改进算法在电力系统多目标负荷分配中的应用

针对火电厂负荷优化分配问题,将同时考虑发电成本、污染排放和负荷调整时间三个方面,建立多目标优化组合模型.在优化算法上,提出一种小生境遗传禁忌搜索混合算法.此算法以小生境遗传算法为主体,避免传统遗传算法“早熟”和解的多样性不足的问题;并结合禁忌搜索思想,使用TSR算子进行交叉操作,改进了传统遗传算法局部搜索能力较差和收敛速度有待提高的问题.以某火电厂2台200 MW和2台300 MW机组负荷优化分配为例,将所提混合算法与其他两种传统算法进行了对比验证,结果表明此改进混合算法的有效性.     

电力系统相量测量装置最优配置混合算法的研究

以电力系统状态完全可观测和相量测量装置(PMU)配置数目最小为目标,形成了PMU最优配置问题。将遗传算法和禁忌算法有效结合形成禁忌遗传算法,该算法在改进交叉和变异算子的基础上,继承和发展了遗传算法基于多点搜索、鲁棒性强等诸多优点,每当群体有出现早熟而陷入局部最优解的趋势时,利用禁忌搜索增强算法的爬山能力,避免算法早熟而陷入局部最优解,增强算法的全局收敛能力和收敛速度。与遗传算法和禁忌搜索方法相比,禁忌遗传算法具有更好的全局收敛能力和收敛速度。最后采用IEEE14,IEEE30和IEEE57节点系统对算法的有效性进行了验证。     

多目标遗传算法求解电力系统经济负荷分配

提出应用多目标遗传算法解决电力系统经济负荷分配问题。对负荷分配的数学模型进行了分析,将这一带约束的单目标优化问题转换成总煤耗函数和违反约束条件的程度函数两个目标函数优化问题。该算法采用实数编码技术,Pareto强度值作为个体的评价指标,利用遗传算法实现种群的进化,最终找到最优解。将该方法分别应用于某5台机组组成的发电系统和3台机组组成的发电系统进行负荷优化计算,结果与基于惩罚函数的单目标优化算法进行比较,分析表明该算法在确保满足各约束条件的前提下具备较好的寻优性能,证实了该算法的可行性与有效性。     

结合禁忌搜索思想的粒子群算法在乌江渡水电站厂内经济运行中的应用研究

本文针对水电站厂内经济运行中机组组合优化问题的特点,提出了一种结合禁忌搜索思想的粒子群算法(Particle Swarm Optimization,PSO).该方法采用离散二进制粒子群算法解决机组运行状态组合问题,用标准粒子群算法解决既定运行机组间负荷优化分配问题,并将两个问题结合在一起并行优化,引入禁忌搜索算法(tabular Search,TS)的记忆功能和藐视准则以提高粒子多样性,扩大搜索空间,克服PSO算法可能出现的早熟现象.以乌江渡水电站为例进行优化计算,并与PSO算法的计算结果比较,表明该方法可以有效避免早熟现象,具有较高的全局收敛能力,同时也具有较高的全局寻优能力.     

基于蚁群算法的制冷机组调度与优化

本文详细分析了遗传算法和蚁群算法特点,提出了一种蚁群混合遗传算法求解制冷机组优化调度问题的新算法,算法思想是在制冷机组调度的前阶段利用遗传算法群体性全局搜索能力,快速形成初始解,在满足终止遗传算法的条件之后,将遗传算法调度的较优解转化为蚁群算法所需要的初期信息素,然后利用蚁群算法所具有的正反馈性、高效等特点迅速地形成制冷机组调度的最优解。这种新算法的优点在于很好的避免了遗传算法后期搜索速度变慢,容易过快收敛和蚁群算法前期生成初始最优解较慢的缺点,从而提高了算法的整体性能。     

基于序优化禁忌混合算法的配电网无功优化

配电网无功优化控制是解决配电网电能损耗大、电压水平低这一问题的有效手段.针对禁忌搜索(TS)算法的收敛速度对初始解有较强的依赖性这一明显不足,提出序优化禁忌(OOTS)混合优化算法,将基于赛马规则的序优化(OO)算法和Ts算法相结合,利用OO算法较强的全局搜索能力为TS算法提供较好的初值.用OOTS混合算法对某28节点配电系统进行无功优化计算,并和OO算法及TS算法的优化结果进行了比较,结果表明OOTS混合算法具有更好的收敛性和更强的全局寻优能力.     

