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CAMOCS算法的多目标无功优化

针对传统算法在求解多目标函数上存在局限性问题,在标准多目标布谷鸟搜索(Multi-objective Cuckoo Search,MOCS)算法的基础上,采用Kent混沌映射生成多样性初始解,并自适应改变算法的搜索步长,结合多目标Pareto最优解概念,提出一种混沌自适应多目标布谷鸟搜索(Chaotic Adaptive Multi-objective Cuckoo Search,CAMOCS)算法,并利用该算法对所建立的多目标无功优化模型进行求解,最后在IEEE 14节点系统算例仿真验证了所提方法的有效性和可行性。     

基于免疫算法的多目标无功优化

在详细分析无功优化约束条件和目标函数以及研究无功优化免疫算法中抗体产生及其编码和解码的基础上,针对目前无功优化目标函数大多是基于权重系数基础多目标函数的组合,提出了基于免疫算法的多目标无功优化算法, 即用整体亲和力和部分亲和力概念来表示抗体对抗原的亲和程度,然后通过分别计算抗体的局部和整体亲和力来对抗体进行排序,依据此顺序选择抗体进行克隆、交叉变异等操作,并反复进行以求取系统无功优化的Pareto解集。对 IEEE14节点系统和IEEE118节点系统进行了多次无功优化计算,结果表明了该算法的有效性。     

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NSGA-Ⅱ算法的多目标无功优化

针对电力系统无功优化问题由单目标优化向多目标优化的转变中传统优化方法存在一些不足的情况,引入了NSGA-Ⅱ算法协调各目标函数之间的关系,找出能使各目标函数较大的pareto最优解集,建立了以最小化无功补偿设备投资运行成本、系统网损最小为目标的优化模型.IEEE39节点系统算例的仿真表明,此方法能够较方便地从几个较优解中找到符合各优化目标的全局最优解,并可以有效改善电能质量,满足经济性和可靠性要求.     

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。     

基于多种群蚁群算法的多目标动态无功优化

为在负荷变动条件下提高动态无功优化控制变量的调节效率和满足全天动作次数的限制,将全天电能损耗最小、有载调压变压器分接头动作次数和电容器投切次数分别最少作为目标函数,建立新的多目标动态无功优化模型.针对该模型提出改进的多种群蚁群算法,利用多种信息素交换方式,满足动态无功优化多目标、强时空耦合的特点,避免了蚁群算法陷入局部最优解.通过对 IEEE14、IEEE 30系统计算验证模型和算法的可行性和有效性.结果表明:该模型和算法能够降低系统能量损耗,提高电压质量     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化     

基于多目标粒子群算法的配电网无功优化

考虑到配电网经济性和稳定性,以网损最小、电压偏移量最小为目标的优化策略,建立了以传统手段电容器调节和静止无功补偿器出力为优化手段的无功优化模型。文中提出了不需要任何小生境参数的小生境技术的多目标粒子群算法,采用环形邻域拓扑结构利用粒子的局部记忆形成稳定的网络,并在决策空间和目标空间中采用特殊拥挤距离作为度量。用多模态多目标优化测试函数进行测试该算法性能。测试结果表明该算法能得到大量的帕累托最优解。最后使用33节点网络算例,验证算法在无功优化应用的优势。优化结果表明所提出的改进算法在配电网无功优化方面的有效可行性,所得出的多组无功补偿方案能为用户提供分布均匀且多样化的非劣解。     

基于NSGA-Ⅱ算法的多目标静态无功优化

由于静态无功优化目标函数大多是单目标或者人为赋予权重系数的多目标函数的组合,本文提出了一种综合优化网损、电压水平和电压稳定性的多目标无功优化模型。为了避免求解时的目标偏好性,引入了快速非支配排序遗传算法,设计了基于实数、整数编码的混合编码方式,通过非支配排序算子和拥挤度算子来协调各目标之间的关系,实现了计及变量约束和潮流约束的静态无功优化。采用方案校验模块完成对Pareto最优解集的校验。以IEEE30节点系统和IEEE118节点系统为算例进行仿真,多次无功优化计算的结果表明了该方法的有效性。     

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。     

基于多目标粒子群算法的电力系统无功优化

针对电力系统有功损耗和电压偏差,提出一种带有变异的多目标粒子群算法。该算法采用非支配排序和拥挤距离来提高算法的多样性。通过ZDT1～ZDT4基准函数验证该算法的性能,比较它与其他多目标进化算法的优劣。将该算法应用于对多目标无功优化求解,采用IEEE30节点系统验证算法在无功优化中的优势。优化结果表明,该算法能清晰地给出电力系统有功损耗与电压偏差间的竞争关系,并能为用户提供均匀分布的多样化的备选解,让用户可以根据不同情况灵活选择。通过多次结果的叠加显示了该算法的稳定性。     

基于量子免疫克隆算法的多目标无功优化

结合量子计算原理和免疫克隆算子,提出一种解决多目标无功优化问题的量子免疫克隆算法.该算法采用量子比特编码,使一个量子抗体可以同时表征多个信息状态,进而增加了种群的多样性;采用量子重组与量子非门操作的搜索策略,将全局搜索和局部寻优有机结合,确保所得解集快速有效地从不可行域边缘和可行域内部向最优Pareto前端逼近;采用目标函数值与理想化目标的接近程度来评价解的优劣性,有效降低了传统算法各目标函数值加权叠加过程中对权重选取的依赖性.IEEE 14节点系统仿真测试结果表明,该算法能有效提高系统运行的经济性和安全性.     

