多目标优化改进遗传算法在电网规划中的应用

针对电网规划的多目标性,提出一种改进的多目标优化遗传算法。该算法利用多种群概念很好地完成了优化过程中的多目标归一问题,提高了优化速度,算法中的变权重因子使规划工作人员可以方便地将决策的侧重倾向加入到优化过程中,从而更好地符合实际需要。     

基于改进多目标遗传算法的实时发电市场优化调度研究

实时发电市场需在短时间内完成投标与出清,与中长期市场相比时间更紧、价格波动更明显且更容易受到参与者行为的影响。在交易过程中,若单纯采用总购电成本最低进行出清,可能导致少量参与者占有大部分市场份额或剩余资源,造成市场集中度偏大。少量机组可利用其市场力操纵市场并获得超额回报,从而影响市场效率及稳定性。为了防止该类情形,提出一种兼顾市场集中度的实时发电市场多目标优化模型,通过监控HHI静态指标以及DHHI动态指标将市场集中度控制在合理水平。在模型求解过程中,通过改进的多目标遗传算法(Multi-objective Generic Algorithm, MOGA)实现了快速收敛及有限方案筛选。最后采用IEEE30节点标准系统进行仿真,仿真结果证实了模型的有效性及其算法的高效性。     

智能电网经济运行的多目标调度优化策略

探讨了新形势下电网监控调度和优化运行的问题。根据智能电网安全、经济、清洁的特点,以有功网损、污染气体排放量和系统电压稳定程度3个指标对电网的安全性、经济性和环保性进行量化评估,并将双馈感应发电机的模型加入到潮流计算的模型中,考虑了大容量风电并网对系统的影响,将上述指标作为优化目标,用强度Pareto进化算法对优化模型进行求解,并对上述3个优化目标进行寻优,很好地解决了智能电网中多方面的监测和多目标优化运行问题,为智能电网的监控运行提供了思路。     

基于改进天鹰优化算法的微电网多目标优化调度研究

微电网优化调度对降低企业用电费用,减少能源损耗和环境污染具有重要意义。研究了覆盖光伏、风电、储能、燃气轮机和柴油发电机的分布式电源,在微电网并网运行的情况下,为协调系统内部各微电源的出力情况,对光伏发电、风力发电和用电负荷功率进行预测,建立了以运行成本和污染治理费用最低的目标函数,并采用改进天鹰优化算法(IAO)进行求解,求得不同分布式电源和大电网的出力情况。仿真结果表明,该模型在保证用户持续供电的情况下,可以在一定程度上有效降低企业用户的用电成本以及减少污染物的排放,为微电网实际运行的功率分配提供指导。     

基于改进灰狼算法的配电网多目标优化调度

含新能源的配电网多目标优化调度作为智能电网优化的重要组成部分,对实现“双碳” 目标具有重要意义. 针对含新能源的配电网多目标优化调度,建立含新能源的配电网优化调度模型,利用改进多目标灰狼算法对其进行求 解,实现配电网在运行成本和环境成本最小模式下运行.算例结果证明了所提模型的正确性,并验证了改进灰狼算法 的优越性能.     

基于改进多种群遗传算法的节能环保多目标优化模型

电力系统多目标经济负荷分配问题是个非线性、高维的复杂优化问题。提出基于交互式的改进多种群遗传算法,通过引入精英策略和移民策略的多种群遗传算法可以有效地克服标准遗传算法容易陷入局部最优解、易早熟的缺陷。针对文中提出的煤耗和排放2个目标函数,提出了基于目标满意度和总体协调度的交互式多目标处理方法,通过寻求向量空间内满足总体协调度的最短"欧氏距离",来贴近决策者满意的理想值,解决了各目标函数之间最优解的相互冲突,达到协调好各个目标函数的目的,充分体现了决策者的意愿。试验算例表明,该算法能够有效地解决电力系统多目标经济负荷分配问题。     

