改进遗传算法在输电网络规划中的应用

为了提高遗传算法在输电网络规划中的优化性能,提出了改进自适应遗传算法(MAGA)。该方法有助于防止传统遗传算法过早收敛和走向局部最优,适应于多变量、多目标的环境,能够快速地找到全局最优。介绍了提出的改进方法包括,采用实数编码方式、惩罚函数自适应调整、设置保留算子,以及该方法的实现过程等具体内容。通过对实际系统的计算表明,MAGA具有可行性和更强的优化性能。     

应用改进遗传算法实现输电网络最优规划

对传统遗传算法中的交叉和变异算子算法进行了改进,并实施了在初始群体中保留若干最优解的策略,形成了改进遗传算法,并将其应用在输电网络优化规划中。改进的遗传算法具有快速搜索,易收敛和鲁棒性强的特点,算例验证了该方法应用到输电网络规划中的有效性。     

改进遗传算法实现输电网络最优规划

对传统遗传算法中的交叉和变异算子算法进行了改进,并实施了在初始群体中最优保留策略,形成了改进遗传算法,将其应用在输电网络优化规划中。改进的遗传算法具有快速搜索,易收敛和鲁棒性强的特点,克服了传统遗传算法难以解决的不稳定和局部收敛的问题,应用到输电网络规划中提高了收敛速度,避免了不成熟收敛。     

多阶段输电网络最忧规划的遗传算法

多阶段输电网络最优规划问题是一个复杂的非线性组合优化问题,尝试利用遗传算法来解决输电网络动态规划问题,提出了相应的数学模型,构造了染色体的编码方法和适应函数,并用退大选择遗传算法进行了计算。算例系统的计算结果证明了这种方法的可行性及有效性。     

动态输电网络规划的组合编码遗传算法

针对动态输电网络规划过程中需要考虑时间决策量的问题,提出了组合编码方式。组合编码方式将多阶段输电网络规划中的时间决策量隐含在编码中,从而使得多阶段的动态输电网络规划问题能够转换成静态规划问题进行求解。该编码方式满足表现型和基因型的1对1映射,及表现型空间与基因型空间距离上的一致性,从而保证了遗传算法的搜索效率。此外,针对动态输电网络规划的特点,对遗传算法的交叉算子、变异方式、适应度函数、惩罚系数等方面进行了改进,进一步改善了遗传算法求解多阶段输电网络规划问题的性能。以19节点系统为例对算法进行了验证,结果表明能够在较短的进化代数内得到问题的最优解。     

多阶段输电网络最优规划的遗传算法

多阶段输电网络最优规划问题是一个复杂的非线性组合优化问题,尝试 利用遗传算法来解决输电网络动态规划问题,提出了相应的数学模型, 构造了染色体的编码方法和适应函数,并用退火选择遗传算法进行了计 算。算例系统的计算结果证明了这种方法的可行性及有效性。     

基于多Agent的遗传算法在PID调速器中的优化

提出了一种基于多Agent的遗传算法(MAGA).基于三峡机组非线性全数字仿真模型,利用JADE中间件建立了实施MAGA的分布式移动计算平台.在此平台上,对机组不同运行工况下自适应PID调速器进行了优化.仿真结果表明,MAGA能够获得遗传算法的寻优效果且优化时间显著缩短.     

高压直流输电系统最优设备选型模型和算法

对高压直流输电工程进行规划、设计时,优化选择设备的型号以取得最大的经济和可靠性效益已成为日渐重要的问题。基于成本效益分析原理,综合计及直流输电系统的可靠性和经济性,给出了高压直流输电系统设备最优选型模型及算法。分析了设备的投资费用、运行维护费用和系统停电损失费用等的计算模型,并在此基础上建立了高压直流输电系统设备最优选型的数学模型,该模型属于离散非线性优化模型,基于遗传算法给出了模型的求解算法。采用整数编码、自适应交叉率和变异率对遗传算法进行改进,并结合直流输电工程实际提出子系统可靠性保留技术,改善了算法收敛性和计算速度。对一单12脉接线高压直流输电系统进行了设备最优选型的算例分析。结果表明,该模型和算法可行,对高压直流输电系统的规划、设计中设备选型有重要的指导作用。     

改进的遗传算法在电网规划中的研究

遗传算法的主要的特点是:简单、通用、鲁棒性强,能依概率收敛到问题的全局最优解。用遗传算法来求解多目标的电力网络的优化规划,可以避免局部最优的问题。针对现有的遗传算法的不足和对初始种群的依赖,提出了改进的遗传算法,采用贪心法进行种群初始化,从而避免了遗传算法初始种群过于随机,提高了算法的收敛速度和搜索性能。     

基于遗传算法的输电网络规划模型

针对输电网络规划存在的两方面的问题,把遗传算法应用于输电网络规划,提出了基于遗传算法的输电网络规划模型,该模型还考虑了"N-1"事故检验,使得规划方案更加合理.以新建线路的投资年费用和系统年运行费用之和最小为目标函数,建立了输电网络规划的数学模型.     

