基于相似性自适应学习的遗传算法在无功优化中的应用

针对常规遗传算法(GA)的不足,提出了一种改进的遗传算法-基于相似性自适应学习的遗传算法,为提高遗传算法的计算速度、收敛性和全局最优搜索能力,采取了以下改进措施:①针对遗传算法产生新解无序,提出邻域搜索策略;②为提高算法的搜索效率和效果,按适应值相似性对个体分级、加速;③为提高收敛速度,提出了邻域收缩策略.将改进遗传算法应用于电力系统进行无功优化,在收敛速度和全局收敛性与常规遗传算法进行了比较,结果表明改进遗传算法的有效性.     

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。     

配电网开关优化配置的改进遗传算法

提出了配电网开关优化配置的改进遗传算法.为提高遗传算法的计算速度和收敛效率,采取了以下改进措施:①给出初始种群的生成模型,提高初始种群的适应值;②对染色体进行分段遗传操作,以保证各类开关设备能同步优化;③提出模糊变异的实现方法,以利于优质基因遗传并避免局部最优化;④提出最优染色体的变异机制,以提高算法局部搜索能力.将该算法应用于RBTS-Bus6和实际系统并与普通遗传算法进行比较,结果表明该算法在收敛速度和全局收敛性上均优于普通遗传算法.     

改进量子遗传算法在输电网规划中的应用

输电网规划是复杂的多目标非线性组合优化问题。针对传统遗传算法（GA）在求解输电网规划模型中存在收敛速度慢,容易陷入局部最优的不足,提出一种基于改进量子遗传算法（IQGA）的输电网规划方法。该算法在量子遗传算法（QGA）的基础上提出直接将量子染色体与当前最优解相比较来确定旋转门的旋转角策略,保证种群中个体以不同的收敛速度分别进行局部搜索和全局搜索,并同时采用量子全干扰交叉策略和量子非门变异策略有效防止算法陷入局部最优。所提三种改进策略各有针对性,能有效改善量子遗传算法在输电网规划中的收敛性能。分别采用传统遗传算法、量子遗传算法和该方法对Garver-6节点系统进行规划仿真,实验结果表明,该方法全局寻优能力强并且收敛速度得到显著提高。     

基于改进人工鱼群算法的输电网规划

结合输电网规划问题的特点提出了改进人工鱼群算法。改进人工鱼群算法引入生存竞争机制,在保证收敛性能的前提下减少了对人工鱼数量的需求,同时克服了人工鱼在非全局极值点大量聚集的弊端;采用分段自适应调整视野策略和拟遗传算法的交叉变异算子,有效兼顾了全局搜索与局部挖掘能力,提高了算法的收敛速度。最后通过算例证明了改进人工鱼群算法的正确性、有效性及优越性。     

改进的多目标遗传算法在配电网规划中的应用

针对配电网规划复杂多目标优化问题,建立以经济性和可靠性为目标的配电网规划模型,提出改进的多目标遗传算法,采用分解-协调思想将复杂多变量的规划问题分解成多个子问题,分别对各子问题优化,最终达到全局优化的目的.该算法通过精英选择和个体迁移策略提高了收敛速度,将一种新型编码方式应用于此算法使配电网自然呈辐射状,同时在精华种群中加入裁剪算子以提高搜索效率.与常规算法相比较,该算法收敛性好,最后通过算例表明该算法的有效性.     

基于小生境技术改进遗传算法在供电网规划中的应用

通过对遗传算法过早收敛原因的分析,认为遗传算法出现过早收敛主要与问题解的分布状况、种群个体的分布情况及遗传算子的应用有关,提高算法全局收敛性能的核心就是使算法科学的处理种群多样性及最优解信息搜索策略。结合小生境进化共享思想,形成一种旨在提高遗传算法全局收敛性、求解全局最优解的遗传算法,并将之用于多目标电网扩展规划中。对Gaver-6节点网络进行了规划,仿真结果证明了这种算法的有效性。     

量子粒子群算法在配电网重构中的改进和应用

针对传统算法容易早熟收敛、计算效率低下等缺点,文章提出一种改进量子粒子群算法,并将其应用于含分布式电源的配电网重构问题.文章综合考虑配电网的经济性和可靠性,以有功网损和电压稳定性指标作为目标函数建立配电网重构模型,并对传统算法在全局收敛性、收敛速度和编码策略等方面进行了改进.引入遗传算法中的锦标赛选择策略,扩大种群多样...     