基于序优化禁忌混合算法的配电网无功优化

配电网无功优化控制是解决配电网电能损耗大、电压水平低这一问题的有效手段。针对禁忌搜索（TS）算法的收敛速度对初始解有较强的依赖性这一明显不足,提出序优化禁忌（OOTS）混合优化算法,将基于赛马规则的序优化（OO）算法和TS算法相结合,利用OO算法较强的全局搜索能力为TS算法提供较好的初值。用OOTS混合算法对某28节点配电系统进行无功优化计算,并和OO算法及TS算法的优化结果进行了比较,结果表明OOTS混合算法具有更好的收敛性和更强的全局寻优能力。     

饱和度自适应微分进化算法在电力经济调度中的应用

建立了电力系统经济调度模型,该模型以发电成本最小为目标,考虑了火电机组阀点效应和系统运行约束,并提出了求解该模型的饱和度自适应微分进化(saturation and adaptive differential evolution,SADE)算法。为避免算法搜索的盲目性,使算法既能集中于局部最优解又能兼顾全局最优解,引入了控制参数自适应调整策略和饱和度概念,该算法可避免"早熟"现象,收敛速度快。3机组、13机组和40机组算例结果验证了SADE算法的有效性。     

自适应混沌整体退火遗传算法在水电站群优化调度中的应用

提出了一种基于标准遗传算法(SGA)的自适应混沌整体退火遗传算法(SCWAGA)求解梯级水电站群长期发电优化调度问题。该算法通过混沌优化生成初始解,提高初始解的质量;采用父代参与竞争的整体退火选择方式,避免种群早熟及过早收敛;利用参数自适应函数调整交叉算子和变异算子,提高算法的收敛速度以及避免算法陷入局部最优。以红水河流域水电站群为计算实例的研究结果表明,SCWAGA比SGA具有更快的收敛速度,且搜索到的全局最优解优于SGA与逐步优化算法(POA),为大规模水电系统优化调度求解提供了一种新的有效途径。     

基于混沌遗传混合优化算法的短期负荷环境和经济调度

环境和经济短期负荷调度主要由在调度周期内的最优机组组合和负荷分配组成,该文将优先次序法、遗传算法与混沌优化相结合,以应用到电站机组环境／经济运行优化问题中,在混沌遗传算法中采用递阶基因结构,将控制基因用于机组组合全局粗寻优,参数基因用于负荷分配局部优化, 基因修正与罚函数相结合解决约束问题,采用混沌扰动避免遗传算法早熟,运用基于线性搜索的混沌局部优化方法,加快算法的收敛速度和降低计算时间,优化计算结果可以同时得到最优机组组合及负荷最优分配,为实际调度系统提供了一个良好的方法。     

基于改进量子遗传算法的电力系统无功优化

提出一种基于改进量子遗传算法的电力系统无功优化方法。该方法借鉴量子计算的一些概念,采用量子比特对控制变量编码,这种编码方式能表示出许多可能的线性叠加态,从而更好地维持种群的多样性。同时利用搜索到的最佳个体信息更新量子门,加快了该方法的收敛速度,采用群体灾变策略防止该方法陷入“早熟”。分别采用线性规划算法、复合形算法、改进禁忌搜索算法、标准遗传算法、自适应遗传算法和该方法对IEEE 6和IEEE 30节点系统进行无功优化,实验结果表明,该方法全局寻优能力强、收敛速度快。     

基于最小欧式距离(1+1)小生境遗传算法的无功优化

针对电力系统无功优化存在的问题,提出了利用最小欧氏距离下(1+1)竞争小生境遗传算法,克服了小生境遗传算法中小生境难以确定的不足,改善了遗传算法容易陷入局部收敛和早熟的缺点。通过对IEEE30节点测试系统进行无功优化计算,验证了该算法全局搜索能力强、效率高。     

基于遗传禁忌混合算法的静态电压稳定裕度计算

提出一种基于遗传禁忌混合算法的静态电压稳定裕度计算的新方法.该方法将全局搜索能力强的遗传算法和局部搜索能力强的禁忌搜索算法结合在一起,通过改进的连续潮流法计算,可快速而准确地获取系统最大静态电压稳定裕度,并在一定程度上弥补遗传算法和禁忌搜索算法单独使用的不足.应用该混合算法对IEEE14节点系统进行仿真计算,验证了该方法可行且有效.     

