考虑不可行度的改进遗传算法在电压无功调整中的研究

电压质量是电力系统安全经济运行的重要因素,需要利用合理的电压无功措施进行调整.在电压无功调整的数学模型中引入了不可行度概念,用于处理模型中的约束条件,并结合改进遗传机制的遗传算法对系统进行电压无功调整.不可行度的引入扩大了遗传算法的搜索域,提高了算法的寻优能力.通过对实际系统的分析计算表明,该算法可以较好地平衡来自目标函数最优化和约束条件限制的压力,有效地改善电压质量.     

基于遗传算法的电力系统无功优化

在总结常用的电力系统无功电压优化方法的基础上,建立了以网损、电压质量和无功潮流分布为目标函数的数学模型．然后对基本遗传算法进行了一些改进,并将改进的遗传算法应用到IEEE30节点系统进行验证．测试结果表明,改进的遗传算法有助于解决无功电压优化问题．     

电压不平衡度在电网中的分布规律

牵引负荷是电力网电压不平衡的主要原因,为治理电气化铁路负序问题,首先给出牵引负荷产生的负序电流的通用计算方法,并结合牵引变电所实测负荷数据,以某电力系统为例,通过编程、仿真分析了牵引负荷引起的电压不平衡度在电网中的分布规律。结果表明：1）从单个牵引变电所来看,阻抗匹配平衡变压器具有非常好的降低负序的效果;2）牵引负荷对高电压等级节点的电压不平衡度的影响很小;3）电压不平衡度随节点距牵引变电所的距离的增大而减小。     

变电站电压无功模糊控制系统的设计

提出了一种用于综合控制并联电容器组投切和有载调压变压器分接头切换的模糊控制算法，并设计了相应的控制系统，本系统具有较强的灵活性，能够适应现场的不同控制要求。     

地区电网无功电压优化控制的改进算法

本文针对实时控制的特点,对地区电网的无功功率和电压的最优控制问题进行了研究,提出了一种新的综合灵敏度矩阵求取方法,既能有效地减少计算工作量又能保持足够的计算精度。综合目标函数思想的提出,能根据不同的运行条件,实现网损最小和调整量最小的多目标优化。用在此改进算法基础上编制的FORTRAN语言程序对几个典型电力系统所作的计算研究表明,方法是可行的。     

基于改进遗传算法的电网无功补偿优化控制研究

电网无功功率补偿优化控制是一个多元非线性动态约束问题,传统的电网无功补偿非线性规划方案都需要精确的数学物理模型,且各参变量间的协调性较差,很难满足电网多目标优化控制的工程需要.利用改进蚁群算法分布式协同组合优化的思想,建立以电压越限畸变为惩罚函数,以电压和无功补偿综合满意度为目标函数的电网无功补偿优化控制模型.实例仿真试验表明,基于改进遗传算法的电网无功优化控制模型,通过自适应的目标函数最大路径寻优,获得电网无功功率补偿装置较优越的无功补偿组合,提高了电网无功补偿的综合效率,有利于系统电压的稳定性,为电网无功优化提供了一个新的智能运算模型.     

基于改进遗传算法的电网无功优化

无功运行优化问题的关键在于获得最优解或较好的次优解。传统的线性规划法和非线性规划法不能很好地处理整型变量问题 ,而简单遗传算法的鲁棒性不高。结合高中压配电网的特点 ,本文对简单遗传算法进行了改进 :采用十进制整型编码法和排序选择法 ,并对末位个体进行更新 ,最后采用模式法修正局部最优解。数值对比试验表明 ,本方法是合理的和可行的 ,具有一定的实用意义     

电力系统无功电压就地控制研究

针对电力系统无功电压就地平衡与控制相关问题,做了简单的论述,提出运用人工智能技术与中枢点调压等方法,实现电压控制,确保电力系统能够稳定运行.无功控制是潮流控制的主要模式,若能够实现无功电压就地有效控制,对确保电网运行的可靠性,有着极大的帮助.     

电力系统无功优化和电压调控方案的研究

本文对电力系统无功功率的合理配置进行优化，然后着重对电力系统发生故障后系统电压的变化机理及电压的稳定性和电压调节控制对策作了较深入详细的理论分析，确定了事故后无功功率的最小补偿容量及电压水平，并用曲线明确表示。     

基于改进遗传算法在分析企业客户群中的应用

为了对企业的客户群进行分类,解决简单遗传算法分类效率比较低的问题,采用改进的遗传算法自适应遗传算法和竞争杂交算法,在保持分类规则良好可解释性的基础上优化了基本遗传算法,经过实例仿真,验证了改进的遗传算法自适应遗传算法和竞争杂交算法比简单遗传算法在分类方面正确率更高,有助于企业充分掌握客户群,提高企业的利润．     

基于改进遗传算法的结构可靠度计算

针对传统的遗传算法容易产生早熟收敛现象以及局部搜索能力较差等缺陷,结合鱼群算法中具有加快寻优速度的追尾行为和克服局部极值能力较好的聚群行为对其进行改进。将改进后的遗传算法应用到框架结构的可靠度分析中,并以门式框架结构为例,建立了以单元截面积、外荷载为设计变量,可靠度指标为目标函数的优化模型。分别采用JC法与改进遗传算法对门式框架结构的可靠度指标进行对比计算,两种算法在同一验算点不同荷载值下的可靠度指标的计算结果相近,但改进后的遗传算法在分析过程中受到的约束条件较少,简单高效。     

