自适应遗传算法在电力变压器优化设计中的应用

对遗传算法的交叉率和变异率参数以及适应度函数等方面进行了研究,改进了自适应遗传算法,给出了单目标和多目标的电力变压器优化设计的实例.     

基于改进自适应遗传算法的电力变压器优化设计

结合电力变压器设计特点对遗传算法的交叉率和变异率参数以及适应度函数等方面进行研究,改进了自适应遗传算法．应用经典数学函数验证表明该算法具有较高的全局寻优效率。同时给出了单目标和多目标的电力变压器优化设计的实例,应用结果表明,改进自适应遗传算法对电力变压器的优化设计效果明显,     

基于改进遗传算法的无功综合优化

简要分析了传统的电力系统无功优化方法的局限性之后,提出了一种快速有效的求解方法——改进的遗传算法(IGA)。在简单遗传算法(SGA)的基础上,提出了自适应遗传算法,该算法采取了与个体分布散度成正比,并随最优个体保留代数成指数上升的自适应变异率;同时也采取了自适应的交叉率．该交叉率与群体中最大的适应度值和每代群体的平均适应度值有密切的关系。算例表明提出的算法优化效果好．而且在精度上和收敛速度上都有较大的提高。     

采用云理论自适应遗传算法的舰船电力系统故障智能恢复策略

提出了基于云理论自适应遗传算法并面向负荷投切的舰船电力系统故障智能恢复策略,该方法在考虑负荷和开关优先级及线路负荷分配均衡的基础上,借助于正态云固有的稳定倾向性和随机性,由云发生器自适应调整交叉率和变异率,增强了算法鲁棒性,改善了算法收敛速度。算例分析验证了基于云理论自适应遗传算法多目标故障恢复策略的可行性和有效性,且优于标准遗传算法和传统自适应遗传算法,具有一定的实用价值。     

基于自适应遗传算法的配电网无功优化

针对传统的遗传算法在求解配电网无功优化问题时容易陷入局部最优,并且收敛速度慢的缺点,将自适应遗传算法引入配电网无功优化中,采用自适应的交叉率和变异率使之符合遗传算法动态性和适应性搜索过程,并在编码方式、适应度函数设计、遗传操作以及终止判据等方面进行改进,对IEEE 33测试系统进行仿真分析,算例表明了算法的实用性和有效性。     

改进自适应遗传算法及其在水电站最优报价中的应用

针对简单遗传算法(SGA)存在早熟和易陷入局部最优的不足,提出了一种新的动态调整交叉概率和变异概率的自适应遗传算法(AGA),同时对简单遗传算法的编码方式、选择、交叉和变异算子均进行了一定的改进。通过对一复杂函数———Schaffer函数进行求解,证明了这些改进措施有效地克服了早熟现象、提高了算法的全局寻优能力。并利用改进的自适应遗传算法对水电站报价策略模型进行求解,结果表明了该方法的有效性。     

基于自适应遗传算法的配电网无功优化

针对传统的遗传算法在求解配电网无功优化问题时容易陷入局部最优,并且收敛速度慢的缺点,将自适应遗传算法引入配电网无功优化中,采用自适应的交叉率和变异率使之符合遗传算法动态性和适应性搜索过程,并在编码方式、适应度函数设计、遗传操作以及终止判据等方面进行改进,对IEEE33测试系统进行仿真分析,算例表明了算法的实用性和有效性。     

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。     

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.     

人工免疫算法在水电机组优化组合中的应用

针对水电机组优化组合问题提出一种模拟生物免疫系统的人工免疫算法,给出算法的基本步骤,构造几种人工免疫算子,并对一个有12台机组的水电系统作仿真计算.计算结果表明:人工免疫算法比遗传算法具有更好的全局收敛性和收敛速度.     

