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...     

改进遗传算法结合灵敏度分析的无功优化

针对标准遗传算法(SGA)在用于实际大规模电网的无功优化时存在搜索空间大、计算时间长的问题,提出一种结合灵敏度分析的改进遗传算法(IGACSA)。IGACSA算法对SGA的交叉和变异操作进行改进,改进交叉操作使得算法具有快速局部微调能力,而改进变异操作则结合灵敏度产生新的个体,最后由灵敏度对IGACSA的结果进行调整。在无功优化中采取两步简单的措施,将IGACSA应用于对新加无功补偿设备容量的确定,使其更适用于实际电力系统。对实际电网的无功优化表明,所提算法缩短了无功优化的时间,并可得到更好的优化结果。     

无功功率优化的改进退火选择遗传算法

作提出的改进退火选择遗传算法用于电力系统无功优化,其特点在于采用灵敏度选择无功补偿地点,缩小了遗传算法的搜索范围;用退火选择进行个体更新,保持了群的多样性,避免陷入局部最优;采用十进制编码、竞争繁殖和逐代记录最优法来加快计算速度和精度;用不定交叉和变异概率来更好地发挥交叉和变异的作用,并且进行适应度定标,促进全局最优。通过对TEEE6节点系统计算分析表明,该方法和简单遗传算法相比有更快的计算速度和更强的全局收敛能力。     

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.     

基于改进遗传算法的电力系统无功优化

将遗传算法应用于电力系统无功优化。针对传统遗传算法中存在的易陷入局部最优解和后期收敛速度慢的问题,在简单遗传算法（SGA）的基础上,提出更加有效的算法即改进遗传算法（IGA）。新算法结合灵敏度分析产生原始个体替代SGA。SGA 的交叉和变异被改进,改进的交叉操作拥有快速局部调节能力,改进的变异操作引入灵敏度分析产生新的个体。所提算法在一个算例上进行了分析验证。     

基于改进遗传算法的电力系统无功优化

将遗传算法应用于电力系统无功优化.针对传统遗传算法中存在的易陷入局部最优解和后期收敛速度慢的问题,在简单遗传算法(SGA)的基础上,提出更加有效的算法即改进遗传算法(IGA).新算法结合灵敏度分析产生原始个体替代SGA.SGA 的交叉和变异被改进,改进的交叉操作拥有快速局部调节能力,改进的变异操作引入灵敏度分析产生新的个体.所提算法在一个算例上进行了分析验证.     

基于混合编码改进遗传算法的无功优化

简单遗传算法用于无功优化时存在收敛速度慢、容易陷入局部最优等问题。针对无功优化控制变量既有连续量又有离散量的特点,提出整数和实数混合编码的改进遗传算法。该改进算法在进化前后期采用不同的选择方式;依据交叉位和变异位控制变量的类型确定相应的实型或整型的算术交叉、小变异遗传操作,并且交叉率和变异率随进化代数变化;在目标函数中选用按指数规律变化的越界罚系数。IEEE14、118节点系统的仿真计算结果表明,改进后算法在全局寻优能力和收敛速度方面优于简单遗传算法。     

改进的遗传算法辨识综合负荷模型

以基于实测数据的电力系统综合负荷建模为目标,研究了遗传操作和控制参数选择对遗传算法性能的影响。针对基本遗传算法的不足,设计了比例选择策略和线性自适应变异策略,对遗传算法的选择算子和变异算子进行改进,使得遗传算法能够根据个体自身的适应度值进行选择和自适应地调整变异概率,实现方式简单有效。选用TVA综合负荷模型,使用改进的遗传算法进行负荷模型参数辨识,同时在不改变负荷模型结构的前提下,通过调整待辨识参数及其取值范围,考虑无功补偿的影响。利用现场实测数据进行建模,结果表明,改进后的遗传算法改善了优化过程,对加速收敛、缩短辨识时间均有显著作用,适用于负荷建模。     

基于改进的混合遗传算法的负荷建模参数辨识

针对传统遗传算法存在早熟及收敛速度慢等问题,采用了改进的遗传算法和局部搜索能力很强的单纯形法相结合的方法进行负荷模型的参数辨识.具体研究了算法的软件实现,包括编码、初始种群形成、适应度函数确定、自适应交叉变异、移民策略、排序选择、单纯形优化及终止条件的实现方法.算例表明了经改进后的混合遗传算法具有辨识精度高、速度快和参数分散性小等优点.     

