基于改进量子遗传算法的电力系统无功优化

提出一种基于改进量子遗传算法的电力系统无功优化方法。该方法借鉴量子计算的一些概念,采用量子比特对控制变量编码,这种编码方式能表示出许多可能的线性叠加态,从而更好地维持种群的多样性。同时利用搜索到的最佳个体信息更新量子门,加快了该方法的收敛速度,采用群体灾变策略防止该方法陷入“早熟”。分别采用线性规划算法、复合形算法、改进禁忌搜索算法、标准遗传算法、自适应遗传算法和该方法对IEEE 6和IEEE 30节点系统进行无功优化,实验结果表明,该方法全局寻优能力强、收敛速度快。     

混合搜索算法在配电网无功最优补偿中的应用

针对目前遗传算法用于无功优化时存在收敛速度慢、容易陷入局部最优等问题,提出了一种将改进遗传算法与模拟退火算法及禁忌搜索算法相结合的混合求解算法。首先根据个体适应度值进行自适应交叉和变异操作,并采用启发式二次邻域变异的方法,使个体的进化更符合无功优化问题的实际,然后运用模拟退火进行个体更新,以便增加群的多样性,避免陷入局部最优;最后将所得最优解作为禁忌搜索的初始解,进行局部寻优求解过程。以一实际配电网系统为例进行优化计算,结果表明混合搜索算法具有较优的性能和求解精度。     

基于数学形态学和遗传算法的配电网动态无功优化方法

提出了一种基于数学形态学和遗传算法的配电网动态无功优化方法，通过构造数学形态学滤波器对由染色体的等位基因构成的二值图像进行滤波，将对补偿调压设备动作次数的处理问题转化为离散二值图像的滤波问题。为提高遗传算法的计算速度，对交叉和变异操作进行了改进：基于遗传性状的思想，防止了交叉操作中对优良基因组合的破坏；借鉴粒子群算法中根据个体极值和全局极值修正个体速度和位置的思想，提出了根据基因性状进行进化变异的方法。分别采用改进遗传算法、简单遗传算法和该动态无功优化方法对某区域配电系统进行无功优化，结果验证了该优化方法的正确性和有效性。     

混合搜索算法在配电网无功最优补偿中的应用

针对目前遗传算法用于无功优化时存在收敛速度慢、容易陷入局部最优等问题,提出了一种将改进遗传算法与模拟退火算法及禁忌搜索算法相结合的混合求解算法.首先根据个体适应度值进行自适应交叉和变异操作,并采用启发式二次邻域变异的方法,使个体的进化更符合无功优化问题的实际,然后运用模拟退火进行个体更新,以便增加群的多样性,避免陷入局部最优;最后将所得最优解作为禁忌搜索的初始解,进行局部寻优求解过程.以一实际配电网系统为例进行优化计算,结果表明混合搜索算法具有较优的性能和求解精度.     

改进小生境遗传算法在电力系统无功优化中的应用

利用改进小生境遗传算法进行了电力系统无功优化计算。算法主要做了以下改进：设置个体之间的距离判别标准L为动态函数,保持了群体的多样性;采用最优保存策略保证算法的收敛性;采用局部最优徘徊策略作为辅助终止原则,避免陷入局部最优情况。对IEEE 30节点算例系统进行了无功优化,并对优化前后各项技术性能指标进行了分析,说明了改进小生境遗传算法在保持解的多样性、提高搜索效率和优化效果等方面都具有良好的性能。对某县级配电网进行了仿真计算,仿真结果证明了所提算法的有效性。     

基于改进遗传算法的配电网无功优化

本文在分析了电网安全经济运行现状的基础上,阐明了配电网无功优化的必要性,提出了以节省损耗电费最大为目标的无功优化数学模型,并基于传统遗传算法,提出了一种改进的遗传算法对无功优化模型进行求解：采用十进制编码、最优个体保存策略以及变异操作采用十进制码加减变异范围内随机数操作。最后将本算法用于某14节点电网系统中,结果表明,本文算法在优化效果基本相同的情况下,还具有迭代次数少,计算速度快等优点,具有重要的现实应用价值。     

基于遗传算法的含分布式发电的配电网无功优化控制研究

提出了基于遗传算法的含分布式发电的配电网无功优化算法。构建了包含分布式发电系统的配电网无功优化数学模型,充分考虑了网损最小和节点电压的约束,采用遗传算法对分布式发电的无功功率给定进行了优化,仿真结果表明该优化算法能够有效地减少功率损耗和提高电压质量。     

基于遗传算法的含分布式发电的配电网无功优化控制研究

提出了基于遗传算法的含分布式发电的配电网无功优化算法.构建了包含分布式发电系统的配电网无功优化数学模型,充分考虑了网损最小和节点电压的约束,采用遗传算法对分布式发电的无功功率给定进行了优化,仿真结果表明该优化算法能够有效地减少功率损耗和提高电压质量.     