含生物质能的微电网多目标优化调度

针对农村及偏远地区可利用的生物质能以及我国扶贫攻坚进入最后阶段,建立了含风、柴、储,生物质能的微电网,综合考虑燃料、电能交互、投资折旧、维护及环境成本等变动成本,使系统在一个调度周期内的总运行成本最低,建立了微电网多目标经济优化模型。在计及国家对可再生能源补贴价格的基础上,采用改进遗传算法进行求解。当基本遗传算法陷入某个局部最优解时,从临时Parcto解集中保留拥挤距离最大的个体,使个体密度小的Parcto解占优,从而使算法迅速跃出局部最优。24 h内优化的结果对比表明,所提的优化调度方案具有很好的实用性和应用前景。     

基于改进遗传算法的风电场多目标无功优化

针对风电场并网运行的多目标无功优化和电压稳定问题,建立了基于异步发电机内部等值电路的含风电场的电力系统无功优化模型,提出了风电场无功优化的目标函数和约束条件。结合非支配排序思想、精英保留策略、改进的小生境技术,得到了一种将向量模适应度函数作为淘汰准则的改进Pareto遗传多目标优化算法。以某风电场接入IEEE 14节点标准测试系统为例,将改进算法用于含风电场的电力系统无功优化。仿真结果表明,应用改进的遗传多目标优化算法可以同时得到多组Pareto最优解,为决策者提供了更多的选择余地,使风电场并网点母线电压在允许范围内。     

基于改进非支配排序遗传算法的电力系统无功–潮流多目标协同优化调度

提出了一种改进非支配排序遗传（Non-dominated sorting genetic algorithms,NSGA）-Ⅱ算法,其种群局部搜索和外部种群的设置有效提高了算法的收敛性和解集的多样性。将该算法应用于电力系统无功–潮流多目标协同优化调度问题的求解。采用IEEE-14和IEEE-30母线系统进行算例分析。算例仿真的结果表明,应用所提方法能够兼顾电力系统运行的无功优化目标和潮流优化目标,实现无功最优和潮流最优的折中;同时,改进NSGA-Ⅱ算法在收敛性和解集多样性上都优于传统NSGA-Ⅱ算法。     

基于多Agent的智能电网调度决策支持系统研究

随着"智能电网"概念的提出以及研究的不断深入,传统的电网调度面临着挑战,建立安全、可靠、高效、经济的智能电网调度决策支持系统成为了大势所趋.分析了传统调度体系的局限性,为调度决策支持系统构建了多智能体型的体系结构,阐述了多智能体系统的基本构成及工作原理,构建了智能电网下调度决策支持系统的基本框架,重点介绍了智能电网调度决策支持系统的概念和各功能模块的基本功能.     

基于遗传算法的智能电能表配送车辆优化调度

从车辆路径问题的属性角度对智能电能表的配送优化调度问题进行了描述,并对该问题进行了假设,建立了比较符合实际的数学优化模型,并基于遗传算法的工作流程对该优化问题进行了分析求解,最后基于matlab建立了一个仿真计算模型,得出了最优的配送方案,说明了该方法对于求解智能电能表配送优化调度问题的有效性。     

基于改进粒子群算法的微电网多目标优化调度

微电网优化调度作为智能电网优化的重要组成部分,对降低能耗、环境污染具有重要意义.微电网的发展目标既要满足电力供应的基本需求,又要提高经济效益和环境保护.对此,提出了一种综合考虑微电网系统运行成本和环境保护成本的并网模式下微电网多目标优化调度模型.同时采用改进的粒子群算法对优化模型进行求解.仿真结果表明,该模型可以有效降...     

含分布式电源的智能配电网的多目标优化调度

随着智能电网的建设,分布式电源越来越受到青睐,对配电网内各个分布式电源的优化调度也越来越重要。本文综合考虑了配电网的运行费用和环境效益,建立了含有柴油机、风力发电机、光伏发电单元和燃料电池等分布式电源的智能配电网优化调度模型。然后在满足各种约束条件的基础上,使用遗传算法求解了该模型。接下来给出相应算例计算了目标函数,通过分析计算结果,得出多目标优化调度模型的可行性与优越性。     