基于混合编码改进遗传算法的无功优化

简单遗传算法用于无功优化时存在收敛速度慢、容易陷入局部最优等问题.针对无功优化控制变量既有连续量又有离散量的特点,提出整数和实数混合编码的改进遗传算法.该改进算法在进化前后期采用不同的选择方式;依据交叉位和变异位控制变量的类型确定相应的实型或整型的算术交叉、小变异遗传操作,并且交叉率和变异率随进化代数变化;在目标函数中选用按指数规律变化的越界罚系数.IEEE14、118节点系统的仿真计算结果表明,改进后算法在全局寻优能力和收敛速度方面优于简单遗传算法.     

基于改进PSO算法的电力系统负荷经济分配

电力系统负荷经济分配(ED)是一个高维、非凸、非线性问题,其求解过程比较复杂.对粒子群优化(PSO)算法进行改进,在目标函数中加入惩罚项来满足火电机组的约束条件,引入非线性权值递减略和惩罚因子的动态改进,并结合遗传算法(GA)中变异的思想,用来解决负荷经济分配的问题.将该方法的可行性在10台机组系统中多次检验,模拟结果表明文章所改进PSO算法具有良好的收敛性和鲁棒性.     

基于改进遗传算法的水电经济调度

传统遗传算法求解电力系统水电经济调度时效率不高,故提出了一种改进遗传算法。该算法采用实数编码,将染色体表示成矩阵形式;并设计了基因行算术交叉算子、基因行变异算子和基因列调整算子三种改进遗传算子,方便了在遗传过程中对约束条件的处理,提高了算法的搜索效率;改进的选择方式较好地避免了有用遗传信息的丢失。仿真结果表明,该算法与传统遗传算法相比,提高了计算效率,有利于获得全局最优解。     

电力系统经济负荷分配的量子粒子群算法

本文首次将量子粒子群算法用于电力系统经济负荷分配中。该算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解。同时该算法的进化方程中不需要速度向量,而且进化方程的形式更简单,参数较少且容易控制。对两个算例进行仿真测试,证实该算法可有效解决经济负荷分配问题;性能对比显示,该算法求得的解优于已有的改进粒子群算法及其它优化算法所求得的解。本文为量子粒子群算法用于经济负荷分配的实用化研究奠定了必要的理论基础。     

A Framework for Economic Load Frequency Control Design Using Modified Multi-objective Genetic Algorithm

This article deals with the coordination of security-constrained economic dispatch and load frequency control in an interconnected power system. The realistic and performance optimization inherent of the load frequency control (LFC) and security-constrained economic dispatch are fully considered without simplifying assumptions. For this purpose, modeling security-constrained economic dispatch as a discontinuous control action in the continuous frequency response model of a power system is well addressed. Considering conflict behavior of LFC and security-constrained economic dispatch beside the powerfulness of the multi-objective genetic algorithm (GA) to solve high-dimensional problems with conflicted objective functions makes it attractive for the automatic generation control coordination problem. The employed security-constrained economic dispatch utilizes the advantages of dynamic economic dispatch to achieve more realistic results. The GA is used to compute the decentralized control parameters and centralized generation levels of the on-line units to achieve an acceptable operating point. A significant modification in convergence speed has been performed by using LFC model properties in corporation with the genetic algorithm, so the proposed method gives considerable promise for implementation in multi-area power systems. The efficiency of the proposed algorithm and modification is demonstrated on a three control area power system.     