基于伪并行遗传算法的配电网电容器优化配置

针对普通遗传算法易陷入早熟收敛的问题,提出基于伪并行运算的改进遗传算法并应用于配电网无功补偿电容器组的最优规划问题。通过控制多种群并行进化,同时采用控制策略实现种群间个体迁移,以保持个体多样性及局部最优个体的数量。算例证明,此方法可以显著提高算法的全局收敛能力及计算速度。     

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。     

基于量子粒子群混合算法的电力系统无功优化

针对传统粒子群算法在无功优化中易陷入局部最优和后期收敛慢等问题,提出了基于量子粒子群混合算法的无功优化计算方法.该算法将量子叠加态思想引入到粒子群算法中,使得单个粒子能表示更多的状态和量级,增加了种群的多样性;采用量子旋转门更新粒子的速度和位置,提高了收敛的速度.用该算法对IEEE 30节点系统进行无功优化计算,并与粒...     

基于伪并行遗传算法的配电网电容器优化配置

针对普通遗传算法易陷入早熟收敛的问题,提出基于伪并行运算的改进遗传算法并应用于配电网无功补偿电容器组的最优规划问题.通过控制多种群并行进化,同时采用控制策略实现种群间个体迁移,以保持个体多样性及局部最优个体的数量.算例证明,此方法可以显著提高算法的全局收敛能力及计算速度.     

基于改进遗传算法的配电网无功优化

遗传算法是近年被广泛应用于配电网无功优化的一种新型的优化算法，本文在基本遗传算法（SGA）的基础上，提出基于定制的初始种群的形成方法以保证个体的多样性，提出反映个体分布疏密情况的个体分布散度，设计出随个体分布散度成反比，随最优个体相对保留代数成指数上升的自适应变异率，为配电网无功优化提供了一种新的算法，算例表明本文提出的算法优化效果好，在精度上以及收敛速度上都具有较大的提高。     

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。     

基于改进小生境遗传算法的配电网全网无功优化

提出一种配电网全网无功优化方法,该方法将整个配电网划分为高、中、低压3个等级,各级电网再根据自身特点分解为优化单元,遵循从下至上优化的原则,上级主网优化时计及下级子网无功优化的影响,计算结果更准确可靠。各优化单元的无功优化通过改进的小生境遗传算法来实现,该算法将个体距离判别标准设置为动态函数,能够更灵活、更准确地跟踪个体距离,收敛速度快且能在全局范围内找到最优解。针对某配电网的计算实例验证了配电网全网无功优化方法的优越性。     

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.     

10 kV配电网的无功优化计算

采用基于逆流编号法的前推回代法和改进的遗传无功精确矩混合算法来计算电力系统网络潮流,为此,提出一个10 kV配电网无功优化的数学模型.优化计算分两步进行:先以无功二次精确矩确定无功补偿点,然后用改进遗传算法来确定补偿点的补偿容量,避免了遗传算法可能产生的随意性和盲目性,寻优方向明晰,收敛速度加快.这样的无功优化计算,能更有效地提高配电网的电压合格率,降低网损,得到最佳的投资回报效益.     

基于遗传细菌觅食混合算法的电力系统无功优化

为了使遗传算法(GA)和细菌觅食算法(BFO)的优点被保持,缺点被削弱,提出了电力系统无功优化的遗传细菌觅食混合算法(GA-BFO);在遗传算法中采用排序选择方式进行个体选择操作,保持了种群的多样性,避免陷入局部最优。用该混合算法对IEEE 30节点系统进行无功优化计算,并将优化结果和2种单一算法的优化结果进行了比较,结果表明GA-BFO算法具有良好的有效性和可行性。     

计及电压稳定指标的含DG配电网无功优化

将分布式电源(DG)的无功调节能力与传统的电压调节手段相结合,研究了含DG的配电网无功优化问题。建立以降低系统网损、抑制电压波动和电压稳定指标为综合目标的配电网多目标无功优化模型。通过蒙特卡罗仿真对配电网系统进行无功补偿选址,采用模糊层次分析法确定各指标的权重系数,并基于量子混合蛙跳算法求解含DG的配电网无功优化问题。最后,通过IEEE 33节点系统进行仿真计算,结果表明在配电网接入DG的基础上进行无功优化能较大程度地改善系统电压水平和降低系统网损,并且证明了所提算法的可行性和有效性。     

改进量子遗传算法在无功优化中的应用

提出了一种基于改进量子遗传算法的电力系统无功优化方法。采用量子比特对控制量进行编码,通过改进量子旋转门来提升寻优质量,它能够自适应地计算旋转角度,提高全局的搜索能力,缩减搜索代数,加快搜索速度,同时避免陷入局部最优,通过采用IEEE14节点和IEEE30节点进行验证,结果表明其效果良好。