基于改进量子进化算法的变电站选址方法

传统的变电站选址方法通常搜索时间长,且搜索质量不高,本文首次将量子进化算法(QEA)引入到变电站选址模型中,并且改进了传统的量子进化算法,提出了变电站选址的改进量子进化算法(IQEA)。IQEA对QEA的修复操作和进化方向进行改进;修复操作采用贪心修复,进化方向以适应度值作为评价的标准,以适应度值作为吸引子进行下一代的更新,从而更好地维持了种群的多样性,提高了算法性能。背包问题测试结果表明,对QEA的改进措施增强了QEA的搜索能力,提出的IQEA性能最优。且实际算例表明,本文所提出的IQEA是正确且有效的,其选址方法是科学、可行的。     

量子进化算法在电力系统无功优化中的应用

量子进化算法QEA(Quantum-insp ired evolutionary algorithm)将量子理论引入进化计算领域,是一种基于量子计算概念的进化策略算法。它采用量子比特为基本信息位进行个体编码,使用量子态的么正变换(量子门变换)实现个体的进化,同时利用量子编码的多态叠加性以及“全干扰交叉”可以有效克服进化过程中的早熟现象,因此它比传统进化算法具有更快的收敛速度和全局寻优能力。该文将该算法应用于电力系统无功优化问题,提出基于QEA算法的无功优化模型,并对算法参数进行了研究,提出了合适的量子变异参数。运用该算法对IEEE6、30节点系统进行了仿真计算,计算结果验证了模型和算法的有效性。     

量子进化算法在电力系统无功优化中的应用

量子进化算法QEA(Quantum-inspired evolutionary algorithm)将量子理论引入进化计算领域,是一种基于量子计算概念的进化策略算法.它采用量子比特为基本信息位进行个体编码,使用量子态的么正变换(量子门变换)实现个体的进化,同时利用量子编码的多态叠加性以及"全干扰交叉"可以有效克服进化过程中的早熟现象,因此它比传统进化算法具有更快的收敛速度和全局寻优能力.该文将该算法应用于电力系统无功优化问题,提出基于QEA算法的无功优化模型,并对算法参数进行了研究,提出了合适的量子变异参数.运用该算法对IEEE6、30节点系统进行了仿真计算,计算结果验证了模型和算法的有效性.     

改进的禁忌搜索算法及其在电磁场逆问题中的应用

针对求解多极值点目标函数的电磁场逆问题,提出了一种改进的禁忌搜索算法。为提高算法的全局寻优能力和减少寻优计算的时间,改进算法在结构上提出了不同状态的新转移规则：步长向量选取原则和不同循环起始点选择的新规则。避免了重复或无意义中间点的产生,使算法能够有效地跳出局部极值点,迅速收敛到全局最优点。给出的典型数学函数验证了算法的快速性和有效性,电磁场逆问题算例TEAM Workshop问题22的结果表明算法的优越性和工程应用价值。     

改进的禁忌搜索算法及其在电磁场逆问题中的应用

针对求解多极值点目标函数的电磁场逆问题,提出了一种改进的禁忌搜索算法.为提高算法的全局寻优能力和减少寻优计算的时间,改进算法在结构上提出了不同状态的新转移规则:步长向量选取原则和不同循环起始点选择的新规则.避免了重复或无意义中间点的产生,使算法能够有效地跳出局部极值点,迅速收敛到全局最优点.给出的典型数学函数验证了算法的快速性和有效性,电磁场逆问题算例TEAM Workshop问题22的结果表明算法的优越性和工程应用价值.     

基于改进量子进化算法的配电网重构

提出了一种新的改进量子进化算法解决配电网重构问题。算法对量子更新策略进行改进以减少量子搜索的盲目性,引导量子更好更快地找到最优解。配电网重构是一个多目标非线性组合优化问题,二进制的编码方式特别适合采用改进量子进化算法求解。IEEE 16节点标准算例计算结果表明,本文所提出的改进量子进化算法在配电网重构应用中正确有效。     

基于多项式混沌和进化算法的快速鲁棒优化算法及其在电磁场逆问题中的应用

为提高电磁场逆问题鲁棒优化设计的计算效率,提出一种基于多项式混沌和进化算法相结合的快速鲁棒优化方法。在该方法中,通过将多项式混沌展开作为鲁棒性能参数的随机响应面模型,提高了期望函数的计算效率和计算精度。此外,为进一步提高算法的计算效率,文章又提出了期望适值赋值的新机制,以及概率可行性模型处理约束函数鲁棒性的方法;引入同时搜索全局最优解和鲁棒最优解的迭代循环机制。通过典型电磁场逆问题的鲁棒优化设计对本文算法进行了数值验证。数值分析结果证明了该文方法的可行性和先进性。     

