基于免疫遗传算法的含分布式电源配电网重构

为应对仅考虑单一指标的配电网重构的局限性,提出基于网损、负荷均衡及电压质量协调最优的含分布式电源配电网重构模型,并运用免疫遗传算法对其求解,算法中采用基于环的染色体编码方式和交叉变异操作,同时引进免疫算法中的免疫记忆和免疫克隆算子,并提出基于矢量距浓度的选择率、交叉率、变异率和克隆率,选取IEEE33和IEEE69节点配电系统为例进行仿真,分析分布式电源接入对网络的影响,并将文中算法与其他算法进行比较以说明该算法的可行性和有效性。     

用于配电网规划的多种群免疫遗传算法

引入免疫算子和多种群概念,提出了一种用于配电网规划的多种群免疫遗传方法。采用多个种群针对目标函数的不同方面进行优化搜索,并借鉴生物免疫机制对每个种群的染色体进行免疫算子操作。种群之间通过优秀个体转移进行交互,可有效地防止种群退化,提高种群的多样性。以年费用最小为目标建立配电网规划的数学模型,提取“单个子路造价最小”和“电阻值最小”两种疫苗,并用其指导多种群搜索,有效地克服了遗传算法早熟收敛现象。同时给出初始可行方案的生成步骤和基于支路交换思想的不可行解处理方法。求解一个10 kV配电网规划问题,计算结果表明该算法能快速获得规划问题的最优解。同简单遗传算法相比,整个算法具有更强的收敛速度和全局搜索能力,用于配电网规划是可行有效的。     

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。     

基于改进免疫遗传算法的电力系统无功优化

针对无功优化问题的特点,在现有免疫遗传算法基础之上,提出一系列改进措施,形成了一种新的解决无功优化问题的改进免疫遗传算法。该算法将免疫遗传算法中常用的二进制编码改进为整、实数混合编码,提高了计算速度与精度;将通常的选择、变异操作与进化代数相联系,形成具有动态调整功能的改进Boltzmann退火选择、非均匀变异算子,提高了算法的全局收敛性,加快了计算速度;引入疫苗接种概念,有效地抑制了算法在进化过程中出现的退化现象,进一步加快了算法的收敛速度。以IEEE30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性。     

基于改进免疫遗传算法的电力系统无功优化

针对无功优化问题的特点,在现有免疫遗传算法基础之上,提出一系列改进措施,形成了一种新的解决无功优化问题的改进免疫遗传算法.该算法将免疫遗传算法中常用的二进制编码改进为整、实数混合编码,提高了计算速度与精度;将通常的选择、变异操作与进化代数相联系,形成具有动态调整功能的改进Boltzmann退火选择、非均匀变异算子,提高了算法的全局收敛性,加快了计算速度;引入疫苗接种概念,有效地抑制了算法在进化过程中出现的退化现象,进一步加快了算法的收敛速度.以IEEE30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性.     

免疫遗传算法在配电网重构中的应用

配电网重构是配电网络优化的主要措施，其实质是一个多目标非线性混和优化问题．采用免疫遗传算法来研究重构问题的求解方法．免疫遗传算法在传统遗传算法的基础上，借鉴生物免疫机制中抗体的多样性保持策略和记忆抗原的特点，大大提高了算法的全局搜索和局部搜索能力．实验表明，免疫遗传算法具有很好的全局收敛性，能有效解决配电网重构问题．     

考虑环网检测的配电网拓扑重构遗传算法

提出了一种基于遗传算法的配电网自动优化重构方法。由于配电网拓扑约束的限制(连通辐射状网络),遗传算法在解决配电网重构问题过程中,可能产生大量不可行解。针对该问题,首先提出了一种快速"环网和孤立节点"检测算法,可检测进化过程中产生的解是否满足配电网拓扑约束的要求;其次,提出了一种基于拓扑搜索的初始种群自动形成算法,该算法除可用于初始种群的形成外,还可用于生成新的解以替代遗传进化过程中产生的不可行解。为了提高遗传算法的收敛性能,提出了一种定向变异的遗传算子,该算子不仅可保证经变异运算后产生的个体满足配电网拓扑约束的要求,而且可保证该个体为本次变异操作可产生的最优解。该算法的提出提高了遗传算法解决重构问题的自动化程度和收敛性能。以IEEE 33节点、PGE 69节点和119节点系统为例对方法进行了测试,验证了该方法的有效性。     

