基于混合编码改进遗传算法的无功优化

简单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.针对无功优化控制变量既有连续量又有离散量的特点,提出整数和实数混合编码的改进遗传算法.该改进算法在进化前后期采用不同的选择方式;依据交叉位和变异位控制变量的类型确定相应的实型或整型的算术交叉、小变异遗传操作,并且交叉率和变异率随进化代数变化;在目标函数中选用按指数规律变化的越界罚系数.IEEE14、118节点系统的仿真计算结果表明,改进后算法在全局寻优能力和收敛速度方面优于简单遗传算法.     

基于混合编码改进遗传算法的无功优化

简单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。针对无功优化控制变量既有连续量又有离散量的特点,提出整数和实数混合编码的改进遗传算法。该改进算法在进化前后期采用不同的选择方式;依据交叉位和变异位控制变量的类型确定相应的实型或整型的算术交叉、小变异遗传操作,并且交叉率和变异率随进化代数变化;在目标函数中选用按指数规律变化的越界罚系数。IEEE14、118节点系统的仿真计算结果表明,改进后算法在全局寻优能力和收敛速度方面优于简单遗传算法。     

考虑发输配一体的电力系统主网的无功优化研究

以有功网损最小为目标函数建立了电力系统无功优化的数学模型,对于目标函数中的无功电压越界和发电机无功越界点,采用罚函数予以解决.对无功优化问题的求解采用遗传算法,针对遗传算法应用于求解无功优化等复杂非线性优化问题中容易发生"早熟"和收敛速度慢等问题,作了一些改进.通过改进,遗传算法能够跳出局部最优解,增强了全局寻优能力,...     

遗传算法在无功优化应用中的改进

将遗传算法应用于电力系统无功优化的同时,针对无功优化的实际,文章提出了在不同优化阶段,对目标函数各项罚因子采用不同权重,并且构造出分阶段适应性函数,以及提出了选择式杂交方式等改进措施。通过典型算例和实际系统的测试,证明了这些改进方法对遗传算法应用于无功优化计算的寻优速度和收敛特性都有明显提高。     

基于改进遗传算法的表贴式永磁同步电机优化设计

针对有约束条件的电机优化问题,建立了带惩罚项的优化目标函数,在简单遗传算法基础上采取保留最佳个体策略,结合模式搜索法形成改进遗传算法,基于磁路法分析了表贴式永磁同步电机在id=0控制方式下重要性能指标的计算方法,并分别采用简单遗传算法和改进遗传算法对一台分数槽集中绕组表贴式永磁同步电机进行了效率优化。优化结果证明改进遗传算法更易得到更高的目标函数值,且优化初期优势明显,收敛更快,优化效率更高,证明了改进遗传算法在优化电机目标函数时的有效性。     

基于遗传算法的电网无功优化运行

本文采用传统遗传算法进行电力系统无功优化。建立了符合电网实际的数学模型，对简单遗传算法中的编码方式、选择操作、终止进化等进行了改进，目标函数中罚因子采用动态取值法，加快了收敛速度。本文根据电力系统的实际，较好地解决了离散变量的处理问题。经实际电力系统算例结果验证，证实了本文所采用方法的有效性。     

电力系统无功优化控制中遗传算法的改进

无功优化控制是保证电能经济传输与经济运行的重要条件,在满足电力系统各种运行约束条件下,通过优化计算来确定控制变量,找到使系统的一个或多个性能指标达到最优时的无功调节补偿手段。遗传算法用于电力系统无功优化,具有简单通用、鲁棒性强和可并行计算等优点。对简单遗传算法在罚函数、选择、变异、交叉和终止条件等方面进行一些改进,可以加快遗传算法的收敛速度,使结果趋于更优,实际算例也证明了这一点。     

基于空间自适应收缩策略的混合遗传算法及其应用

将简单遗传算法与单纯形法相杂合,设计了一种实数编码的混合遗传算法(HGA),用于求解无约束优化问题。算法采用了最优保留策略,同时在变异操作中采用了搜索空间的自适应收缩策略,以提高全局和局部搜索能力,加快收敛速度,避免退化。在求解约束优化问题时,利用罚函数处理约束条件,由HGA对增广目标函数寻优。HGA的有效性通过3个典型测试函数得到验证,并应用于拍合式继电器电磁系统的体积优化。     

基于小生境遗传算法的微电网控制与优化

提出一种基于小生境遗传算法的微电网控制策略及优化方法.建立整个微电网的小信号动态模型,分析得到影响微电网运行特性的主要控制参数及其优化取值域,有效提高了优化过程的计算效率.为构建准确的优化目标函数,采用PSCAD/EMTDC搭建微电网平台并进行各种工作模式及模式切换的时域仿真.针对传统遗传算法存在的非全局性收敛、收敛速度慢等问题,采用小生境技术和自适应技术改进的遗传算法优化微电网的运行特性.算例分析结果验证了所提微电网控制策略及优化方法的有效性和鲁棒性.     