基于量子进化算法的配电网开关优化配置研究

配电网的开关配置对系统的供电可靠性具有重要影响,因而对配电网的开关配置进行优化设计,使系统在满足一定可靠性指标的前提下开关总投资成本和维护成本最小很有意义。文中研究了配网开关的优化规划问题,建立了计及可靠性和经济性的开关优化规划模型,以配电网开关投资成本和维护成本最小作为优化目标,采用平均供电有效度(ASAI)作为可靠性指标。为了提高规划计算的速度,提出了一种自动开关分区段的快速求取可靠性指标方法。介绍了量子进化算法(Quantumevolutionalgorithm,简称QEA),该算法相比传统的进化算法具有更加丰富的种群,能保持优良的多样性和全局寻优能力,文章结合配网的特点,提出了基于QEA的开关优化规划求解算法。在某一系统中进行了测试,表明文中提出的方法是可行的和有效的。     

基于MAQPSO 的电力系统无功优化研究

文中提出一种多智能体量子粒子群优化算法(Multi Agent Quantum Particle Swam Optimization,MAQPSO)求解电力系统无功优化问题,改善了传统量子粒子群算法后期收敛速度慢、易陷入局部最优解等缺点。该算法结合了量子粒子群算法和多智能体进化思想,每一个Agent相当于量子粒子群优化算法中的一个粒子,通过Agent的邻域竞争、自学习等操作,使得算法能够更迅速、更精确地收敛到全局最优解。通过对IEEE14、30、57和118节点系统的优化仿真,结果表明该算法有收敛精度高、寻优速度快等优点。     

含分布式电源的配电网综合优化重构

分布式电源(DG)的接入对配电网重构带来诸多影响,使含DG的配电网重构难以用传统模型来描述。为了充分发挥DG对配电网的有利作用,将DG视为可调度设备,建立了以网络开关组合、DG注入功率、DG位置为控制变量的配电网综合优化重构模型,采用量子进化算法(QEA),以网损最小为目标函数,对模型进行求解,降低了配电网的有功损耗。采用IEEE33节点测试系统进行仿真计算,结果表明了该方法是正确、有效的。     

基于RQGA和非支配排序的多目标混沌量子遗传算法

为了提高多目标优化算法的收敛性、分布性和减少算法的计算代价,借鉴实数编码遗传算法和多目标优化理论,构建一种多目标混沌量子遗传算法.在分析量子位概率的混沌特性、量子态干涉特性和量子位实数编码的基础上,采用量子位概率交叉和混沌变异的方式进化种群,以提高寻优能力和收敛速度,利用非支配排序、精英保留和分层聚类等多目标优化策略保持种群多样性的同时,保证进化向Pareto全局最优解集方向进行.通过混合算法性能对比测试验证了多算法集成的有效性,并分析关键参数对算法性能的影响.电力系统多目标无功优化的仿真结果验证了该算法的有效性和可行性.     

量子免疫算法在电网故障诊断中的应用

针对电网故障模型中原有故障目标函数存在多解的问题,综合考虑了重合闸、不同保护以及主后备保护之间的相互关系对目标函数的影响,建立了新的目标函数。同时,针对遗传算法所需种群多,收敛速度慢等缺点,提出了一种基于量子免疫算法的故障诊断方法。该算法采用量子比特编码染色体,利用克隆算子和量子门来引导变异,使得当前最优个体的信息能够很容易扩大到下一代,具有种群规模小,收敛速度快,全局寻优能力强的特点。实验表明,改进的模型是合理的,量子免疫算法综合性能优于传统的遗传算法,说明该算法是可行的。     

基于量子免疫克隆算法的多目标无功优化

结合量子计算原理和免疫克隆算子,提出一种解决多目标无功优化问题的量子免疫克隆算法.该算法采用量子比特编码,使一个量子抗体可以同时表征多个信息状态,进而增加了种群的多样性;采用量子重组与量子非门操作的搜索策略,将全局搜索和局部寻优有机结合,确保所得解集快速有效地从不可行域边缘和可行域内部向最优Pareto前端逼近;采用目标函数值与理想化目标的接近程度来评价解的优劣性,有效降低了传统算法各目标函数值加权叠加过程中对权重选取的依赖性.IEEE 14节点系统仿真测试结果表明,该算法能有效提高系统运行的经济性和安全性.     