具有FACTS设备的输电网络规划

利用改进的遗传算法ＭＡＧＡ进行具有ＦＡＣＴＳ设备的输电网络规划,算例系统的结果表明ＭＡＧＡ适用于解决具有ＦＡＣＴＳ设备的电网规划问题,而且在电网的扩建和改造方面。ＦＡＣＴＳ技术将带来很大的经济效益。     

育种算法在输电网络优化规划中的应用

作为一个复杂的非线性的混合整数规划问题,目前电网优化规划使用较常见的是现代优化方法,其中又以遗传算法应用较多,但目前各种现代优化方法仍存在计算速度和收敛性的问题,介绍了一种从遗传算法改进而来的算法——育种算法,它将遗传算法中的选择、交叉、变异三个过程简化为一个过程,对18节点算例分析表明育种算法在电网规划应用中提高了计算速度和收敛度。     

计及地理环境因素的输电通道路径优化与扩展研究

传统输电网规划中一般由规划设计人员凭经验给出初选方案,然后通过技术、经济比较选出最佳方案。然而,由于复杂的地理环境因素的影响,优选方案不可避免地包含局限性和人为因素,方案评估工作进行较为困难。文中将输电通道扩展与路径设计相结合,分析施工条件、地形地质条件等地理环境因素对路径规划的影响,建立了输电通道规划双层运行优化模型,顶层模型以输电规划经济性为目标,底层模型以线路地理环境总成本为目标进行输电通道路径优化,并将底层优化得到的待选线路集返回顶层模型进行输电网络规划,结合遗传算法实现模型求解。最后针对修改后的Garver-6节点系统进行仿真分析,结果表明利用文中所提的方法得到的输电通道规划方案可以有效适应工程现场实际,保障输电网络的经济效益。     

考虑负荷模糊性的短期电网规划算法

文章应用基于可信性理论的模糊潮流计算方法建立了输电网短期规划模型及其算法：首先根据当前电网负载水平评估结果采用灵敏度技术自动建立候选线路集;然后从候选线路集中选出线路形成不同的规划方案,建立输电网短期规划优化模型;最后用模糊潮流算法分析预想规划网架的运行性能,并通过遗传算法求解得到优化方案。算例分析证明了该模型与算法的有效性。文章的研究成果还可扩展应用于多重模糊因素共同作用下的电网规划。文章的模型与算法已在能量管理系统(energy management system,EMS)平台上实现,借助EMS系统提供的精确电网模型以及大量完整的电网运行数据,其规划结果的可信度得到了提高。     

基于改进蚁群算法的输电网络扩展规划

输电网络扩展规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中结合单阶段输电网络扩展规划问题的特点，应用改进的蚁群算法来解决输电网络扩展规划问题，建立了相应的数学模型，并给出求解算法。2个算例系统的计算结果表明了这种方法可有效减小搜索空间，并具有计算速度快和收敛性好等优点。     

基于混沌自适应分组和声搜索算法的输电网规划

针对目前大规模输电网规划求解中难以快速地求得全局最优解的问题,给出了基于线路的建设费用、网络损耗费用、输电线路走廊的建设费用、各支路总的过负荷惩罚费用和N-1约束的过负荷惩罚费用为目标函数的输电网规划模型。分析了和声搜索算法随着输电网规模的扩大、优化问题维数的增加,算法求解精度和收敛速率明显降低且易陷入局部寻优的现象及其原因的基础上,设计了一种混沌自适应分组和声搜索算法。该算法通过维数分组、变异和混沌扰动来提升算法的搜索能力,使其能够快速地求解大规模的输电网规划问题。通过对IEEE18节点和巴西南部46节点系统的计算,证明了算法及模型应用于输电网规划的可行性,为实际工程应用打下了基础。     

基于改进免疫遗传算法的含分布式电源配电网规划

随着大量的分布式电源的接入,配电网规划变得越来越复杂。在优化分布式电源接入总量和考虑传统电源多种约束的基础上,建立以最佳配电网年费用为目标函数的配网规划数学模型。针对改进免疫遗传算法具有生物免疫系统中抗体多样性的保持机制和基于抗体浓度的调节更新机制,同时又具有一般进化算法的随机搜索能力,采用改进免疫遗传算法对配电网规划问题进行求解,并借鉴支路交换的思想设计杂交算子和变异算子,以避免辐射性检查过程,使得算法的寻优能力增强。通过算例分析,与简单遗传算法和常规免疫遗传算法相比,提出的改进免疫遗传算法更适合于求解含分布式电源的配电网规划问题,结果表明了该算法的可行性;同时表明,含分布式电源规划方案较无分布式电源规划方案具有很大的经济和社会效益。     

考虑负荷和风电出力不确定性的输电系统机会约束规划

提出了一种考虑负荷和风电场输出功率不确定性、基于机会约束规划的输电系统规划方法。将Monte Carlo方法与解析的概率潮流计算方法相结合,得到含风电场电网输电线路的有功概率潮流分布。通过改进经典的输电系统规划模型,得到考虑负荷和风电场有功出力的概率分布、基于概率潮流计算的输电系统机会约束规划模型。为了有效求解该模型,设计了一种两步式遗传算法。该方法可以有效处理输电系统规划中的不确定性,并为规划人员提供比传统方法更丰富的信息。算例证明了该方法的有效性。     

A simulated rebounding algorithm applied to the multi-stage security-constrained transmission expansion planning in power systems

This research discusses the multi-stage security-constrained transmission network expansion planning. In modern power systems, the problem is formulated as a large-scale, mixed-integer, non-linear programming problem, which for a real power systems is very difficult to solve. Although remarkable advances have been made in optimization techniques, finding an optimal solution to a problem of this nature can still be extremely challenging. In this paper, a new constructive heuristic approach, based on a local controlled random search (simulated rebounding algorithm) is proposed to choose the decision variables. The model can produce better solutions than other references techniques such as particle swarm optimization, evolutionary particle swarm optimization, genetic algorithms, and simulated annealing algorithm, among other evolutionary methods. The methodology is applied to assess the capabilities of the proposed approach in the Ecuadorian and Chilean Power Systems as an example of application. Simulation results show that the proposed approach is accurate and very efficient, and it has the potential to be applied to real power system planning problems. The algorithm has been presented and applied to the multi-stage security-constrained transmission expansion planning.