基于内点法与改进遗传法的无功规划优化混合算法

建立了利用调节发电机端电压、可带载调压变压器分接头与静止电容器组的补偿容量来获得系统年综合费用最小的无功规划优化数学模型.将此问题分成连续优化和离散优化两个子问题,采用非线性内点法和改进遗传算法交替求解的混合算法.在迭代的不同阶段,分别对内点法和改进遗传算法进行收敛条件改进,使两者的优化结果互为基础、相互利用,保证了混合算法的整体寻优效率.118节点系统的无功优化计算表明,所提算法可有效提高单一算法的收敛性能和运算速度. .     

实用的无功优化混合算法

为充分发挥遗传算法和内点法在求解无功优化问题中的优势,提出了一种混合算法用于电力系统的无功优化,将无功优化问题分解为离散优化和连续优化2个子问题,采用遗传算法和内点法分别求解。首先在遗传算法初始群体的确定中嵌入内点法计算,在改善遗传算法初始种群质量的同时求解连续优化子问题,并在初始种群中添加一组纯内点法的优化结果,使系统在一种次优状态再转入离散优化子问题,缩小搜索空间,大大加快了遗传算法的收敛速度。并对两种算法进行了实用性的改进,提高了算法的寻优效率。IEEE30节点系统仿真计算结果表明,与其他混合算法相比,该算法在计算速度和收敛能力方面都具有优势,且优化效果也可满足实际的需要。     

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。     

基于内点法和遗传算法无功优化的比较及应用

无功优化是电力系统实现电压和无功功率最优控制和调度的基础，使用者对无功优化程序功能的需求不同，采用的无功优化算法也不尽相同，内点法和遗传算法是其中较具代表性且差异较大的2种，对基于内点法无功优化的数学模型，遗传算法的适应度函数和收敛判据进行改进，在IEEE6节点系统进行校验，并分析其在湖北恩施电网无功优化控制方面的应用，结果表明，内点法无功优化的结果比改进遗传算法无功优化的结果差，且处理离散变量不方便，但计算速度快于改进遗传算法，随问题规模增大，内点法的这一优势更明显。     

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.     

基于组合算法的在线无功优化及策略

为解决无功优化问题,构造出一种实用的目标函数,提出一种基于设备优先级的组合算法。该算法结合了非线性原对偶内点法收敛快的特性和改进遗传算法处理离散变量的优点,提高了算法的全局收敛能力和收敛速度。利用短期负荷预报,对未来24h系统负荷进行分段并确定负荷水平,以此来确定无功补偿控制设备动作的优先级。在线无功电压控制系统采用控制设备优先级策略和组合算法的协调策略后,实现了控制设备的合理动作。仿真结果和实际电网的运行情况表明,基于设备优先级的组合算法能够合理控制设备动作,提高电网的电压合格率,降低电网损耗。     

基于改进免疫遗传算法的电力系统无功优化

针对无功优化问题的特点,在现有免疫遗传算法基础之上,提出一系列改进措施,形成了一种新的解决无功优化问题的改进免疫遗传算法。该算法将免疫遗传算法中常用的二进制编码改进为整、实数混合编码,提高了计算速度与精度;将通常的选择、变异操作与进化代数相联系,形成具有动态调整功能的改进Boltzmann退火选择、非均匀变异算子,提高了算法的全局收敛性,加快了计算速度;引入疫苗接种概念,有效地抑制了算法在进化过程中出现的退化现象,进一步加快了算法的收敛速度。以IEEE30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性。     

基于改进免疫遗传算法的电力系统无功优化

针对无功优化问题的特点,在现有免疫遗传算法基础之上,提出一系列改进措施,形成了一种新的解决无功优化问题的改进免疫遗传算法.该算法将免疫遗传算法中常用的二进制编码改进为整、实数混合编码,提高了计算速度与精度;将通常的选择、变异操作与进化代数相联系,形成具有动态调整功能的改进Boltzmann退火选择、非均匀变异算子,提高了算法的全局收敛性,加快了计算速度;引入疫苗接种概念,有效地抑制了算法在进化过程中出现的退化现象,进一步加快了算法的收敛速度.以IEEE30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性.     

