PGA在电力系统电源规划中的应用

目前,遗传算法作为一种基于人工智能技术的优化算法在电力系统电源规划中已经得到广泛应用。然而其遗传操作繁杂、计算量庞大、早熟收敛等问题使其应用受到局限。本文提出一种自然分段式编码成功地将单亲遗传算法PGA引入电源规划中,通过使用该方法可以大大简化电源规划的计算量、避免早熟收敛、提高计算效率。算例结果表明:该算法可以成功解决包含各种类型电源的规划问题,并且还有广阔的发展空间。     

PGA在电力系统电源规划中的应用

目前,遗传算法作为一种基于人工智能技术的优化算法在电力系统电源规划中已经得到广泛应用.然而其遗传操作繁杂、计算量庞大、早熟收敛等问题使其应用受到局限.本文提出一种自然分段式编码成功地将单亲遗传算法PGA引入电源规划中,通过使用该方法可以大大简化电源规划的计算量、避免早熟收敛、提高计算效率.算例结果表明:该算法可以成功解决包含各种类型电源的规划问题,并且还有广阔的发展空间.     

改进免疫算法在电力系统电源规划中应用

目前,遗传算法作为一种基手人工智能技术的优化算法在电力系统电源规划中已经得到广泛应用。然而其遗传操作繁杂、计算量庞大。易产生退化、早熟收敛等问题,使其应用受到局限。提出一种基于自然分段式编码的改进免疫算法MIA(Modified-Immune Algorithm),该算法具备全局多峰搜索能力。通过使用该算法可以大大简化电源规划的计算量、提高计算效率,并充分利用特征信息灵活求解,具备了更加优异的收敛特性,同时避免了退化、早熟收敛问题发生。     

改进免疫算法在电力系统电源规划中的应用

目前,遗传算法作为一种基于人工智能技术的优化算法在电力系统的电源规划中已经得到广泛应用,然而其遗传操作繁杂、计算量大,易产生退化、早熟等问题使其应用受到局限.文章提出一种基于自然分段式编码的改进免疫算法(Modified Immune Algorithm,MIA),使用该方法可以大大减少电源规划的计算量,提高计算效率,并可充分利用特征信息灵活求解.该算法具有全局多峰搜索能力以及优异的收敛特性,同时可避免退化、早熟等问题的发生.算例结果表明,该算法可以较好地求解电源规划问题,并且具有广阔的发展空间.     

基于C-PSO的水火电混合电力系统电源规划

提出了一种粒子群算法与遗传算法结合的组合粒子群算法,并将其用于求解复杂的、非线性的水火电混合电力系统电源规划问题。该结合算法引入的遗传算法成功地提高了基本粒子群算法的全局搜索能力,同时也比基本遗传算法的收敛速度更快。算例结果表明:对于短期规划,该算法能可靠、快速地收敛到全局最优解,对于大型电力系统的中长期电源规划问题也可得到较好解。     

基于C-PSO的水火电混合电力系统电源规划

提出了一种粒子群算法与遗传算法结合的组合粒子群算法,并将其用于求解复杂的、非线性的水火电混合电力系统电源规划问题.该结合算法引入的遗传算法成功地提高了基本粒子群算法的全局搜索能力,同时也比基本遗传算法的收敛速度更快.算例结果表明:对于短期规划,该算法能可靠、快速地收敛到全局最优解,对于大型电力系统的中长期电源规划问题也可得到较好解.     

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。     

SA-PSO在水火电混合电力系统电源规划中的应用

电源规划是电力系统电源布局的战略决策,在电力系统规划中处于十分重要的地位。其核心问题是要确定在规划期内随着负荷的增长,系统应在何时、何地、建什么类型、多大容量的电厂。由于其本身的的复杂性,用传统的优化方法求解需采取简化措施,寻求一个满足各种约束条件和可靠性指标及环保要求的最优电源建设方案,以满足系统负荷发展的需要。为此,提出一种粒子群算法与模拟退火算法结合的模拟退火粒子群算法,并将其用于求解复杂的、非线性的水火电混合电力系统(包含核电)电源规划问题。该组合算法在粒子群算法中引入了模拟退火算法成功的提高了基本粒子群算法的全局搜索能力。算例结果表明:该算法能可靠、快速的收敛到全局最优解,特别适合于大型电力系统的中长期电源规划。     

量子进化算法在输电网扩展规划中的应用

量子进化算法是一种基于量子计算概念且具有量子染色体形式的进化算法,由于计算中融入了当前最优解的信息,同时采用全干扰交叉操作克服早熟现象,因此该算法具有更快的收敛速度和全局寻优能力.输电网扩展规划是复杂的大规模非线性组合优化问题.文章提出一种基于量子进化算法的电力系统输电网扩展规划模型,并对算法参数进行优化,提出了较适合本文研究问题的旋转门的旋转角取值.算例结果表明,该模型可靠有效,加入特殊算子改进后,可进一步提高计算精度和运算速度.     

