人口迁移算法在“N-1”安全输电网规划中的应用

提出了一种改进人口迁移算法求解输电网扩展规划的大规模组合优化问题。针对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的速度。将改进后的算法应用到满足"N-1"安全准则的输电网扩展规划问题中,建立了输电网扩展规划的数学模型,设计了相应的算法。比较该算法与粒子群算法、标准人口迁移算法对IEEE Garver6节点系统和IEEE Garver18节点系统的仿真计算结果,证明了改进人口迁移算法能有效地解决满足"N-1"安全检验的输电网扩展规划优化问题。     

基于改进蚁群算法的输电网络扩展规划

针对基本蚁群算法在求解过程中经常出现搜索陷入局部最优解和收敛到全局最优解的时间较长这2个问题,对蚁群算法的转移概率和信息量全局更新进行了改进,提高了蚁群算法搜索全局最优解的能力与收敛到最优解的速度.将改进后的算法应用于单阶段输电网络扩展规划问题,建立了单阶段输电网络扩展规划的数学模型,设计了相应的算法.实例计算结果表明该方法的可行性和有效性.     

改进蚁群算法在电厂入场煤选购中的应用研究

在求解电厂入场煤选购中的车辆路径最优解时,以基本的蚁群算法进行改进,以新的初始解算法快速求解初始解,加快搜索最优解的收敛速度,调整信息素更新规则防止陷入局部最优解,提高搜索速度,改善搜索结果。通过案例分析,且与Solomon100国际标准题库中问题的最优解进行比较,分析改进后蚁群算法的可行性。     

基于改进蚁群算法的配电网重构

配电网重构可以提高配电网运行的安全性、经济性和供电质量,对于当前国内配电自动化系统的建设和应用具有重要意义。以网络损耗最小为目标,提出了一种改进的蚁群算法来求解正常运行条件下配电网络的重构问题。针对基于蚁群算法在求解过程中存在搜索易陷入局部最优解和收敛到全局最优解的时间较长的缺点,从蚁群算法的转移概率和信息素动态更新2方面进行了改进,提高了蚁群算法全局搜索能力与收敛到最优解的速度。最后通过对69节点配电系统算例的仿真,取得了较好的效果,证明了该算法的有效性和可行性。     

基于最小二乘支持向量机和自适应模拟退火算法的电磁场逆问题全局优化方法

分析了目前电磁场逆问题全局优化算法存在的收敛速度慢以及搜索时间长等问题的主要原因,并针对以上问题提出了基于最小二乘支持向量机和自适应模拟退火电磁场逆问题优化新算法,充分利用了自适应模拟退火算法中丢失的已搜索过点的信息,动态地建立和改进待求问题的数值模型,指导最优解的搜索过程,大大减少了求解电磁场正问题的求解次数,缩短了搜索到最优解的时间,通过仿真实验以及实际应用的对比,效果显著,提高了电磁场优化设计的实际应用能力。     

基于改进二进制粒子群算法的配电网故障恢复

鉴于现有的配电网故障恢复算法普遍存在着计算速度慢或难以搜索到全局最优解的问题，提出了一种基于改进二进制粒子群算法的配电网故障恢复算法。首先采用等效负荷模型简化网络；在确定目标函数时，引入了层次分析法求解各指标的权重值，较之传统的经验确定法更符合实际；然后从惯性权重和学习因子的选取及粒子相似性控制2个方面对基本二进制粒子群算法进行了改进。算例分析表明，文中所提出的方法计算速度快，易收敛到全局最优解，能有效地求解配电网故障恢复问题。     

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。     

基于连锁环网与改进离散粒子群算法的多目标配电网重构

配电网重构本质上是一个复杂的高维数非线性组合优化问题。为避免其不可行解的影响,同时实现快速寻优,提出了一种通过连锁环网矩阵快速判断粒子是否满足配电网拓扑约束的方法。采用基于Pareto准则的离散二进制粒子群算法(Binary Particle Swarm Optimization,BPSO)以求解配电网重构多目标优化问题。从三方面对BPSO算法进行改进:改进粒子更新策略以提升新代粒子的可行概率;改进sigmoid函数同时提出邻域搜索机制以强化算法后期的收敛能力;提出基于次优解保留策略的小生境共享机制以改进群体最优粒子更新方式,进而强化算法的全局搜索能力。对IEEE33系统算例进行仿真,结果表明改进BPSO算法在求解含分布式电源(Distributed Generation,DG)的配电网重构多目标优化问题时,能够更加精确高效地收敛至Pareto最优前沿。     