基于变异粒子群优化-禁忌搜索混合算法的配电网状态估计

为解决含非线性设备配电网状态估计的优化问题,以节点负荷值和分布式电源输出值为状态变量,建立了含分布式电源配电网的状态估计模型,提出了一种求解状态估计模型的变异粒子群优化-禁忌搜索混合算法。该算法通过对个体极值进行变异操作增加粒子多样性,在迭代后期使用禁忌搜索算法,提升粒子群优化算法的后期搜索能力和克服早熟收敛。选用IEEE33节点配电系统作为仿真实例,仿真结果表明变异粒子群优化-禁忌搜索混合算法能有效地估计出节点负荷值和分布式电源输出,其状态估计的个体最大相对误差和个体最大绝对误差均远小于蚁群算法、粒子群优化算法和遗传算法的估计结果。     

禁忌搜索–粒子群算法在无功优化中的应用

禁忌搜索粒子群算法是针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,将禁忌搜索思想融入到粒子群算法中的混合算法,并将该算法应用到电力系统无功优化中。该方法在粒子群算法寻优过程的后期加入了禁忌表,扩大搜索空间,避免陷入局部最优。通过对IEEE 30节点测试系统和鸡西电网进行仿真计算,并与其他算法进行比较,结果表明该算法能取得更好的全局最优解,既加快了收敛速度,又提高了收敛精度。     

基于混合遗传算法的无功优化

通过混合算法来改进遗传算法是一种可行的方向。在前人研究的基础上进一步提出了一种能够保持遗传算法、模拟退火算法和禁忌搜索算法优点的混合遗传算法。该算法显著改善了遗传算法早熟收敛和局部搜索能力差的不足,具有良好的全局寻优能力和局部搜索能力,并在实际系统应用中验证了它的有效性。     

TS-PSO算法在电力系统无功优化中的应用

为了解决粒子群算法(PSO)局部搜索能力较弱和存在早熟收敛的问题,提出了将禁忌搜索(TS)思想融入到粒子群算法中的混合算法,并将该算法应用到电力系统无功优化中。改进后的算法综合了粒子群算法快速性、随机性和全局收敛的优点,还具有禁忌搜索局部寻优的能力。通过对IEEE-30节点测试系统、铜陵电网实际进行仿真计算,并与其它算法进行比较,结果表明该算法能取得更好的全局最优解,既加快了收敛速度,又提高了收敛精度。     

自适应遗传-禁忌搜索混合算法在PMU最优配置中的应用

针对PMU最优配置问题,提出一种结合自适应遗传算法与禁忌搜索算法的混合算法。通过初始配置原则,缩小了算法的寻优范围。充分利用两种算法各自的特点,结合自适应遗传算法并行计算特性与禁忌搜索算法跳出局部最优解的能力,使得该混合算法寻得全局最优解的同时,提高了算法的优化效率,增强了算法的鲁棒性。最后利用IEEE14、IEEE39、IEEE57节点系统对该混合算法与其他两种遗传算法进行了对比验证。     

基于禁忌搜索粒子群优化算法的无功优化

针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,提出将粒子群优化算法结合禁忌搜索的混合算法,并应用它来求解电力系统无功优化问题。该混合算法是以粒子群优化算法为主框架,以禁忌搜索算法作为个体群继续在邻域中寻优,寻优结果对粒子群算法的输出做了更新。混合算法保留了粒子群优化算法的并行处理性,同时利用了禁忌搜索算法的较强的"爬山"能力,加快了混合优化算法的收敛时间和提高了收敛解的有效性。     

配电网线路分段开关的优化规划

以分段开关加入后配电系统的可靠性成本和可靠性效益为目标函数,计及分段开关的年投资、年维护费用、系统停电损失等综合费用和相关技术约束,建立了配电网线路分段开关的优化规划模型,提出用改进遗传模拟退火算法来求解的研究思路,把遗传算法全局搜索能力强与模拟退火算法局部搜索能力强的特点结合起来,提高了算法的局部寻优能力,有效地解决了早熟现象,具有很好的全局收敛性。通过对IEEE RBTS BUSS局部网络分段开关的优化规划证明了该思路的有效性和科学性。