基于免疫遗传算法的小水电配电网无功优化

针对目前应用于电力系统无功优化的智能算法所存在的问题,提出将免疫遗传算法应用于电力系统无功优化问题的措施。免疫遗传算法是将免疫理论和基本遗传算法各自的优点相结合,不仅具有遗传算法的搜索特性,还具有免疫算法的多机制求解多目标函数最优解的自适应特性,对"早熟"问题有所改善,收敛于全局最优。最后,以安康市某区域电力系统为例对算法进行了性能测试,提出了合理的调压措施,结果表明将免疫遗传算法应用于电力系统无功优化问题可以显著降低系统网损,改善电压质量。     

基于变尺度混沌理论与免疫遗传算法的电力系统无功优化

提出一种基于变尺度混沌理论与免疫遗传算法的混合智能无功优化算法。该算法利用混沌变量的遍历性、随机性和规律性特点,将混沌运动自身的遍历区域变换成优化变量的取值范围,通过对整个解空间进行考察实现了可行域内的全局优化搜索。同时通过变尺度方法不断缩小优化变量的搜索范围来实现局部细化搜索,从而增强混沌局部搜索能力,加快解的收敛速度,提高解的精度。文章最后以某地区实际电网为例,分别采用免疫遗传算法和混合智能算法对其进行无功优化计算,结果表明本文提出的混合智能算法在计算速度和全局收敛性方面有很大的提高。     

免疫遗传算法在无功优化中的应用

将免疫遗传算法用于电力系统无功优化,其特点在于用基因座信息熵和免疫选择机制,提高种群的多样性,增加搜索空间,促进全局最优。通过对IEEE33节点系统的计算,验证了该算法能有效提高无功优化的收敛速度和优化效果。     

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．     

遗传算法在电力系统无功优化中的应用综述

遗传算法是一种通过在整个解空间多渠道同时搜索以找到全局最优解的寻优方法，已经在许多复杂优化问题上被证明是一种相当有效的方法。为此，就遗传算法在电力系统无功优化中的应用进行了介绍，并提出了遗传算法在大规模电力系统无功优化计算中的改进措施。     

含有离散变量的无功优化问题的混合优化方法

提出一种混合优化方法求解含有离散变量的无功优化问题。该方法将遗传算法和传统优化方法分别运用于离散变量和连续变量的优化搜索,遗传算法对种群进行全局广度搜索,而对连续变量的传统优化则作为遗传算法的局部深度搜索,使遗传算法擅长处理离散变量和传统优化方法速度快、数值稳定性好的优势得到发扬。这种混合优化算法模型简单规范,其实用性和有效性通过算例验证。     

一种电力系统无功优化的新型混合优化算法

提出了一种适合于求解电力系统无功优化问题的新型混合优化算法,该算法结合基于邻域搜索的群搜索优化算法和改进灾变遗传算法。综合考虑两种算法的特点,将无功优化问题分步进行交替求解,第一步采用改进灾变遗传算法迭代两次更新解群体,第二步在此基础上采用基于邻域搜索的群搜索优化算法使群体中各解向当前最优解靠拢,交替进行,最终达到全局最优解。在IEEE118节点系统试验计算结果表明,与其他算法相比,该混合算法具有较好的全局收敛性且不容易陷入局部最优,在优化效果以及算法稳定度上都具有明显的优势。在某实际290节点电网计算结果表明,该混合算法能够适应实际电力系统无功优化问题的求解。     

一种电力系统无功优化的新型混合优化算法

提出了一种适合于求解电力系统无功优化问题的新型混合优化算法,该算法结合基于邻域搜索的群搜索优化算法和改进灾变遗传算法.综合考虑两种算法的特点,将无功优化问题分步进行交替求解,第一步采用改进灾变遗传算法迭代两次更新解群体,第二步在此基础上采用基于邻域搜索的群搜索优化算法使群体中各解向当前最优解靠拢,交替进行,最终达到全局最优解.在IEEE118节点系统试验计算结果表明,与其他算法相比,该混合算法具有较好的全局收敛性且不容易陷入局部最优,在优化效果以及算法稳定度上都具有明显的优势.在某实际290节点电网计算结果表明,该混合算法能够适应实际电力系统无功优化问题的求解.     