基于类电磁机制算法的配电网重构

针对多目标非线性整数规划的配电网重构问题,提出基于类电磁机制算法（Electromagnetism-like Mechanism,EM)的配电网重构。根据配电网的特点就该算法的具体步骤进行了详细的描述,并设计了电荷量算子、矢量力算子。算法利用吸引、排斥机制来引导粒子更新搜索方向,同时对算法的种群移动模型进行了改进,防止算法的早熟。该算法用于IEEE33节点和IEEE69节点系统的计算结果表明,类磁机制算法用于配电网重构是可行的、有效的。     

基于混合算法的含分布式电源的配电网重构研究

为解决含有分布式电源的配电网重构问题,建立了以系统网损为最小目标的含分布式电源配电网优化模型。根据遗传算法、模拟退火算法和禁忌搜索算法的特点,提出了适用于含分布式电源的配电网重构的混合算法。将禁忌搜索算法和模拟退火算法的思想引入到遗传算法中,可以避开遗传算法中存在的早熟收敛问题,跳出局部最优解,逐渐收敛到全局最优解,同时减小了迭代次数,提高了算法的效率。该算法用于IEEE 33节点系统的计算结果表明,混合算法用于含分布式电源的配电网重构是可行的、有效的。     

插电式混合动力汽车双模糊控制策略及其优化

提出一种免疫遗传算法优化的插电式混合动力汽车双模糊控制策略。采用模糊控制方法,分别以发动机工作区间最优和制动能量回收最大为原则,建立了能量管理驱动控制策略和制动控制策略,并根据两者的耦合关系将它们组合成整体控制策略。通过将免疫算法的多样性选择算子、疫苗注射算子、免疫检测算子引入遗传算法,并对疫苗的选择和注射方式予以改进,构成新的免疫遗传算法,应用该算法对控制策略进行了兼顾油耗和排放的多目标优化。仿真结果表明:所提出的双模糊控制策略能实现汽车能量的合理分配,优化后的油耗和三种排放物的排放分别降低了14.01%、12.27%、11.81%和20.34%,且优化结果明显好于遗传算法的结果。     

用基于基因疗法的遗传算法求解配电网重构

将基于基因疗法的遗传算法（GTGA）应用于求解配电网重构问题,提出了新的配电网拓扑结构描述方法。给出了生成和更新基因库的方法,设计了由清除和插入组成的治疗算子。在IEEE33和IEEE69的100次仿真测试中,GTGA全部找到最优解,且最快收敛代数分别为第2和第3代,平均收敛代数分别为6．29和7．92代。测试结果及与传统遗传算法和相关文献算法的对比表明,GTGA求解配电网重构问题是可行和高效的。     

使用基于中医思想的蚁群算法求解配电网重构

提出使用基于中医思想的蚁群算法(a novel ant colony system based on traditional Chinese medicine theory,CACS)求解配电网重构问题。针对配电网重构问题的特点,采用基于基本环路的解的编码方式,设计适合于配电网重构的解元件库、保健算子和治病算子,从而将CACS应用到配电网重构问题中。在IEEEE33和IEEE69节点的100次仿真测试中,CACS全部找到最优解,且最快收敛代数分别为3和7、平均收敛代数分别为22.16和59.92。同相关文献中的智能算法测试结果对比表明,CACS在保证解的质量的前提下,不但计算效率高,而且鲁棒性好。     

一种基于解空间划分的配电网最优重构算法

提出了一种基于解空间划分的配电网最优重构算法。根据配电网不同拓扑结构上的共同点,制定一个划分规则,将配电网重构的整个解空间划分为不同的可行子空间和不可行子空间,排除不可行子空间,同时使用局部寻优算法找出各可行子空间中的最优解,逐一计算网损并进行比较,找出全局最优解。该算法能够确定地得到配电网重构最优解,且显著减少了需要计算网损的候选解数目,使计算效率能够满足实际需要,PG&E69节点系统和IEEE 33节点系统的算例结果与分析证明了该结论。     

