遗传算法在电力系统无功优化中的应用综述

遗传算法是近10年来发展的基于自然选择规律的一种优化方法，算法能成功的解决无功变量中的离散问题，避免常规数学优化方法的局部最优现象。本文阐述了简单遗传算法以及遗传算法与其它算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

遗传算法在电力系统无功优化中的应用综述

遗传算法是近十年来发展的基于自然选择规律的一种优化方法，算法能成功的解决无功变量中的离散问题，避免常规数学优化方法的局部最优现象。本文详细阐述了简单遗传算法以及遗传算法与其它算法相结合的混合算法在电力系统无功优化中的应用和今后的发展方向。     

遗传算法在电力系统无功优化中的应用

遗传算法(GA)是近10年来发展的基于自然选择规律的一种优化方法,算法能成功的解决无功变量中的离散问题,避免常规数学优化方法的局部最优现象。根据众多参考文献,阐述了简单遗传算法(SGA)以及GA与其他算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

遗传算法在电力系统无功优化中的应用综述

简要介绍了电力系统无功优化的现状 ,无功优化使用的各种经典方法均存在着只能得到局部最优解的缺陷。一种模拟自然界生物进化的新原理———遗传算法从其诞生之日起就蓬勃发展起来 ,广泛应用于各个领域。详细地阐述了简单遗传算法以及遗传算法与其它算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

遗传算法在电力系统无功优化中的应用综述

简要介绍了电力系统无功优化的现状,无功优化使用的各种经典方法均存在着只能得到局部最优解的缺陷,一种模拟自然界生物进化的新原理－遗传算法从其诞生之日就蓬勃发展起来,广泛应用于各个领域,详细地阐述了简单遗传算法以及遗传算法与其它算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

基于遗传算法的无功优化模型研究

遗传算法是近十年发展起来的基于自然选择规律的一种优化方法。本文阐述了遗传算法（GAs)在电力系统无功优化中的应用。实例证明计算表明,与常规无功优化方法相比,该算法成功地解决了无功优化中变量的离散问题,避免了常规数学优化方法的局部最优现象。     

电力系统无功优化方法综合分析

无功优化是电力系统电压稳定与经济运行的核心问题 ,也是提高电力系统电压质量的重要措施。本文简要地介绍了无功优化的经典算法 :梯度类算法 ,牛顿法 ,二次规划法和线性规划法。详细地分析了人工智能方法在无功优化中的应用 ,即遗传算法、模拟算法、Tabu搜索法、混合算法、专家系统、人工神经网络法、模糊优化法等应用于无功优化的基本思路 ,还对动态规划法进行了分析 ,并进行诸多方法的比较 ,得出了合理的结论 :遗传算法及其与其它算法的结合 ,将使遗传算法在无功优化与控制的应用领域中发挥愈来愈大的作用     

遗传蚁群融合算法及在不确定性无功优化中的应用研究

在双层规划的理论基础上,针对电网无功优化中的负荷不确定性问题,建立了以网损最小为上层优化目标、以满足电压约束条件为下层优化目标的电力系统无功优化模型.并将遗传算法和蚁群算法结合起来用于求解,采用遗传算法生成信息素的初始分布,利用蚁群算法求精确解.以IEEE30节点系统作为试验系统,验证了无功优化模型及算法的正确性和有效性.     

电力系统无功优化方法综合分析

无功优化是电力系统电压稳定与经济运行的核心问题，也是提高电力系统电压质量的重要措施。本文简要地介绍了无功优化的经典算法：梯度类算法，牛顿法，二次规划法和线性规划法。详细地分析了人工智能方法在无功优化中的应用，即遗传算法、模拟算法、Tabu搜索法、混合算法、专家系统、人工神经网络法、模糊优化法等应用于无功优化的基本思路，还对动态规划法进行了分析，并进行诸多方法的比较，得出了合理的结论：遗传算法及其与其它算法的结合，将使遗传算法在无功优化与控制的应用领域中发挥愈来愈大的作用。     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,文章将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,算法对IEEE 6、IEEE 30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的.     

基于遗传算法的电网无功优化

将遗传算法应用于电力系统无功优化,对遗传算法的编码方式、遗传算子以及中止判据方面做了详细的阐述,建立了基于遗传算法的电力系统无功优化模型,避免了常规数学优化方法的局部最优问题.计算机仿真结果表明,遗传算法能够更好地收敛于全局最优解,能更切合电力系统运行的实际,能有效提高电压质量和降低网损.该算法已应用于某地区无功优化软件,取得了较好的效果.     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,该文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE6、IEEE30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的.     

基于改进遗传算法的电力系统无功规划优化

简要分析了几种无功优化方法的局限性,通过比较得出遗传算法是求解无功优化的一种有效的方法,并在简单遗传算法(SGA)的基础上,提出了更加有效的算法即改进遗传算法(IGA).该算法针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,借鉴了模拟退火思想在遗传算法的执行过程中对个体适应度不断进行修正,并采用了浮点数编码、双层结构群体、自适应的交叉率和变异率等改进措施.算例表明这种改进的遗传算法优化效果好,而且在精度和收敛度上都有较大提高.     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,本文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE 6、IEEE30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的.     

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.     

遗传蚁群融合算法及在不确定性无功优化中的应用研究

在双层规划的理论基础上,针对电网无功优化中的负荷不确定性问题,建立了以网损最小为上层优化目标、以满足电压约束条件为下层优化目标的电力系统无功优化模型。并将遗传算法和蚁群算法结合起来用于求解,采用遗传算法生成信息素的初始分布,利用蚁群算法求精确解。以IEEE30节点系统作为试验系统,验证了无功优化模型及算法的正确性和有效性。     

遗传算法在电力系统无功优化中的应用

遗传算法根据自然界适者生存的原则进行搜索和优化。将遗传算法应用于电力系统无功优化，不仅能避免一般优化算法的局部最优问题，并能解决无功优化中变量的离散问题，避免维数灾难，提供最优及次优方案，使无功优化更切实际。遗传算法的引入，为电力系统无功优化提供了一种新的计算方法，使无功优化方法更加完善和实用。     

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。     

基于遗传算法的含分布式发电的配电网无功优化控制研究

提出了基于遗传算法的含分布式发电的配电网无功优化算法.构建了包含分布式发电系统的配电网无功优化数学模型,充分考虑了网损最小和节点电压的约束,采用遗传算法对分布式发电的无功功率给定进行了优化,仿真结果表明该优化算法能够有效地减少功率损耗和提高电压质量.     

电力系统无功优化研究的进展与展望

介绍了关于多目标函数时无功优化数学模型的建立,在分析了一些常用的优化算法基础上,重点介绍了实际电网中常用的现代智能优化算法,包括遗传算法、粒子群算法、差分算法在无功优化上的应用的进展,最后对无功优化的未来研究方向做出了展望.