改进的遗传算法在电网规划中的研究

遗传算法的主要的特点是:简单、通用、鲁棒性强,能依概率收敛到问题的全局最优解。用遗传算法来求解多目标的电力网络的优化规划,可以避免局部最优的问题。针对现有的遗传算法的不足和对初始种群的依赖,提出了改进的遗传算法,采用贪心法进行种群初始化,从而避免了遗传算法初始种群过于随机,提高了算法的收敛速度和搜索性能。     

改进小生境蝙蝠算法在无功优化中的应用

为了克服基本蝙蝠算法后期收敛速度慢、易陷入局部最优的缺点,在原始算法中引入小生境技术并进行改进。在改进算法中,将小生境半径设置为自适应变化的动态函数;在单个小生境群体中采用信息共享机制,对相似蝙蝠数量的过度增长进行抑制;采用优质蝙蝠邻域搜索及存储策略对每一代每个小生境群体的优质蝙蝠进行储存。对某21节点系统进行了无功优化,并与遗传算法、基本蝙蝠算法进行比较,结果表明改进的算法具有更好的全局搜索能力和收敛性能。     

改进遗传算法在牵引变压器优化设计中的应用

提出了一种改进的遗传算法，并将其应用到牵引变压器优化设计中，该方法采用进化前后期分别调整交叉概率和变异概率、二次交叉、对指定基因集中变异以及移民策略等以保证在整个进化过程都能进行有效的空间搜索，克服了传统算法容易陷入局部最优的缺点。并以200km／h电力机车用牵引变压器为例，分别采用传统算法和改进算法对其进行优化，对两者的效率和全局收敛性进行了比较，结果充分证明了改进遗传算法的有效性和先进性。     

基于自适应遗传退火算法的配电网故障定位研究

针对标准遗传算法易早熟收敛以及收敛速度慢的问题,提出了一种混合遗传算法(自适应遗传退火算法)用于解决辐射状配电网故障定位问题。该算法采用轮盘赌和最优保存策略相结合的选择机制,使得当前最优个体始终保持在种群里,并结合自适应交叉、变异概率,扩大种群的搜索范围,继而引入模拟退火算法,加快迭代后期算法的收敛速度。最后,通过对IEEE-33节点配电系统进行仿真计算,结果表明,该算法能够对单点和多点故障进行实时、准确地定位,并在故障信息畸变的情况下,也能快速地得到准确结果。     

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。     

基于改进人口迁移算法的输电网扩展规划

输电网扩展规划是一个非常复杂的大规模组合优化问题,对比提出了一种改进人口迁移算法的求解方法.标准人口迁移算法在求解过程中搜索容易陷入局部最优解和后期收敛时间较长等问题,针对以上缺点,对算法的迭代初始化、种群生成策略以及参数设置进行了改进,将遗传算法的最优保留思想引入到算法中,提高了算法搜索全局最优解的能力与收敛到最优解...     

改进自适应遗传算法用于电力系统无功优化

为了克服自适应遗传算法早熟现象和改善收敛速度,在自适应遗传算法中引入二次变异操作。考虑到遗传操作后存在大量相同个体,捡出这些重复的个体进行二次变异,产生邻近的个体,这种方法不仅避免了重复计算而且增强了算法局部搜索能力,并且改善了算法的收敛性。通过对IEEE30节点系统进行计算测试,验证了该算法的合理性和可行性。     

基于自动微分和过滤线性搜索的非线性内点算法

非线性内点法已被广泛应用于求解大规模电力系统最优潮流问题。提出一种非线性内点算法,使用自动微分技术取代传统手动编程求导来计算雅可比矩阵和海森矩阵,还在寻优过程中使用过滤线性搜索技术,提高了搜索的可靠性和收敛速度。算例计算表明,该算法具有收敛性能好,可扩展性强和计算速度快的特点,具有应用于电力系统实时运行环境的潜力。     

基于改进遗传算法的堆石体流变模型参数反馈分析

本文提出一种序列二次规划优化算法与标准遗传算法结合的流变模型参数反馈分析方法，这种算法既发挥了序列二次规划优化算法省时、高效、局部搜索能力强的特点，又发挥了遗传算法可以搜索到全局最优解而避免陷入局部极小值的优点，改善了常规遗传算法的收敛速度。将遗传算法搜索到的全局最优近似解作为初始值，代入收敛效率较高的序列二次规划程序进行最终局部优化。以某堆石坝为例，应用上述反演方法对高围压下的堆石体9参数流变模型参数进行了反演分析，验证了此方法的可行性与有效性。     

无功功率优化的改进退火选择遗传算法

作提出的改进退火选择遗传算法用于电力系统无功优化,其特点在于采用灵敏度选择无功补偿地点,缩小了遗传算法的搜索范围;用退火选择进行个体更新,保持了群的多样性,避免陷入局部最优;采用十进制编码、竞争繁殖和逐代记录最优法来加快计算速度和精度;用不定交叉和变异概率来更好地发挥交叉和变异的作用,并且进行适应度定标,促进全局最优。通过对TEEE6节点系统计算分析表明,该方法和简单遗传算法相比有更快的计算速度和更强的全局收敛能力。     

一种新型的配电网供电恢复重构寻优算法

将蚁群算法应用于非故障失电区域的供电恢复重构问题,在建立新型、可行供电恢复方案搜索策略的基础上,结合图论相关知识引入了可操作开关集的概念,缩小了寻优空间,提出了一种新型配电网供电恢复重构寻优算法。在随后的迭代求解过程中,蚁群算法具有的正反馈、分布式计算和富于贪婪启发式搜索等特点使该算法的计算效率得到了显著提高。某18节点配电网的寻优比较结果表明,该算法具有高收敛性、快实时性和强全局稳定性。