基于改进遗传算法的配电网网架规划

针对传统的遗传算法在求解过程中出现收敛速度慢、早熟现象等问题,引入单亲遗传算法;以网架线路年综合费用最小为优化目标建立配电网网架规划的数学模型,运用改进的单亲遗传算法消除了常规遗传算法中对网络可行性破坏严重的双亲交叉算子,同时针对单亲遗传算法在染色体选择、基因操作、收敛准则等方面的不足,采用最优保留策略和两两竞争相结合的染色体选择方法,以及最优个体的最少保留代数为收敛准则,提高了算法的局部搜索效率和全局优化能力,求得模型优化解;仿真算例验证了该方法的可行性和有效性。     

基于改进多目标引力搜索算法的电力系统环境经济调度

建立了综合考虑系统运行成本和污染物排放成本的电力系统环境经济调度模型,并提出了一种改进多目标引力搜索算法(IGSA)对该模型进行求解。该算法将NSGA-II中的非劣解排序和拥挤距离的思想引入基本引力搜索算法用于处理个体偏序关系。其次针对基本引力搜索算法收敛速度慢的问题,在更新个体位置过程中受粒子群优化算法的启发对引力搜索算法的位置更新公式进行了改进;同时为了引导群体向Pareto最优解集区域靠近并保证算法解集均匀分布,采用精英保留策略;最后采用模糊集理论产生最佳折中解,为决策人员提供调度方案。算例分析验证了所提算法的可行性和有效性,为实现电力系统经济性与环保性的均衡优化提供了一条新的方法。     

基于分布估计算法的输电网扩展规划

分布估计算法是一类新的进化算法,它通过统计在当前群体中选出的个体信息给出下一代个体分布的概率估计,用随机取样的方法生成下一代群体.文章将分布估计算法应用于求解输电网扩展规划问题,提出了两种基于分布估计算法(基于群体的递增学习算法和因子分布算法)的电力系统输电网扩展规划模型,分析了加权估计、随机母本规模选择、条件概率链的重新排列、随机变异和精英保留等改进策略对算法的影响.仿真分析结果表明了文中所采用的分布估计算法在求解输电网扩展规划问题时是可靠有效的.     

改进自由搜索算法用于电力系统经济负荷分配研究

本文介绍了一种改进的自由搜索算法,在搜索优化过程中对搜索半径进行自适应调整,融入了遗传算法中的交叉操作以及精英保留策略,当算法收敛时,对个体进行人为迁移以增加寻优能力。将该算法用于电力系统经济负荷分配,通过实例计算证明了该算法的有效性。     

电力系统PMU安装地点选择优化算法的研究

将进化衰减因子引入了遗传算法,构造了一种新的自适应遗传算法。新算法在进化过程中能够同时根据个体适应度和进化时间的变化自动调整交叉与变异概率,克服了遗传算法易早熟的缺点,提高了最优解的多样性,加快了算法寻优速度。精英个体保留策略保证了整个算法的全局收敛性。算法约束条件处理采用了不可行解启发性修复方法,保证了全部优化结果都被严格限定在了满足约束条件的解空间内。基于图论的深度优先搜索方法用于系统可观性分析。将新的自适应遗传算法应用于优化PMU安装地点选择,实现了安装地点最少,而整个系统可观的目标。该算法已在某省     

电力系统PMU安装地点选择优化算法的研究

将进化衰减因子引入了遗传算法,构造了一种新的自适应遗传算法.新算法在进化过程中能够同时根据个体适应度和进化时间的变化自动调整交叉与变异概率,克服了遗传算法易早熟的缺点,提高了最优解的多样性,加快了算法寻优速度.精英个体保留策略保证了整个算法的全局收敛性.算法约束条件处理采用了不可行解启发性修复方法,保证了全部优化结果都被严格限定在了满足约束条件的解空间内.基于图论的深度优先搜索方法用于系统可观性分析.将新的自适应遗传算法应用于优化PMU安装地点选择,实现了安装地点最少,而整个系统可观的目标.该算法已在某省电网PMU安装地点选择优化计算中得到了实际应用.     