电力系统经济负荷分配的混沌优化方法

提出了一种应用混沌优化理论求解电力系统经济负荷分配的新方法。该方法以发电费用信息为目标函数,将优化变量各机组有功功率转变成混沌变量,利用混沌运动的遍历性、随机性和规律性直接对目标函数寻优。该方法可考虑网损及传统拉格朗日乘数法不能计及的汽轮机的阀点效应,从而能更有效地保证解的精度,同时将其与遗传算法进行了比较。仿真结果表明,所提出的方法搜索速度快,求解精度高,易于掌握,是解决电力系统经济负荷分配问题     

基于粒子群算法的电力系统经济负荷分配研究

电力系统经济负荷分配,是指在满足电力系统或发电机组运行约束条件的基础上,在各台机组间合理地分配负荷以达到最小化发电成本的目的,是经济调度中非常重要的问题。粒子群算法是一种源于对鸟群捕食的行为研究的进化计算技术,具有全局优化能力强、收敛性好和编程实现简单等优点。将粒子群算法应用于电力系统经济负荷分配问题的研究中,通过对实际算例进行仿真测试,证实该算法可有效解决经济负荷分配问题,性能对比显示,该算法求得的解优于传统优化算法所求得的解。     

基于混沌遗传和模糊决策算法的多目标负荷经济调度

提出一种可同时得到电力系统最优机组组合和多目标负荷分配结果的混沌遗传和模糊决策算法.结合改进优先顺序法、启发式遗传算法、混沌优化和模糊决策的优点,按改进的优先顺序法确定各时段运行的机组序列,用启发式遗传算法确定机组组合状态,并对交叉率和变异率进行模糊决策.在负荷分配中,考虑单一经济目标和多目标优化2种决策模型,用遗传算法进行并行搜索,同时在最优点附近利用混沌优化的遍历性进行局部寻优,避免遗传算法陷入局部最优,有效提高了收敛速度.将所提算法分别应用于10机和30机系统中,结果表明,该算法较好地处理了电力系统负荷经济调度的各种约束条件,减少了不可行解,加快了收敛速度.     

电力系统动态经济调度优化问题的膜计算方法

将膜计算方法用于求解电力系统动态经济调度优化问题。首先利用二次罚函数将多约束经济调度问题转化为无约束优化问题,对于膜计算的3个基本要素——膜内对象、膜结构和进化规则,该方法以各发电机组24时段的出力值作为膜内对象;采用具有嵌套结构的类细胞膜型膜结构,包含并行基本膜和拟高尔基体膜;在基本膜内执行交叉规则、变异规则、修正规则和保留规则,拟高尔基体被激活后执行移位规则、提取规则和目标导向规则。通过膜内对象不断进化择优,从而实现对动态经济调度问题的求解。基于IEEE 39和IEEE 118节点测试系统的算例,表明该文所提方法能够有效求解电力系统动态经济调度优化问题,与遗传算法和粒子群算法相比,该方法的计算结果和稳定性均更优,具有很好的应用前景。     

ICPSO算法及其在经济负荷分配中的应用

提出一种改进的混沌粒子群优化ICPSO(improved chaotic particle swarm optimization)算法,用于求解非线性、非凸、不连续等复杂约束条件的电力系统经济负荷分配。通过修正粒子群迭代的行动策略,并引入Tent混沌映射加强部分粒子的全局搜索能力,可以提高优化算法的全局搜索性能。最后将该算法应用于3机6母线的电力系统经济负荷分配中,在计及阀点效应的情况下,分别以考虑网损和忽略网损为例进行仿真。仿真结果表明,该算法有较快的收敛速度和较强的全局搜索能力,验证了算法的有效性和优越性。     

利用拉格朗日松弛法解决SIS中的负荷经济分配问题

利用拉格朗日松弛法对火力发电厂厂级监控信息系统(SIS)中的负荷经济分配问题进行了求解。该方法以发电费用为目标函数,用拉格朗日乘子将系统的负荷约束松弛,并将得到的拉格朗日函数分解为一个上下两层的优化问题分别进行求解,保证了算法的快速有效性。与混沌优化及遗传算法进行了仿真比较,结果表明所提出的方法收敛速度快,求解精度高,易于掌握,是解决电力系统负荷经济分配问题的有效手段。