基于改进的PSO算法的电力系统无功优化研究

电力系统无功优化是保证电力系统安全、经济运行的重要措施,粒子群优化算法（PSO）具有模型简单、收敛速度快、参数简洁等优点,但用于求解高维复杂优化问题时易陷入局部最优,针对此缺陷,在PSO算法的基础上提出了自适应随机变异粒子群优化算法（AMPSO）,将该算法用于求解电力系统无功优化问题,并以IEEE30标准节点系统为算例进行验证。结果表明,与PSO算法相比,AMPSO算法有效降低了系统网损,显现出良好的全局收敛特性。     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,本文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE 6、IEEE 30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的。     

评价无功优化进化算法的非整秩次秩和比法

针对进化算法是解决电力系统无功优化问题的重要手段,分析了目前进化算法性能比较法的片面性及传统法不能有效反映改进后算法的优劣,提出了采用非整秩次秩和比法分析进化算法性能,并利用IEEE-30节点的仿真计算验证.算例结果表明,该法科学分析了不同算法间的盖异,较传统法优越,优化效率高,收敛速度快,为优化算法的选择提供了依据.     

基于改进粒子群算法电力系统多目标无功优化

在传统的电力系统无功优化问题的基础上,建立了同时兼顾电力系统有功网损最小和电压偏移最小的多目标无功优化模型,并且针对多目标优化问题,提出了一种改进的多目标粒子群算法,该算法利用计算非支配排序和拥挤距离方式更新粒子的个体最优值和全局最优值并保留每一次迭代后的一部分精英解集,最终结果在精英集合中找寻所需的Pareto前端;引入变异算子和动态权重算子,增强了寻优能力,降低了结果早熟和陷入局部最小值的可能,最后将该算法应用于IEEE 14节点系统进行测试,结果表明该算法不仅实现了系统经济运行同时也提高了电网的电压稳定,并且为用户提供了多样化的解集,方便用户根据实际情况灵活选择.     

改进遗传算法的无功优化

电力系统实现无功优化控制是保证系统电压质量、降低网损的重要措施。对于高维、非线性和连续变量与离散变量共存的电力系统无功优化数学模型,对一般遗传算法的无功优化算法在遗传操作过程中,进行了“灾变”,在选择操作中将轮盘赌和竞标赛方法相结合,对交叉变异算子根据每代个体的实际状况进行自适应调整。通过IEEE30节点算例表明了本文方法可有效提高每代种群的多样性,从而提高了一般遗传算法的无功优化的收敛速度和全局优化特性。     

基于小生境遗传算法的电力系统无功优化分析

针对遗传算法(SGA)在电力系统无功优化中存在早熟收敛和后期收敛速度慢的弱点,提出了基于小生境遗传算法的无功补偿优化方法,可在短时间内以极大概率值寻找全网最优补偿配置实现最优补偿.通过对含有14个节点的IEEE 14系统进行模拟分析,结果验证了该算法的有效性,显著提高了无功优化的收敛速度.     

基于相似性矢量距免疫遗传算法的城市电网规划

首次提出基于相似性矢量距选择概率的免疫遗传算法来求解城市高压配电网规划。结合遗传算法(GA)和免疫算法(IA)建立具有动态调整罚因子的目标函数,并引入人工免疫机制对各个抗体之间在编码上的相似性进行处理,以保存种群的多样性同时保证算法能够较快的收敛。通过IEEE-6节点系统的仿真计算,并与其他算法比较,表明该算法计算速度和优化效果都具有明显的优势。     

求解水火电力系统短期发电计划的粒子群优化算法研究

提出求解水火电力系统短期发电计划的新方法——粒子群优化算法。实例研究表明，该方法优化能力高于遗传算法和进化规划。同时对全局搜索粒子群优化算法和局部搜索粒子群优化算法在求解水火电力系统短期发电计划时的动态收敛特性和计算效率等进行了对比研究，结果显示．局部搜索粒子群优化算法更适合求解水火电力系统短期发电计划的复杂问题。     

考虑电网络影响的水火电力系统短期优化调度

为提高发电计划实际执行的可行性,提出考虑电网络影响的水火电力系统短期优化调度方案,即在传统水火电优化调度中引入输电网络潮流约束,构建水火电力系统短期优化调度数学模型。该模型以火电站的总煤耗量最小为优化目标,考虑水火电的发电特性、梯级水电复杂关系、系统运行约束、输电网络约束及传输功率限制。同时为模型求解引入迁徙操作和惯性权重非线性递减策略的改进粒子群算法,并设计了五种约束处理规则以应对复杂的约束条件。最后以典型水火电系统和IEEE-9节点的电网络拓扑为例对所构建的模型和算法进行验证。结果表明,所构建的优化模型和设计的求解方法能满足复杂运行约束的短期调度方案。     

改进遗传算法在电力系统无功优化中的应用

电力系统的无功优化控制,不仅能有效地降低系统的有功功率损耗,而且还可以改善电网的电压质量,对系统的安全稳定、经济运行具有非常重要意义。无功优化问题是一个含有连续变量和离散变量的混合优化问题,求解过程相当复杂,电力系统无功优化问题属于最优潮流问题的一个组成部分。探讨了求解无功优化的现代人工智能算法,总结分析了遗传算法的特点及使用情况。为提高解的质量与计算效率,对遗传算法做了改进,并将其应用于电力系统无功优化中。