基于新型生物地理学优化算法的作业车间调度研究

针对生物地理学优化算法在求解复杂作业车间调度问题时存在的问题,提出了一种改进差分进化生物地理学优化算法.通过将差分进化算法的搜索性与生物地理学优化算法的利用性有效的结合,同时采用精英保留机制保留适应度较高的个体,并且引入惯性权重策略调节变异操作在混合迁移操作中所占的比重以提高算法的全局搜索能力,然后增加了小概率扰动以防止算法随着迭代的进行陷入局部最优解.最后使用不同测试函数和作业车间调度问题进行实验,结果显示改进算法在收敛速度和优化结果方面性能更优。     

基于改进自适应遗传算法的电力系统相量测量装置安装地点选择优化

将进化参数衰减因子与基于适应度变化的自适应遗传算法相结合,提出了一种新的自适应遗传算法,使遗传算法在进化过程中能够同时根据个体适应度和进化时间的变化自动调整交叉与变异概率,克服了原有自适应遗传算法易早熟的缺点,提高了最优解的多样性和寻优速度.精英个体保留策略保证了整个算法的全局收敛性.在约束条件处理时,采用了不可行解启发性修复方法,提高了算法的优化效果.基于图论的深度优先方法用于系统可观性分析.将新的自适应遗传算法应用于优化相量测量装置安装地点选择,实现了安装地点最少,而整个系统可观的目标.该算法已在某省46节点系统的优化计算中得到了验证.     

电力系统动态环境经济调度问题的建模与求解

为了在电力系统优化调度中同时兼顾整个时段的经济和环境效益,该文建立了考虑阀点效应和系统网损的电力系统动态环境经济调度模型,提出了一种改进的多目标教与学优化算法对模型进行求解。算法引入了反向学习策略、外部最优解集策略、基于个体稀疏度的教师选取策略、模糊满意度和动态班级策略,通过动态启发式随机约束处理与罚函数相结合的方法对违背约束的个体进行修正与惩罚。最后,用10机算例对文中提出的模型和算法进行了仿真测试,并与其他算法进行了对比。仿真结果表明文中算法的有效性和优越性。     

CPS标准下AGC机组动态优化调度的改进方法

现有关于AGC机组动态优化调度的研究尚未考虑CPS考核时的结算费用,且在求解精度和时间方面表现不佳。为此,本文提出从AGC动态优化调度模型和求解算法两个方面改进现有研究。计及CPS考核结算费用,构建AGC动态优化调度新模型;采用"先调后回,后调先回"的求解策略,预先处理复杂约束,同时,在进化规划算法中构造能够处理联络线功率偏差约束的局部调整策略,对越界个体选择性地修正。采用IEEE14节点系统和某省级实际系统两个算例验证了所提改进模型和算法的有效性。     

一种求解最优潮流问题的改进粒子群优化算法

提出了一种新的基于可行保留策略和变异算子的改进粒子群优化算法来求解最优潮流问题。可行保留策略将最优潮流问题的目标函数和约束条件分开处理,使得只有可行的解才能指导粒子飞行,避免了粒子在不可行域中的无效搜索,提高了算法的搜索效率;变异算子以预定的概率选择变异个体,对粒子的位置进行高斯变异操作,使得粒子可以有效避免陷入局部最优,增强了算法的全局搜索能力。通过 IEEE 30节点系统对该算法进行了测试,结果表明,对于复杂的最优潮流问题,该算法优于进化规划算法和常规的粒子群优化算法。     

基于改进NSGA-Ⅱ算法的干式空心电抗器多目标优化设计

在分析干式空心电抗器铝导线质量和损耗与平均线径之间关系的基础上,提出把电抗器损耗作为一个目标函数更符合电抗器优化设计的工程实际情况。以铝导线质量和电抗器损耗为目标函数,建立了干式空心电抗器的多目标优化模型。求解模型采用优化效果较好的NSGA-Ⅱ算法。为了增加种群的多样性和提高算法的搜索能力,提出以一定比例选择种群中的支配个体;在非支配排序前以一定概率对合并种群中重复个体和较密集个体的部分变量进行变异;在精英策略中设置了外部非支配集,并使其中的个体参与锦标赛选择。50 kvar干式空心电抗器的优化设计结果表明,采用改进NSGA-Ⅱ算法得到的Pareto最优解分布更加均匀。     

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.     