基于多目标粒子群算法的电力系统无功优化

针对电力系统有功损耗和电压偏差,提出一种带有变异的多目标粒子群算法.该算法采用非支配排序和拥挤距离来提高算法的多样性.通过ZDT1～ZDT4基准函数验证该算法的性能,比较它与其他多目标进化算法的优劣.将该算法应用于对多目标无功优化求解,采用IEEE30节点系统验证算法在无功优化中的优势.优化结果表明,该算法能清晰地给出电力系统有功损耗与电压偏差间的竞争关系,并能为用户提供均匀分布的多样化的备选解,让用户可以根据不同情况灵活选择.通过多次结果的叠加显示了该算法的稳定性.     

基于改进纵横交叉算法的多目标无功优化

针对有功网损、电压偏差和静态电压稳定裕度的多目标无功优化问题.提出了一种用于多目标的改进纵横交叉算法。该算法采用纵向和横向两个不同方向的搜索机制,摒弃基础纵横交叉算法的竞争算子。在纵向交叉后采用目标序列排序建立虚拟个体适应度,再对粒子虚拟适应度大小进行比较选择精英粒子,而横向交叉之后不进行粒子比较。与传统的NSGA-II相比,该算法能够使粒子在收敛的过程跳出局部最优,提高粒子多样性,同时提高效率。最后引进非支配选择和拥挤距离计算,产生Pareto前沿。通过和NSGA-II在IEEE 14节点系统、IEEE 57节点系统多目标无功优化上仿真对比,结果验证了所提方法收敛精度更高,其Pareto前沿分布更加均匀,范围更加广泛,能够很好的解决电力系统多目标无功优化问题。     

基于多目标粒子群算法的高维多目标无功优化

提出一种高维多目标电力系统无功优化模型。相比于传统的电力系统无功优化模型,该模型能够在无功优化中同时兼顾系统的有功损耗、电压水平、静态电压稳定性以及供电能力。针对已有的求解多目标无功优化模型的算法应用于求解所提模型时存在的局限性,进一步引入一种基于帕雷托熵的高维多目标粒子群优化算法并加以改进,使得该算法能够有效求解高维多目标优化问题。最后,利用IEEE-39节点系统验证了所提模型和求解算法的正确性和有效性。仿真结果表明,在传统的多目标无功优化模型中引入系统供电能力,能够在不恶化其他目标函数优化效果的情况下,使系统的供电能力得到提高。     

基于自适应混沌粒子群优化算法的多目标无功优化

针对粒子群无功优化中由于随机生成代表控制变量值的粒子,使得在优化迭代过程中易陷入局部最优解,而且后期收敛速度慢等问题,将混沌优化算法融合到粒子群算法中,提出了混沌粒子群算法求解多目标无功优化问题。该算法在初始化粒子即无功优化控制变量值时,采用混沌思想,增加控制变量取值的多样性;通过粒子群无功优化算法计算各个粒子对应的适应值即无功优化目标函数值,并按照其大小择优选取控制变量值进行混沌优化以帮助无功优化控制变量跳出局部极值区域;并根据无功优化目标函数值自适应地调整其惯性权重系数以提高全局与局部搜索能力。通过算例分析表明,采用自适应混沌粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快。     

基于自适应混沌粒子群优化算法的多目标无功优化

针对粒子群无功优化中由于随机生成代表控制变量值的粒子,使得在优化迭代过程中易陷入局部最优解,而且后期收 敛速度慢等问题,将混沌优化算法融合到粒子群算法中,提出了混沌粒子群算法求解多目标无功优化问题.该算法在初始化粒子即无功优化控制变量值时,采用混沌思想,增加控制变量取值的多样性;通过粒子群无功优化算法计算各个粒子对应的适应值即无功优化目标函数值,并按照其大小择优选取控制变量值进行混沌优化以帮助无功优化控制变量跳出局部极值区域;并根据无功优化目标函数值自适应地调整其惯性权重系数以提高全局与局部搜索能力.通过算例分析表明,采用自适应混沌粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快.     

基于免疫进化细菌觅食算法的多目标无功优化

为了更好地解决电力系统多目标无功优化问题,分析了当前多目标无功优化算法存在的缺陷,提出了一种基于免疫进化的改进多目标细菌觅食优化算法。该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好。IEEE14,IEEE30节点测试系统的算例结果表明所提的算法在多目标无功优化中具有良好的效果,为各目标之间的权衡分析提供了有效工具,是一种求解多目标无功优化问题的有效方法。