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。     

基于改进小生境遗传算法的电力系统无功优化

针对电力系统无功优化问题,提出一种改进小生境遗传算法来克服小生境遗传算法中小生境难以确定的不足,改善遗传算法容易陷入局部收敛和早熟的缺点。通过模糊动态聚类分析方法实现小生境群体的划分,然后利用适应度共享技术对小生境内个体适应度进行调整,以提高全局寻优能力。提出和运用隔代小生境共享机制、最优个体邻域搜索及保留策略等以提高算法的计算速度和收敛速度。通过对IEEE 57节点测试系统进行无功优化计算及结果分析,说明所提出算法的全局搜索能力强、效率高,能得到较好的结果。     

基于改进遗传算法与原对偶内点法的无功优化混合算法

基于改进遗传算法和原对偶内点法提出一种求解无功优化问题的混合算法。首先通过改进遗传算法求解无功优化问题中的离散变量,然后采用原对偶内点法求解与已获得离散变量最匹配的连续变量。在改进遗传算法中采用交叉、变异算子并基于可行域规则处理离散约束,有效提高了混合优化算法的整体寻优效率。在IEEE 118节点系统中的仿真计算结果验证了本文方法的有效性。该方法已应用于福建电网自动电压控制系统中。     

基于免疫遗传算法的智能配电网分布式电源选址定容

合理地对分布式电源进行选址和定容对于智能配电网规划非常重要。文章在研究分布式电源规划的基础上,建立了以有功网损最小为目标函数的优化模型,用罚函数法将分布式电源规划问题转化为无约束问题,针对该模型特点,首次将免疫遗传算法应用到分布式电源选址和定容问题的求解中。该算法综合了免疫系统和遗传算法的优点,具有良好的全局收敛能力。对33节点配电测试系统进行仿真计算,将仿真结果与标准遗传算法进行比较。验证了免疫遗传算法具有一定的收敛性和适应性。     

An improved genetic algorithm for generation expansion planning

This paper presents a development of an improved genetic algorithm (IGA) and its application to a least-cost generation expansion planning (GEP) problem. Least-cost GEP problem is concerned with a highly constrained nonlinear dynamic optimization problem that can only be fully solved by complete enumeration, a process which is computationally impossible in a real-world GEP problem. In this paper, an improved genetic algorithm incorporating a stochastic crossover technique and an artificial initial population scheme is developed to provide a faster search mechanism. The main advantage of the IGA approach is that the “curse of dimensionality” and a local optimal trap inherent in mathematical programming methods can be simultaneously overcome. The IGA approach is applied to two test systems, one with 15 existing power plants, 5 types of candidate plants and a 14-year planning period, and the other, a practical long-term system with a 24-year planning period     

基于内点法和改进遗传算法的无功优化组合策略

提出了一种求解无功优化问题的组合策略,该策略将无功优化问题分解为连续优化和离散优化2个子问题,分别用预测–校正内点法和改进遗传算法进行求解。考虑到实际电网在进行无功优化控制时,发电机是主要的调节手段,先不考虑离散变量的约束,采用预测–校正内点法优化连续变量;然后保持连续变量不变,用改进遗传算法优化离散变量;再返回到连续优化阶段,如此交替求解。当出现相邻的连续优化阶段和离散优化阶段网损变化的差值小于设定值时,停止优化。IEEE14、30、57、118节点系统的仿真结果表明,该策略比其它组合算法在收敛性和计算效率上更具优越性。     