基于改进蚁群算法的车辆路径优化

针对基本蚁群算法易陷于局部最优解及道路交通流易产生拥塞等缺陷,提出了一种改进蚁群算法。结合实时交通信息,以时间最短建立了动态路径规划的目标转换模型,应用改进蚁群算法求解车辆最短路径,对于求解过程中出现局部最优解,引入了随机蚂蚁这一概念,同时基于Greenshields模型处理了正反馈以及个体最优策略造成的拥塞现象。     

基于改进遗传模拟退火算法的PMU优化配置

分析了遗传算法和模拟退火算法的优缺点,将具有较好全局寻优性能的遗传算法和具有较强局部搜索能力的模拟退火算法结合,形成的遗传模拟退火MGASA算法用于解决以电力系统状态完全可观测和PMU配置数目最小为目标的PMU优化配置问题.在寻优过程中,先将每一代群体进行遗传操作,再对产生的新群体中各个体进行模拟退火操作,同时在选择、交叉、变异和复制操作过程中实施最优保留策略,复制策略采用Metropolis判别准则.通过采用IEEE14和IEEE39节点系统对该算法进行验证表明,MGASA算法在解决PMU优化配置问题上具有较高的寻优性能和搜索效率.     

量子进化算法在电力系统无功优化中的应用

量子进化算法QEA(Quantum-insp ired evolutionary algorithm)将量子理论引入进化计算领域,是一种基于量子计算概念的进化策略算法。它采用量子比特为基本信息位进行个体编码,使用量子态的么正变换(量子门变换)实现个体的进化,同时利用量子编码的多态叠加性以及“全干扰交叉”可以有效克服进化过程中的早熟现象,因此它比传统进化算法具有更快的收敛速度和全局寻优能力。该文将该算法应用于电力系统无功优化问题,提出基于QEA算法的无功优化模型,并对算法参数进行了研究,提出了合适的量子变异参数。运用该算法对IEEE6、30节点系统进行了仿真计算,计算结果验证了模型和算法的有效性。     

基于新型灰狼优化算法的无人机航迹规划

为解决灰狼优化算法存在寻优性能差、收敛性差等问题,提出了一种新型灰狼优化算法。该算法在初始化部分使用反向学习策略生成了有序的个体,有效改善了算法的收敛速度;设计新型的非线性收敛因子和优化个体位置更新策略来协调算法的搜索能力,降低陷入局部最优的概率;引进精英选择保留策略,促使种群进化加速,提高算法收敛速度。基本函数测试和航迹规划仿真实验两者的结果表明新型灰狼优化算法具有较强的收敛性和寻优能力,并且该算法规划航迹所花费的平均航迹代价值比灰狼优化算法少19.9%。     

电力系统外网在线动态等值方案

为提高在线暂态稳定仿真的精度,需要提高外网动态等值精度。首先需要引入缓冲网,将靠近内网的少量外网厂站详细建模,以保留外网重要的动态响应细节;其次应保留外网中对内网动态过程影响较大的发电机的详细模型。为此,文章提出了外网动态等值中缓冲网设定策略和保留发电机策略,并给出了判定标准和公式。算例表明,采用上述策略后,内网的仿真精度可大大提高,与标准曲线十分接近;在外网非常庞大的情况下,虽然判定标准和公式所确定的保留发电机和缓冲网规模相对很小,但基本上提供了外网动态模型的重要细节,适于在线应用。     

量子进化算法在电力系统无功优化中的应用

量子进化算法QEA(Quantum-inspired evolutionary algorithm)将量子理论引入进化计算领域,是一种基于量子计算概念的进化策略算法.它采用量子比特为基本信息位进行个体编码,使用量子态的么正变换(量子门变换)实现个体的进化,同时利用量子编码的多态叠加性以及"全干扰交叉"可以有效克服进化过程中的早熟现象,因此它比传统进化算法具有更快的收敛速度和全局寻优能力.该文将该算法应用于电力系统无功优化问题,提出基于QEA算法的无功优化模型,并对算法参数进行了研究,提出了合适的量子变异参数.运用该算法对IEEE6、30节点系统进行了仿真计算,计算结果验证了模型和算法的有效性.     

基于模糊自适应模拟退火遗传算法的配电网故障定位

对于配电网故障定位系统的不足与遗传算法存在易早熟、收敛速度慢等问题,结合模糊推理和自适应模拟退火遗传算法,提出一种模糊自适应模拟退火遗传算法(FASAGA)。该算法对评价函数做了容错性改进,在遗传选择时采用自适应机制与最佳个体保留策略,并结合模糊推理与自适应机制求取模糊自适应交叉算子、模糊自适应变异算子,引入模拟退火算法提高收敛速度与局部搜索能力。仿真结果说明该算法应用在配电网故障定位中的准确性、快速性与高容错性。