swarm optimization and gravitational search algorithms for solving optimal power flow in power systems. The proposed optimization technique takes advantages of both particle swarm optimization and gravitational search algorithms by combining the ability for social thinking in particle swarm optimization with the local search capability of the gravitational search algorithm. Performance of this approach for the optimal power flow problem is studied and evaluated on standard IEEE 30-bus and IEEE 118-bus test systems with different objectives that reflect fuel cost minimization, voltage profile improvement, voltage stability enhancement, power loss reduction, and fuel cost minimization with consideration of the valve point effect of generation units. Simulation results show that the hybrid particle swarm optimization–gravitational search algorithm provides an effective and robust high-quality solution of the optimal power flow problem.     

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。     

基于改进Tabu搜索算法的区域电网无功优化

为了满足无功优化的实时控制要求,提出了考虑静态电压稳定的区域电网无功优化方案。该方案采用改进的Tabu搜索算法,以有功网损最小为目标进行无功优化,记录优化过程中搜索得到的前10位最优网损解;然后对这10个最优网损解进行静态电压稳定裕度计算,再运用模糊集理论,将网损最小和静态电压稳定裕度最大两个目标的优化问题转化为单目标优化问题。通过算例仿真,证明了改进Tabu算法适合于解决区域输电网无功优化问题,同时也验证了本文提出的考虑静态电压稳定性的区域输电网二级无功电压控制方案是可行的,有效的。     

Optimal Power Flow Using Differential Search Algorithm

—In this article, a new nature-inspired metaheuristic technique called the differential search algorithm is proposed to solve the optimal power flow problem. The proposed differential search algorithm has been developed and tested under normal and contingency power system conditions. To show the effectiveness of the proposed method, it has been demonstrated on the standard IEEE 30-bus and IEEE 118-bus test systems with different objectives that reflect performance indices of the power system. Obtained results using the proposed technique indicate that the proposed differential search algorithm provides an effective, a robust, and a high-quality solution for the optimal power flow problem. The comparisons of the proposed differential search algorithm results with those reported in the literature reveal the potential and superiority of the proposed algorithm in terms of the optimal solution quality and robustness.     

考虑不确定性因素的模糊最优潮流的发展

近年来,模糊集理论应用于求解电力系统最优潮流中的不确定性问题已取得很大的进展,在某些方面已趋向实用化,但仍有许多问题有待进一步深入研究。本文综述了模糊集理论应用于求解考虑不确定性因素的最优潮流问题的研究现状,并对其发展趋势进行了预测。     

基于布谷鸟搜索算法的微网多目标优化运行研究

微网能有效地接入包括可再生能源发电在内的各类分布式新能源,而可再生能源发电的输出功率具有不确定性,给微网的经济、可靠和安全运行带来了挑战。蓄电池作为储能装置是保证微网系统安全可靠运行的重要组成部分。研究了含风力发电、光伏发电和蓄电池的微网的特性,考虑了微网发电费用、排污罚款、供电可靠性和网络损耗,建立了多目标微网优化运行模型。采用多目标的布谷鸟搜索算法来求解该复杂非线性优化问题,微网算例的仿真结果验证了模型的正确性和算法的有效性。     

基于改进交叉熵算法的概率最优潮流计算

分布式发电并网所表现出的随机性使传统的优化运行无法做出准确计算,因此概率潮流理论成为了含分布式发电系统分析运算的基础。针对分布式发电随机性以及概率潮流概率化运行特点,在运用概率潮流应对分布式发电随机性的基础上提出了基于改进交叉熵算法的概率最优潮流运算方法。通过建立计及分布式发电的总发电成本和系统的稳定性双目标优化模型,完成含分布式发电的配网侧整体优化运算。最后与传统的遗传算法在相关算例上完成仿真对比运算,证明所提方法的高效性与精确性。     

基于模糊控制遗传算法的电力系统最优潮流

遗传算法是一种全局优化方法,适合解决具有离散变量的混合非线性规化问题。模糊控制方法在解决具有可伸缩约束的规划问题具有明显优势。将遗传算法与模糊控制理论相结合应用于求解多目标函数的最优潮流问题,是一种比较有效的新方法。通过IEEE14节点和IEEE30节点算例计算,并与传统的遗传算法结果对比表明,该算法具有稳定收敛、优化结果精确合理、计算速度较快的特点,适合求解多目标混合非线性规划问题。