改进遗传算法的无功优化规划在伊盟电网中的实现

电力系统无功优化规划是一个较复杂、多目标、非线性的混合规划。用常规的线性和非线性等方法进行优化计算,存在离散变量的近似处理问题,不符合无功规划的实际。而遗传算法由于自身特点,特别适合于解决多目标混合优化方面的问题,具有稳定的收敛特性,是一种先进的全局优化方法。基不足之外在于计算时间长,在种群和遗传代数不是足够大的情况下,易于收敛于局部极值点。为些提出了改进遗传算法,在计算速度和计算精度方面较传统遗传算法均有明显提高。     

基于改进遗传内点算法的电网多目标无功优化

将遗传算法和内点法相结合求解电力系统无功优化问题。改进了传统的遗传算法,采用混合编码和动态调整选择、交叉、变异算子,并在适应度函数中引入了内点法的对数障碍函数,有效地解决了实际系统的离散变量和状态变量易在边界取得的问题。在无功优化模型中,计及了网损,电压平均偏离,静态电压稳定裕度和调控费用4个指标。IEEE 14和IEEE 57节点算例系统的仿真结果表明,该算法稳定且具有很好的全局寻优能力和较快的收敛速度,能有效提高系统运行的经济性和安全性。     

基于遗传算法和内点法的无功优化混合策略

基于遗传算法与内点法，文中提出了一种新颖的混合策略来求解无功优化问题：不考虑无功优化中的离散约束，采用内点法求解得到初始解；根据优化变量的不同性质，将原无功优化问题分解为离散优化和连续优化2个子问题，并采用遗传算法和内点法交替求解。在遗传迭代的不同阶段，针对种群个体的不同特点，分别对遗传算法和内点法的具体实施方案进行了动态调整，使两者的优化结果互为基础、相互利用，保证了混合策略的整体寻优效率。IEEE30和IEEE118节点系统的仿真计算结果表明：与其他混合算法相比，该混合策略在计算速度和优化效果方面都具有明显的优势。     

基于内点法和改进粒子群算法的无功优化混合策略

基于内点法与粒子群算法,提出了一种混合策略来求解电力系统无功优化问题。根据优化变量的不同性质将无功优化问题分解为离散优化和连续优化两个子问题,采用改进的粒子群优化算法和内点法交替求解,使两者的优化结果互为基础,提高了混合策略的整体寻优效率;根据粒子运动趋势及目标函数中网损与节点电压无功的相关性,对基本粒子群算法进行改进,自适应调整惯性权重和罚因子;以IEEE30节点系统和某实际地区电网作为试验系统,验证了该算法的正确性和有效性。     

A hybrid genetic algorithm-interior point method for optimal reactive power flow

By integrating a genetic algorithm (GA) with a nonlinear interior point method (IPM), a novel hybrid method for the optimal reactive power flow (ORPF) problem is proposed in this paper. The proposed method can be mainly divided into two parts. The first part is to solve the ORPF with the IPM by relaxing the discrete variables. The second part is to decompose the original ORPF into two sub-problems: continuous optimization and discrete optimization. The GA is used to solve the discrete optimization with the continuous variables being fixed, whereas the IPM solves the continuous optimization with the discrete variables being constant. The optimal solution can be obtained by solving the two sub-problems alternately. A dynamic adjustment strategy is also proposed to make the GA and the IPM to complement each other and to enhance the efficiency of the hybrid proposed method. Numerical simulations on the IEEE 30-bus, IEEE 118-bus and Chongqing 161-bus test systems illustrate that the proposed hybrid method is efficient for the ORPF problem.     

离散粒子群与内点法结合的电力系统无功优化

基于离散粒子群优化算法与内点法,提出了一种新颖的混合策略来求解电力系统无功优化问题：不考虑无功优化中的离散约束,采用内点法求解得到初始解;根据优化变量的不同性质将无功优化问题分解为离散优化和连续优化2个子问题,并采用离散粒子群优化算法和内点法交替求解,使两者的优化结果互为基础、相互利用,从而保证了混合策略的整体寻优效率。以IEEE30和IEEE118节点作为试验系统,与常规的离散优化算法做比较,验证了该算法的正确性和有效性。     