多目标电网无功优化的量子遗传算法

在传统无功优化模型中引入静态电压稳定指标,建立了以网损最小、静态电压稳定裕度最大为目标的多目标无功优化模型。还介绍了量子遗传算法,它是一种基于量子计算概念的智能算法,用量子比特为基本信息位编码染色体,用基于量子概率门的量子变异实现个体进化,其收敛速度和全局寻优能力优于传统进化算法。将该算法用于电力系统无功优化并仿真计算了IEEE14、30节点系统,结果验证了模型和算法的有效性。     

量子免疫算法在电网故障诊断中的应用

针对电网故障模型中原有故障目标函数存在多解的问题,综合考虑了重合闸、不同保护以及主后备保护之间的相互关系对目标函数的影响,建立了新的目标函数.同时,针对遗传算法所需种群多,收敛速度慢等缺点,提出了一种基于量子免疫算法的故障诊断方法.该算法采用量子比特编码染色体,利用克隆算子和量子门来引导变异,使得当前最优个体的信息能够很容易扩大到下一代,具有种群规模小,收敛速度快,全局寻优能力强的特点.实验表明,改进的模型是合理的,量子免疫算法综合性能优于传统的遗传算法,说明该算法是可行的.     

基于量子差分进化算法的电力系统无功优化

以系统有功网损最小为目标,建立了一种电力系统无功优化数学模型,并提出了一种基于量子差分进化算法的电力系统无功优化方法。该算法采用量子计算中的并行、坍缩等特性,增强了对解空间的遍历能力;同时在传统选择策略的基础上加入了量子计算的概率表达特性,有效地避免了算法的早熟现象。对IEEE-30节点测试系统进行仿真分析,并将优化结果与传统差分进化算法和粒子群优化算法进行对比分析,结果表明量子差分进化算法在解决系统无功优化问题上更科学、更有效。     

基于粗糙集理论与CLSDE算法的环境经济调度优化模型

针对环境经济发电调度优化问题,提出了一种应用粗糙集理论构建评价函数的多目标优化方法,并提出了基于混沌局部搜索策略的差分进化算法(chaotic local search strategy differential evolution algorithm,CLSDE)的求解算法。应用粗糙集理论确定经济调度和环境调度函数的约束度,以确定各目标函数在优化模型中的权值。采用CLSDE算法求解环境经济调度(environmental economic dispatch,EED)多目标优化模型,该算法只对目标函数中的变量进行编码,约束条件函数中的变量随机产生,每代进化完毕后,对最优个体进行混沌局部搜索,克服了差分进化算法局部搜索能力较弱和惩罚函数方法中惩罚参数选择较难的问题。对IEEE30节点的标准测试系统进行了仿真计算,结果表明CLSDE算法在解决环境经济调度问题时具有可行性和有效性,在不增加污染气体排放量的同时降低燃料费用,使环境经济调度更能兼顾发电调度的经济利益与环境利益。     

基于免疫遗传算法的环境经济负荷调度

介绍以目标函数为抗原,以问题解为抗体,利用进化策略进行群体更新的免疫遗传算法。讨论环境经济负荷调度多目标函数优化问题,给出利用免疫遗传算法解决这一问题的主要步骤。利用一个含有5个电力生产单元的燃煤电力系统模型验证了该算法的可行性和有效性。并与遗传算法和Hop fie ld神经网络进行比较分析,证实了该算法解决该类问题的优化性和快速收敛性。     

多调整因子模糊控制器的进化优化

针对一类具有多调整因子的自调整模糊逻辑控制器，提出了基于进化计算的两种优化策略：传统的带线性量子的优化方法和具有评价机制的非线性量化因子优化法。其中，进化算法采用的是兼顾全局搜索和局部搜索的双种群自适应遗传算法，目标函数为反映全局控制性能的ITAE函数。跟踪实验有鲁棒性实验表明，该方法整体效果好，好稳态性能优，鲁棒性强。     

一种多目标量子算术优化算法探究

为更好地解决算术算法中多目标优化问题,提出一种基于档案集的多目标量子算术优化算法并在七个基准函数上进行测试;通过分析测试结果以及与常用的多目标优化方法 /多目标粒子群优化算法、快速非支配排序遗传算法和多目标灰狼优化算法相关指标进行比较,表明了该算法优于上述常用的多目标优化算法,并具有较高的收敛速率。