含抽水蓄能电站的区域电网多目标优化运行研究

随着光伏、风电等出力波动性强的可再生能源并入区域电网,系统的调峰调频面临新的挑战。抽水蓄能电站具有双向调节的特点,负荷低谷时利用富余的电能抽水蓄能,负荷高峰时放水发电减缓供电压力,对区域电网可再生能源消纳和抑制负荷波动具有重要作用。以区域电网可再生能源消纳最大和负荷波动最小为目标建立含抽水蓄能的多目标优化调度模型,采用了非支配排序遗传算法(NSGA-II)对优化模型进行求解。以某区域电网典型运行方式的数据为算例对模型进行验证,结果表明所提模型优化有效提高新能源消纳和平抑负荷波动。     

基于遗传算法的电网经济调度新方法的研究

本文简述了人工智能优化方法－－遗传算法基本原理，提出了一个实用性能较好的电网经济调度模型，就遗传算法解决电网安全的调度问题进行了深入研究，建立了多机系统的适值函数，对基本遗传算法提出了有效改进策略，为解决电网安全约束经济调度问题展示了新方法。     

基于改进NSGA-III的多目标优化调度方法及应用

多目标优化调度是生产过程中最优规划问题,对此提出了一种基于改进NSGA-III算法的多目标优化调度方法并将其应用于供电运维排班规划中.在基本NSGA-III算法的基础上,通过保留精英代策略、快速非支配排序和自适应归一化技术提高算法的收敛性,同时结合运维班组任务优化过程中的影响任务完成的人员静态因素和动态因素进行量化处理,实现变电运维人员的优化调配, 提高运维效率. 最后通过实际算例验证了模型及算法的合理性和可靠性.     

水库群消落期多目标智能优化调度研究

本文考虑了河道天然流量模式调度需求,以发电量、供水满足度最大和河道流量偏差函数值最小为目标,建立了水库群消落期多目标优化调度模型,采用非支配排序遗传算法求解,以湘江流域东江-双牌-涔天河水库群为研究对象,进行了实例分析。研究结果表明：相比常规方案,在丰、平、枯水年情景下,发电量最大方案分别能提高1571万kW·h(11.2%)、1167万kW·h(10.9%)和811万kW·h(10.0%)的发电量;生态效益最好的方案,能减小1.56(61.2%)、0.33(6.3%)和0.89(13.6%)的河道流量偏差函数值;供水满足度最大的方案能提高2.1%、2.6%和3.4%的供水效益。构建的水库群消落期多目标优化调度模型可为长江流域水库群消落调度提供理论参考。     

基于多种群遗传算法的电力系统多目标优化

为解决电力系统经济问题中的多目标问题,如煤耗和排放两个目标函数间最优解的相互冲突,协调好各目标函数,提出一种基于交互式多目标处理方法的多种群遗传算法。该算法通过追求最小总体协调度,即寻求满足总体协调度的最短"欧氏距离",来获得决策者的满意理想值;算法还引入精英策略和移民策略,提高寻优范围和效率,且能有效克服标准遗传算法通过迭代次数终止迭代、易早熟的缺陷。优化结果能体现决策者的主观意愿。实验算例验证了该算法的寻优效率,结果表明了算法的适用性和可行性。     

宏观进化多目标遗传算法在梯级水库调度中的应用

宏观进化多目标遗传算法(macro-evolutionary multi-objective genetic algorithm,简称MMGA),是一种新的高等物种进 .化算法,它可以避免传统遗传算法(genetic algorithm,简称CA)在选择过程中出现的早熟收敛现象.MMGA是综合宏观进行化算法(macro-evolutionary algorithm,简称MA)与GA而形成的,该算法的特点是引进了MA算法中的种群问关联矩阵.利用种群间的适应度信息和个体间的距离信息,能够保持种群的多样性,为解决多目标规划问题提供了一条新的途径.本文将介绍MMGA算法的原理及步骤,并将其用到水库多目标优化调度中.     

基于多种群遗传算法的电网无功功率优化

利用新型优化理论-遗传算法进行电网无功功率优化,分析了简单遗传算法各个进化参数对无功优化性能的影响,并对简单遗传算法的生殖操作做了改进,引入多个种群同时进行优化搜索,大大降低遗传控制参数的不当设定对优化结果的影响.通过算例表明多种群遗传算法对抑制未成熟收敛的发生有明显的效果,并且经过同IEEE14节点配电网的算例结果比较,证明了该方法在电网无功优化中的有效性.