基于改进遗传算法的有功经济负荷分配

提出将爬山算法与遗传算法相结合,从而构成了求解有功负荷分配问题的混合遗传算法,并进行实验计算。计算结果表明,用混合遗传算法求解有功负荷分配问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和爬山算法在全局搜索能力方面的不足,从而得到质量较高的解。     

改进的Apriori算法在成绩分析中的应用研究

针对经典Apriori算法会产生大量冗余规则的缺点,在两方面对算法进行了改进:一方面是对产生频繁项集方式的改进,使算法只产生包含目标项的频繁项集;另一方面是对产生规则方式的改进,使算法只产生关联后件中包含目标项的关联规则.Apriori算法改进前后的对比表明:改进后的Apriori算法可以避免非目标规则的产生,使算法更符合成绩分析的需要,提高算法的执行效率.将改进的Apriori算法应用于成绩分析中表明,改进后的算法能够挖掘出各门前导课程成绩对后续课程成绩的影响,因此可为教师制定有针对性的教学计划提供参考.     

基于改进遗传算法辨识空间机器人动力学参数

为了减小空间机器人动力学参数的误差,提高轨迹规划精度,根据空间机器人的角动量守恒方程,利用名义动力学参数估计角动量与真实角动量的差异,建立动力学参数辨识的误差模型,给出遗传算法的适应度函数.针对常规遗传算法容易出现"早熟"现象,采用小区间生成法、大变异策略和精英保留策略对其进行了改进.以六关节空间机器人为例进行的仿真结果表明,在参数复杂的情况下,采用改进后的遗传算法,计算效率和辨识精度均得到了提高。     

基于遗传算法的过程辨识方法实现与应用

简单遗传算法存在着收敛速度慢和容易早熟的缺点,针对这种情况,通过合理选择编码方式,改进初始种群选择策略、复制、交叉和变异策略提出一种综合的改进遗传算法,并将其应用于系统模型辨识。用基于排序法的新的选择算子和多个交叉、变异概率,能有效维持种群的多样性,克服算法早熟现象。在改进的算法中,同时用到精英保留策略和模拟小生境方法,保护优良个体,使算法的引导性增强。在系统辨识的过程中,结合系统先验知识,对模型的阶次辨识进行指导。最后通过几个系统辨识的实例验证了该算法的有效性。     

建筑结构优化设计的改进进退遗传算法

针对遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大、局部搜索能力差和迭代过程缓慢等缺点.提出一种离散变量结构优化设计的进退搜索算法与遗传算法结合在一起解决问题;并提出一种新的遗传算子———转基因算子,用于对遗传算法的改进.结果表明,这种改进退遗传算法即发挥了进退搜索算法省时、高效、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点;采用的改进措施效果明显,其收敛特性得到很好的改善.该算法是高效的理想工程结构优化设计方法.     

基于改进量子遗传算法的模型交互修正方法

针对传统有限元模型修正方法低效率、高成本且易陷入局部极值的缺点,提出基于改进量子遗传算法的静力多尺度有限元模型交互修正方法. 依据量子计算理论,对量子比特矢量态进行实数编码,以改进量子旋转门实现旋转角自适应更新,引入量子全局干扰交叉、变异、灾变等遗传操作,设计改进量子遗传算法. 以某钢-混组合梁桥为工程背景建立多尺度有限元模型,建立目标函数,对待修正区域进行分块处理. 利用最大互信息系数对待修正参数进行筛选,给出目标函数权重,通过Python语言实现了基于改进量子遗传算法的静力多尺度有限元模型交互修正. 结果表明,改进量子遗传算法相较于传统遗传算法、量子遗传算法具有更高的性能与精度,自动交互修正方法的效率较高,对材料弹性模量、厚度、车辆荷载等参数的修正与工程实际测试的情况基本吻合,目标函数修正结果相较于有限元计算的初始值,挠度误差降低至1.4%~14.3%,混凝土底板应力误差降低至2.6%~18.8%,钢梁应力误差降低至0%~11.1%.     

一种基于改进遗传算法的组卷算法

为了能更好地解决组卷质量和组卷速度之间的矛盾,提出了一种基于整数分段编码的遗传算法．该算法在保证组卷预期效果的前提下,不仅搜索速度快,而且能够避免遗传算法中经常出现的“早熟现象”,具有很好的收敛性和实用性．实践结果表明,该方法可以有效地解决智能组卷中的约束优化问题．     

基于改进遗传算法的核磁共振成像主磁体形状优化

针对核磁共振(NMR)成像永磁型主磁体极靴的形状优化问题，应用磁场数值分析和形状优化的理论和方法。探讨了大空间内磁场均匀的技术．以改进的遗传算法作为优化设计中搜索最优方案的工具，达到了在较大空间内磁场相对均匀的目的。     

基于改进遗传算法的两轮自平衡机器人能量优化策略

为有效使用有限的电池容量,延长机器人运行时间,针对机器人能量消耗问题,建立了两轮自平衡机器人的动力学模型和能耗模型。由于能量函数具有指数形式,很难获得解析解最小化能耗函数。因此提出基于改进遗传算法的分步渐进优化策略。通过全局寻优的方式对机器人的运动速度和能量消耗进行优化,解决了能耗最小化问题。通过仿真验证了算法的有效性和实时性。