应用改进实数编码遗传算法的三相异步电动机优化设计

为了更好地将遗传算法应用于三相异步电动机的优化设计,论文对简单遗传算法进行了改进,提出了采用双亲四子交叉算子、自适应变异算子及多轮次循环优化策略的改进实数编码遗传算法(IRGA),采用退火罚函数方法对约束条件进行处理,并用3个经典数学函数进行了验证.在研究三相异步电动机优化设计特点的基础上,提出了10个优化变量、8个约束条件的电机优化设计数学模型,将IRGA应用于Y系列三相异步电动机优化设计,分别以提高效率和降低材料成本为目标进行了优化.结果表明,IRGA能有效提高电机效率和降低电机主要材料成本,算法可靠有效,具有工程实用价值.     

水电系统短期经济运行的新方法

水电系统的短期发电量最大问题是一大型、动态、有时滞的非线性约束优化问题。针对标准遗传算法的缺陷,提出一种基于实数编码技术的混沌遗传算法用于求解此问题。该算法根据给定个体概率分布函数构造杂交算子,结合混沌和人工神经网络理论,设计了一种混沌变异算子,使算法能有效维持群体多样性,防止和克服进化中的“早熟”现象,对约束条件采用不需要设置惩罚因子的直接比较罚函数方法加以处理。仿真算例验证了该算法在提高解的精度和加快收敛速度方面都有明显改善。     

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。     

电力系统机组组合问题的改进粒子群优化算法

机组组合问题是一个大规模的非线性混合整数规划问题.文章首先对机组组合问题的0、1变量进行松弛,应用罚函数方法将此问题转化为一个非线性连续变量的规划问题,并应用改进粒子群优化算法求解.该算法在标准的粒子群优化算法的基础上,每个粒子速度和位置的更新不仅考虑自身个体极值和全局极值的信息,还考虑其它粒子所包含的信息.通过收敛性分析可知,若合适地选择算法的控制参数,该算法能较好地收敛到最优解.算例表明文章所提出的算法具有解的质量高、收敛速度快的优点.     

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.     

基于改进粒子群优化算法的电力市场下的无功优化

在厂网分开、竞价上网的市场模式下综合考虑电力系统安全约束，建立了以有功网损和无功费用最小为目标函数并包含各种运行约束条件的电力系统无功优化数学模型。应用改进粒子群优化算法求解该无功优化模型，并结合动态调整罚函数法将无功优化问题转化成无约束求极值问题，从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度，使电网公司取得了最大经济效益。以IEEE30节点系统为例进行了仿真计算，结果表明了本文采用的无功优化模型和算法的正确性、适用性和较好的经济性。     

用遗传算法求解广义系统最优同时镇定问题

研究了用改进的遗传算法（简称GA）求解同时镇定一族线性定常广义系统的最优输出反馈控制律问题。在满足稳定性的条件,将最优同时镇定转化为一个受约束的非线性最小问题。引入了自适应机制和惩罚函数变换,对传统的GA进行改造。并用于受约束非线性问题的全局优化。计算结果和数值仿真说明GA是求解同时镇定问题的一种有效的数值方法。     

电网无功优化的改进遗传算法

针对遗传算法在电力系统无功优化实时控制中中速度较慢的问题，提出了一种改进的分段进化遗传算法，改变常规算法固定群体规模和最大迭代次数的做法，将其进化过程分为几个阶段，逐次对其群体规模进行扩充，并规定适应于每个阶段群体规模的迭代次数。这样既可以改善寻优方向，防止过早收敛，又可以保证进化后期每次迭代的有交笥，加快计算速度。在IEEE30节点系统的实验中，与其他常规算法进行对比分析，结果表明分段进化遗传算法具有较强的全局寻优能力，愉的收敛速度，更加适应于实时无功控制。     

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。     

基于改进粒子群算法的配电网分布式电源规划

合理地对分布式电源进行选址和定容对于实现配电网网损最小是至关重要的.应用改进粒子群优化算法进行配电网分布式电源(DG)规划,并结合罚函数法将DG规划问题转化成无约束求极值问题,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度.对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性.