Optimal Placement of Phasor Measurement Units Using Immunity Genetic Algorithm

This paper investigates the application of immunity genetic algorithm (IGA) for the problem of optimal placement of phasor measurement units (PMUs) in an electric power network. The problem is to determine the placement sites of the minimal set of PMUs which makes the system observable. Incorporating immune operator in the canonical genetic algorithm (GA), on the condition of preserving GA's advantages, utilizes some characteristics and knowledge of the problems for restraining the degenerative phenomena during evolution, so as to improve the algorithm efficiency. This type of prior knowledge about some parts of optimal solution exists in the PMU placement problem. So, the IGA is adopted in this paper to solve the problem. Also, a new effect which is preventing from familial reproduction is studied which shows an increase in converging speed. The effectiveness of the proposed method is verified via IEEE standard systems and a realistic large-scale power system.      

基于免疫遗传算法优化的神经网络配电网网损计算

提出了一种基于免疫遗传算法(IGA)的BP神经网络方法计算配电网的理论线损。该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能。为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤。仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能, 比现有其它计算配电网理论线损的方法更为     

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。     

求解动态无功优化问题的混合免疫遗传算法

无功优化是电力系统运行中提高经济性和电压安全性的重要措施,为防止静态无功优化可能导致无功控制设备的频繁操作,考虑并联电容器投切组数和有载调压变压器变比档位的调节次数约束,建立了电力系统动态无功优化模型。提出免疫遗传算法与非线性内点法相结合的混合算法进行求解,其中免疫遗传算法处理离散变量,非线性内点法处理连续变量,并在免疫遗传算法中设计独特的编码方式,使抗体能够自动满足动态约束。采用IEEE14系统的24时段无功优化问题进行仿真计算,动态无功优化后离散控制设备的调节次数很少,有功损耗比静态优化结果仅有轻微增加,算例结果验证了混合免疫算法的有效性。     

Optimal location of UPFC controller in transmission network using hybrid chemical reaction optimization algorithm

This paper presents a new hybrid chemical reaction optimization (HCRO) approach which is based on chemical reaction optimization (CRO) and differential evolution (DE) to find the optimal placement and parameter setting of unified power flow controller (UPFC) to achieve optimal performance of power system network. In the proposed algorithm, four elementary reactions, i.e., on-wall ineffective collision, inter-molecular ineffective collision, decomposition, and synthesis, are developed. Moreover, mutation operation of DE is integrated with inter-molecular ineffective collision and crossover operation is introduced in the inter-molecular collision, synthesis, and decomposition process to accelerate the convergence speed and improve the solution quality of CRO algorithm. Here, three different single objectives namely, minimization of the overall cost, transmission loss, voltage deviation and one multi-objective which simultaneously minimizes the transmission loss and voltage deviation are used. To verify the effectiveness, the proposed HCRO approach is implemented on IEEE 14-bus and IEEE 30-bus power systems. Moreover, to establish the superiority, the simulation results of the proposed HCRO technique are compared to the CRO and other previously reported algorithms published in the literature such as genetic algorithm (GA), particle swarm optimization (PSO), immune GA (IGA), immune PSO (IPSO) and hybrid immune algorithm (HIA). It is found that the results obtained by the proposed HCRO technique are superior to those obtained by other discussed algorithms.     

改进的遗传算法在中期发电规划中的应用

给出了发电扩展规划的基本数学模型。为了满足日益严峻的电网调峰问题,在发电扩展规划模型中引入了峰谷差约束,然后讨论了应用于发电扩展规划的简单遗传算法的交叉和变异因子固定不变和有时进化缓慢的缺点。提出了一种改进的遗传算法。该算法能根据父代群体的进化质量动态地调整交叉和遗传因子,使进化群体始终探测新的超平面并获得新的最优个体,能克服过早收敛,也不易陷入局部最优解,从而有效地改善了算法收敛速度和最好解。最后给出了上海市2000－2007年的中期发电扩展规划的实际算例,分别用简单遗传算法和改进遗传算法进行了计算。计算结果表明,改进的遗传算法由于能自动调整遗传因子,在进化过程中能激励所有个体协作共同度过进化停滞期而能获得较优解。