基于功率矩和邻域搜索的有源配电网两层重构算法

针对传统的含有分布式电源的配电网重构算法所存在的寻优速度和最终解的质量难以兼顾的问题,提出一种基于功率矩和邻域搜索的配电网两层重构算法。利用功率矩算法对各环路进行第一层重构优化,确定开断支路集,在此基础上采用具有方向的邻域搜索算法进行第二层重构。通过对当前解点的邻域搜索获取更优的解点位置,直至目标函数值不再下降,从而得到最终的重构方案。含有分布式电源的IEEE 33和IEEE 69节点典型测试系统的仿真结果验证了所提算法的有效性。     

基于十进制编码的差分进化算法在配电网重构中的应用

提出了一种基于差分进化的配电网重构方法。采用基于十进制环状编码方法解决了二进制编码产生大量不可行解的问题。给出了十进制环状编码的变异、交叉和选择策略;提出了一种在计算的同时调整支路节点顺序的算法,解决了配电网重构后部分支路电流流向颠倒的问题。应用差分进化算法对IEEE 33节点网络进行配电网重构仿真,结果表明该方法能有效降低配电网损耗。     

基于并行禁忌搜索算法的配电网重构

为更好地实现配电网重构,引入了分治法,进而提出了采用并行禁忌搜索算法实现重构的方法.将配电网简化为只含支路组的环网,并给出了配电网重构的必要条件.重构时,首先选择断开的支路组,采用深度优先搜索算法形成父子链表;然后引入可降低复杂度的分治思想,以可断开支路组为解空间进行分组,应用多处理器进行并行禁忌搜索.算例结果验证了该方法的有效性.     

基于模拟退火免疫算法的配电网重构

网络的重构对电力系统的优化运行十分重要。基于模拟退火免疫的配电网重构算法以环路编码方式,预先存储各环路间的公共开关来进行解个体的处理,使得进化完全在可行解中进行。将进化过程中的历史最优个体与当前最优个体结合起来动态构造疫苗,提高了解个体质量与搜索速度。此外,基于Boltzmann退火的选择算子保证了种群的多样性,避免进化过早陷入早熟,同时高频变异与免疫补充也提高了对最优解的搜索能力。算例研究表明,所建议的算法收敛性较好。     

一种混合智能算法在配电网络重构中的应用

提出了一种新的混合智能方法用来解决配电网络重构问题。该方法结合了遗传算法（GA）和粒子群优化算法（PSO）两者的优点，体现出较GA和PSO更好的寻优性能。在寻优过程中，部分个体以PSO方法迭代，其它个体进行GA中的交叉和变异操作，整个群体信息共享，同时采用自适应参数机制和优胜劣汰的思想进化。通过对IEEE16节点、IEEE33节点、IEEE69节点测试系统的计算和分析表明，该方法在解决配电网络重构问题上具有很高的搜索效率和寻优性能。     

基于分布式发电的油田配电网重构

采用伴生气的油田分布式发电具有容量小、分散的特点,根据负荷控制类型在潮流计算中将其作为PQ节点进行处理。提出了一种模拟退火与免疫算法相结合的网络重构算法,通过Boltzmann模拟退火算子来进行选择操作,同时采用免疫疫苗思想,保持了种群的多样性,并提升了收敛性能。根据进化过程中易产生不可行解的特点,提出环路公共开关矩阵方法,可有效避免不可行解的产生,进一步缩小了最优解的搜索空间。验证算例表明了该重构方法的优越性,在油田电网中应用可带来较大的经济效益。     

配电网重构的自适应和声搜索算法

采用和声搜索算法（ＨＳＡ）搜索最优方案进行配电网重构时,会受初始参数值的影响。为此,提出自适应和声搜索算法（ＡＨＳＡ）。在和声搜索算法中加入局部搜索进行改进,增强了算法的寻优性能。建立以降低网络的有功和无功功率损耗为目标的配电网重构的数学模型,采用基于节点分层的前推回代法对网络结构进行潮流计算和分析。对IEEE69节点配电网进行仿真,与和声搜索算法,遗传算法（ＧＡ）的结果进行对比分析,表明该算法的迭代次数少,有较好的收敛效果。在配电网重构的算例应用中,证明了自适应和声搜索算法是可行的。