改进的遗传算法在谐波抑制中的应用

介绍了３种抑制配电网中非线性负荷产生的高次谐波的方法,即系统极点及其灵敏度分析法、模拟退火法与遗传算法,并就遗传算法作了联系实际的剖析,对自适应遗传算法作了改进,使交换概率和变异概率能根据个体的适应度值自适应地改变。目的是克服传统谐波分析方法的盲目性,合理地优化滤波器在网络中的配置,以较少的投资获得最佳的网络谐波综合抑制效果。     

小生境遗传算法的模糊识别在局放中的应用

为解决BP模糊神经网络(FNN)在绝缘内部缺陷的局部放电识别中存在收敛速度慢、陷于局部极小值及常规的遗传算法(GA)处理多输入、多输出网络时易出现“早熟”现象等问题,采用了通过共享函数技术和拥挤技术来维持种群多样性的小生境遗传算法(NGA)识别局部放电。以NGA训练的模糊网络模型,在收敛速度、寻优能力和辨别效果方面均优于BP、GA算法下的模型,符合缺陷识别的工程需要。     

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。     

遗传算法PID参数优化的改进

介绍了遗传算法的基本原理 ,并针对简单遗传算法在PID控制中存在的问题进行了分析 ,提出在不同情况下采用不同的变异概率的方法 ,并分别进行了实验仿真。仿真结果表明 ,用改进的遗传算法优化PID参数 ,可以提高优化性能 ,对控制系统具有良好的控制精度、动态性能和鲁棒性     

变电站图像监控系统中一种低码率的图像分形压缩方法

针对大型变电站图像监控系统中图像传输的关键问题，提出了一种基于遗传算法的图像分形编码方法。该方法既利用了图像分形压缩的高压缩比特性，又利用了遗传算法的快速搜索特性，克服了图像分形压缩算法时间开销大的缺点。文章对基本的分形编码方法与基于遗传算法的分形编码方法以及和基于JPEG2000的编码方法做了比较。对遗传算法提出了扩大的可变的搜索空间，有效地避免了遗传算法在运行过程中存在的产生超级后代及失去优秀个体的可能。     

遗传算法在FACTS控制器参数优化中的应用

对遗传算法进行了全面改进(吸收了目前该领域研究的一些最新研究成果,例如:模拟退火、自调整等方法),并研究了遗传算法在FACTS控制器参数优化中的应用,证明了遗传算法良好的优化效果。利用本文的研究成果进行了陕西电网中使用FACTS控制器的可行性研究,可以准确计算出安装FACTS控制器给电网带来的效益。     

基于灾变遗传算法的无功规划优化

摘要： 提出了应用于电力系统无功规划优化的灾变遗传算法。算法中引入“灾变”的概念来保证解空间的多样性;采用了分组整数编码技术和锦标赛选择机制;提出采用与十进制整数编码策略相结合的邻近变异操作算子,以避免二进制编码中的海明悬崖。将此算法应用在佛山226个节点的电力系统中。结果表明它能克服一般遗传算法（GA）的早熟收敛倾向和改善GA的局部搜索能力,比常规GA的寻优效率高得多。     

遗传算法在电网规划应用中的改进

本文利用遗传算法建立了电网规划的数学模型，在此基础上提出了用竞赛法进行生殖操作、两点交叉、保留优良品种等改进措施，加快了收敛速度，提高了计算精度。     

BFOA based design of PID controller for two area Load Frequency Control with nonlinearities

This paper presents an application of the novel artificial intelligent search technique to find the parameters optimization of nonlinear Load Frequency Controller (LFC) considering Proportional Integral Derivative controller (PID) for a power system. A two area non reheat thermal system is considered to be equipped with PID controller. Bacterial Foraging Optimization Algorithm (BFOA) is employed to search for optimal controller parameters to minimize the time domain objective function. The performance of the proposed technique has been evaluated with the performance of the conventional Ziegler Nichols (ZN) and Genetic Algorithm (GA) in order to demonstrate the superior efficiency of the proposed BFOA in tuning PID controller. By comparison with the conventional technique and GA, the effectiveness of the proposed BFOA is validated over different operating conditions, and system parameters variations.