改进单亲遗传算法在电源规划中的应用

电源规划问题本质上是一多阶段组合优化问题,使用常规遗传操作会产生大量无效解,从而降低了求解效率.文章提出了一种基于单亲遗传算法的电力系统电源规划模型,并采用分段编码法解决了单亲遗传算法用于电源规划的编码问题.该模型容易计及电源规划中需要考虑的各种约束条件.文中还研究了精英保留算子和扰动算子对收敛的影响.算例仿真表明:该模型可靠有效,既能获得最优解,也能获得次优解;加入特殊算子改进后,可进一步提高精度,加快收敛速度.     

单亲遗传算法的计算效率分析

单亲遗传算法（ＰＧＡ）是一种适合于求解组合优化问题的新型算法,它与传统遗传算法相比,具有不要求初始群体具有广泛多样性,不存在“早熟收敛”问题,遗传操作简单等优点．分别从图式定理和Ｍａｒｋｏｖ链的角度出发,对ＰＧＡ的计算效率进行分析研究,提出了提高ＰＧＡ计算效率的有效措施．仿真结果显示了这种算法的有效性．     

基于单亲遗传算法的配电网络规划

配电网络规划属于非线性混合整数规划问题，应用传统数学优化算法往往难以直接求解，文章针对目前应用广泛的常规遗传算法在求解该问题时存在的难以保证方案连通性和辐射性的缺陷，提出了基于单亲遗传算法的配电网络优化规划算法，于整数编码策略，给出了配电网络规划中变量编码的具体方法和迭代求解程序，该算法具有进化操作成功率高，求解配电网络优化规划问题的效率高等优点，同时可将简化网架结构和选取导线截面结合在一起，既可确保解的最优性，又可减少工作量，仿真算例验证了该方法的快速性和有效性，该算法还适用于辐射型配电网络的扩展规划和配电网络的重构。     

基于灾变遗传算法的无功规划优化

摘要： 提出了应用于电力系统无功规划优化的灾变遗传算法。算法中引入“灾变”的概念来保证解空间的多样性;采用了分组整数编码技术和锦标赛选择机制;提出采用与十进制整数编码策略相结合的邻近变异操作算子,以避免二进制编码中的海明悬崖。将此算法应用在佛山226个节点的电力系统中。结果表明它能克服一般遗传算法（GA）的早熟收敛倾向和改善GA的局部搜索能力,比常规GA的寻优效率高得多。     

基于混合粒子群智能遗传算法的配电网络重构优化研究

将二进制粒子群优化算法的惯性因子进行了动态化自适应改进,设计了区别于标准遗传操作的高频交叉算子和随机自回馈变异算子,基于此提出了一种新算法——混合粒子群智能遗传算法(PGA)应用与配网的重构。在新型编码方案下,PGA应用两个遗传算子使种群保持多样性,避免陷入局部最优,同时结合PSO的快速群体智能寻优指导染色体的进化方向,能够使种群信息共享的同时提高算法的收敛速度,算例结果验证了新算法的可行性。     

遗传算法在电网规划应用中的改进

本文利用遗传算法建立了电网规划的数学模型，在此基础上提出了用竞赛法进行生殖操作、两点交叉、保留优良品种等改进措施，加快了收敛速度，提高了计算精度。     

遗传算法及其改进

本文首先对遗传算法的来源,基本原理,数学机理,特点及其应用进行了论述。这了提高遗传算法的收敛性能,同时考虑到交叉率和变异率的选取问题,本文简要介绍了一种基于个体适应度值的自适应调整交叉率和变异率的自适应遗传算法。     

Hybrid optimization implemented for distributed generation parameters in a power system network

This paper presents a novel hybrid optimization algorithm for optimizing the Distributed Generation (DG) parameters in deregulated power system which improves the stability, reduces the losses and also increases the cost of generation. This Hybrid algorithm which includes Fuzzy-Genetic Algorithm (FGA) is used to optimize the various DG parameters simultaneously. The various parameters taken into consideration are their type, location and size of the DG devices. The simulation was performed on a distribution system and modeled for steady state studies. The optimization results are compared to the solution given by another search method like Genetic Algorithm (GA) and Micro Genetic Algorithm (MGA). The results reveal the benefits of the proposed method, for solving simultaneous combinorial problems of DG devices in a power system network.     

基于遗传算法及模糊神经网络的牵引变压器故障诊断系统

本文针对油浸式牵引变压器的常见故障,提出了一种将遗传算法(GA)和模糊神经网络(FNN)相结合的GA-FNN算法对油浸式牵引变压器进行故障诊断.该算法考虑了故障信号分界过于绝对的特点,运用模糊数学对故障信号进行模糊化预处理.为了克服传统的BP算法存在的收敛速度慢和易陷入局部极小点的缺点,本文引入遗传算法,利用遗传算法良好的全局寻优化能力对FNN网络的初始权值进行优化.仿真结果表明,GA-FNN算法的学习训练次数明显的比传统的FNN算法少,训练时间短,且利用这种新算法对牵引变压器进行故障诊断的正确率可达到99%.