基于云自适应遗传算法的机组负荷分配

将云自适应遗传算法应用于机组负荷优化分配,并根据负荷分配的具体要求对遗传参数的设置进行了改进。算法不仅继承自适应遗传算法计算速度快的优点,而且由于云模型既有随机性又同时具有稳定倾向性,避免了较优个体遗传概率为零的弊端,因此不易陷入早熟,鲁棒性更高,应用于机组负荷分配能够得到理想的效果。     

改进算法在电力系统多目标负荷分配中的应用

针对火电厂负荷优化分配问题,将同时考虑发电成本、污染排放和负荷调整时间三个方面,建立多目标优化组合模型.在优化算法上,提出一种小生境遗传禁忌搜索混合算法.此算法以小生境遗传算法为主体,避免传统遗传算法“早熟”和解的多样性不足的问题;并结合禁忌搜索思想,使用TSR算子进行交叉操作,改进了传统遗传算法局部搜索能力较差和收敛速度有待提高的问题.以某火电厂2台200 MW和2台300 MW机组负荷优化分配为例,将所提混合算法与其他两种传统算法进行了对比验证,结果表明此改进混合算法的有效性.     

基于遗传算法的随机机组组合问题求解

为考虑不确定性负荷对机组组合问题的影响,通过情景分析法引入一系列的情景对不确定性负荷进行建模,建立了随机机组组合问题的数学模型。采用遗传算法求解该优化问题,可自行满足情景簇约束。通过改进初始种群产生方式和变异算子,引进局部搜索算子对遗传算法进行改进,增强了算法的搜索能力。计算结果显示了随机机组组合问题的数学模型和改进遗传算法求解方法的有效性。     

遗传算法搜索优化及其在环境经济负荷调度中的应用

建立了环境经济负荷调度(EELD)问题的优化调度模型,提出一种利用MTALAB中的遗传算法与直接搜索工具箱求解这一问题的方法,并与人工神经网络法进行了比较分析.仿真计算表明,该方法将遗传算法较方便地应用到了EELD问题中,在环境经济合理配置的前提下优化分配各单元机组的发电量,且收敛速度快、应用范围广.     

基于混沌遗传混合优化算法的短期负荷环境和经济调度

环境和经济短期负荷调度主要由在调度周期内的最优机组组合和负荷分配组成,该文将优先次序法、遗传算法与混沌优化相结合,以应用到电站机组环境／经济运行优化问题中,在混沌遗传算法中采用递阶基因结构,将控制基因用于机组组合全局粗寻优,参数基因用于负荷分配局部优化, 基因修正与罚函数相结合解决约束问题,采用混沌扰动避免遗传算法早熟,运用基于线性搜索的混沌局部优化方法,加快算法的收敛速度和降低计算时间,优化计算结果可以同时得到最优机组组合及负荷最优分配,为实际调度系统提供了一个良好的方法。     

基于改进型免疫遗传算法的母管制机组负荷优化分配

改进型免疫遗传算法在遗传算法中引入了免疫系统的抗原识别、抗体多样性、免疫记忆、浓度调节等机制,且将遗传竞争分为子种群间和子种群内部个体间的两级竞争,从而能够快速、稳定地收敛到全局最优点.为此,提出了一种基于免疫遗传算法的母管制机组负荷优化分配方法,以提高机组运行的经济性.实际计算结果证明,该方法对机组的负荷优化分配具有良好的优越性.     

多目标遗传算法求解电力系统经济负荷分配

提出应用多目标遗传算法解决电力系统经济负荷分配问题。对负荷分配的数学模型进行了分析,将这一带约束的单目标优化问题转换成总煤耗函数和违反约束条件的程度函数两个目标函数优化问题。该算法采用实数编码技术,Pareto强度值作为个体的评价指标,利用遗传算法实现种群的进化,最终找到最优解。将该方法分别应用于某5台机组组成的发电系统和3台机组组成的发电系统进行负荷优化计算,结果与基于惩罚函数的单目标优化算法进行比较,分析表明该算法在确保满足各约束条件的前提下具备较好的寻优性能,证实了该算法的可行性与有效性。     

基于混合遗传算法的变电站选址定容

针对变电站优化规划这种大规模组合优化问题,提出了一种结合遗传算法与交替定位分配算法的混合遗传算法(GA-LA).该算法采用新型的三维编码策略,同时包含新建站的数量、站址和站容信息,并设计了适用于此新型编码的交叉算子和变异算子,以实现站址、站容的优化.其中,针对站址优化子问题,GA-LA算法将交替定位分配算法与遗传算法结合,在标准GA算子之后增加了一个LA算子,由GA算子进行种群中的全局广度搜索,LA算子进行染色体中的站址局部深度搜索,可实现无待选站址的自动寻优.算例结果表明,该方法具有较好的站址站容寻优能力和收敛性能,能满足实际电网中大规模变电站规划的需求.     

优势群体主导型遗传算法在负荷经济调度中的应用

建立了负荷优化分配的数学模型,针对简单遗传算法缺陷,根据具体问题特征提出一种以优势群体为主导的改进遗传算法,并应用于对多台机组的ELD问题进行优化计算。仿真结果表明该方法可以有效避免遗传操作中不可行解的产生,收敛性好,能以更高的精度达到或接近全局最优。同时在数学模型中考虑了汽轮机的阀点效应,结果显示,计及阀点效应后,系统总消耗增加,各机组之间的负荷功率分配发生了较大变化。因此,在建立负荷优化分配模型时阀点效不应忽略。     

基于混沌遗传和模糊决策算法的多目标负荷经济调度

提出一种可同时得到电力系统最优机组组合和多目标负荷分配结果的混沌遗传和模糊决策算法.结合改进优先顺序法、启发式遗传算法、混沌优化和模糊决策的优点,按改进的优先顺序法确定各时段运行的机组序列,用启发式遗传算法确定机组组合状态,并对交叉率和变异率进行模糊决策.在负荷分配中,考虑单一经济目标和多目标优化2种决策模型,用遗传算法进行并行搜索,同时在最优点附近利用混沌优化的遍历性进行局部寻优,避免遗传算法陷入局部最优,有效提高了收敛速度.将所提算法分别应用于10机和30机系统中,结果表明,该算法较好地处理了电力系统负荷经济调度的各种约束条件,减少了不可行解,加快了收敛速度.