基于混合遗传算法的变电站选址定容

针对变电站优化规划这种大规模组合优化问题,提出了一种结合遗传算法与交替定位分配算法的混合遗传算法(GA-LA).该算法采用新型的三维编码策略,同时包含新建站的数量、站址和站容信息,并设计了适用于此新型编码的交叉算子和变异算子,以实现站址、站容的优化.其中,针对站址优化子问题,GA-LA算法将交替定位分配算法与遗传算法结合,在标准GA算子之后增加了一个LA算子,由GA算子进行种群中的全局广度搜索,LA算子进行染色体中的站址局部深度搜索,可实现无待选站址的自动寻优.算例结果表明,该方法具有较好的站址站容寻优能力和收敛性能,能满足实际电网中大规模变电站规划的需求.     

基于遗传算法和内点法的旋转备用经济分配

从经济角度分析,构建以系统发电成本和旋转备用成本最小为目标,以系统安全性要求为约束的电力系统短期经济调度数学模型。将此问题划分为离散优化和连续优化两个子问题,采用遗传算法和内点法相结合的混合算法来求解。仿真结果表明,提出的模型和算法是合理的和可行的。     

A tabu search based hybrid optimization approach for a fuzzy modelled unit commitment problem

This article presents a solution model for the unit commitment problem (UCP) using fuzzy logic to address uncertainties in the problem. Hybrid tabu search (TS), particle swarm optimization (PSO) and sequential quadratic programming (SQP) technique (hybrid TS–PSO–SQP) is used to schedule the generating units based on the fuzzy logic decisions. The fitness function for the hybrid TS–PSO–SQP is formulated by combining the objective function of UCP and a penalty calculated from the fuzzy logic decisions. Fuzzy decisions are made based on the statistics of the load demand error and spinning reserve maintained at each hour. TS are used to solve the combinatorial sub-problem of the UCP. An improved random perturbation scheme and a simple method for generating initial feasible commitment schedule are proposed for the TS method. The non-linear programming sub-problem of the UCP is solved using the hybrid PSO–SQP technique. Simulation results on a practical Neyveli Thermal Power Station system (NTPS) in India and several example systems validate, the presented UCP model is reasonable by ensuring quality solution with sufficient level of spinning reserve throughout the scheduling horizon for secure operation of the system.     

遗传算法在蒸汽参数优化中的应用及改进

蒸汽运行参数对机组经济性有较大的影响。以机组蒸汽参数优化为研究内容,针对非线性优化目标的特点,提出了采用遗传算法优化的新思路;并对遗传算法的解码方式、适应度函数、选择和变异方式进行了改进,使得参与遗传算法运算的所有个体都是可行解,大大减少了搜索中的无效操作,优化了搜索路径,有效地提高了遗传算法求解的效率和质量。算例表明:改进遗传算法的收敛性更好、适应性更强,能更有效地达到或接近全局最优。     

现代启发式算法在电网规划中应用的比较

分析了以遗传算法、模拟退火算法和禁忌搜索算法为代表的现代启发式算法应用于电网规划这类非线性组合优化问题时存在的缺陷。在传统遗传算法的基础上,结合模拟退火算法概率性的突跳搜索机制和禁忌搜索算法能避免迂回的邻域搜索机制提出了一种混合算法,并以地理信息系统为平台来求解电网规划问题。实际应用结果表明,采用文中的混合算法可提高计算速度、收敛性能和计算效率。     

风电全消纳下虚拟电厂内部资源鲁棒调度策略

虚拟电厂运行机制为可再生能源以及需求侧分布式电源并网提供了技术支撑。针对含风、火、水以及柔性负荷的虚拟电厂,构建了两阶段鲁棒优化模型。该模型在对风电出力全部消纳的情况下,优化其内部各单元出力,缓解风电的不确定性和随机性,保证虚拟电厂满足对某些负荷稳定供电的情况下,达到运行经济性最优。针对min-max-min型两阶段优化问题,将其分解为混合整数特性的主问题以及计及风电出力不确定性的线性优化子问题。然后引入线性优化强对偶理论与列约束生成算法对主问题与子问题进行迭代求解,与此同时,在迭代过程中采用Big-M法将子问题的对偶模型线性化。最后通过算例仿真验证了所提两阶段鲁棒模型的有效性。