融合禁忌搜索的SSA算法及其路径规划的应用

针对麻雀搜索算法易陷入局部最优解、收敛精度不足等问题,提出一种融合禁忌算法思想的改进麻雀搜索算法。首先,采用拉丁超立方抽样初始化种群,保证初始空间解分布更均匀;其次,对R2相似文献   

基于改进细菌觅食优化算法的输电网规划

针对大规模输电网规划中细菌觅食算法(BFO)容易陷入局部最优、搜索精度和后期收敛速度明显下降的问题,使用改进细菌觅食算法(IBFO)建立了基于线路建设费用、网损费用以及正常运行时的过负荷惩罚费用最低的输电网规划模型,通过对IEEE-18节点和巴西南部46节点系统的计算,验证了IBFO在求解大规模输电网规划问题时收敛更快,更易寻得全局最优解。     

基于混合差异进化优化算法的电力系统无功优化

无功优化是电力系统实现电压和无功功率最优控制和调度的基础，阐述了一种基于混合差异进化算法的新无功优化方法。混合差异进化算法是一种直接随机搜索方法，由在当前种群中随机采样的个体之间的基因差异来驱动，且为缩短计算时间、避免陷入局部最优，在算法中嵌入了加速操作和种群迁移操作。将该无功优化方法在IEEE 30节点系统上进行了校验，并与基于其他算法的无功优化方法进行比较，仿真结果表明该算法具有收敛速度快、鲁棒性好、计算精度高的优点。     

一种基于混沌序列的改进自适应差分进化算法

差分进化(DE)算法被认为是一种可靠、鲁棒性好且快速的优化算法,在许多领域得到广泛的应用,并取得了良好效果。为提高DE的寻优性能,提出了一种改进的自适应DE算法。改进后的算法采用Logistic混沌序列产生初始种群,用自适应的变异、交叉参数代替标准DE固定参数,并引入子种群内部搜索策略,使算法具有较好的全局搜索能力。采用经典测试函数对算法进行验证,结果表明,改进后的算法寻优精度和收敛速度得到了有效的提高,具有较好的实用性。     

增强输电能力的TCSC选址与定容研究

提出了一种新的TCSC选址方法,采用简易粒子群算法求出系统中较为敏感的支路群,用改进的粒子群算法在较敏感支路群中确定TCSC的最佳安装位置,并求出TCSC的最佳安装个数和安装容量,来达到系统输电能力最大的目的。针对PSO易陷入局部最优的缺陷,把种群熵的概念引入粒子群算法对其进行了改进,IEEE30节点系统的仿真计算结果验证了所提方法的有效性。     

基于记忆的改进克隆算法及其PMU配置多目标优化应用

以PMU安装数、量测系统可观测性和基于混合量测的状态估计精度三者为优化目标的PMU优化配置(OPP)是二层规划问题。该文证明了用单次状态估计精度评价量测系统性能的可行性，提出精度加权估算公式。将二层规划目标简化为分段函数，提出基于记忆的改进克隆算法。除模仿生物免疫系统的克隆选择和受体编辑机制外，该算法引入记忆加速算子以强化邻域搜索，并分段调整循环补充规模、高频变异与重组操作概率，从而显著加快和稳定进化进程，避免搜索陷入局部最优解。基于IEEE 14/57节点系统的算例表明，该算法能快速稳定地求出全局最优解及近似解，比原克隆算法等更适用。     

基于粗糙集和自适应遗传算法的电力变压器故障诊断

采用自适应遗传算法和粗糙集相结合的方法对电力变压器的决策信息表进行属性约简,并进一步采用改进的值约简算法以获取最小决策表,从最终的约简决策表中提取出故障诊断规则。通过引入初始种群预处理、最优L个个体保存法、双亲单子法等操作加速算法的收敛速度,并结合两个实例证明了规则的正确可行性。整个算法简单、快速,可有效地应用于电力变压器的故障诊断中。     

改进遗传算法的无功优化规划在伊盟电网中的实现

电力系统无功优化规划是一个较复杂、多目标、非线性的混合规划。用常规的线性和非线性等方法进行优化计算,存在离散变量的近似处理问题,不符合无功规划的实际。而遗传算法由于自身特点,特别适合于解决多目标混合优化方面的问题,具有稳定的收敛特性,是一种先进的全局优化方法。基不足之外在于计算时间长,在种群和遗传代数不是足够大的情况下,易于收敛于局部极值点。为些提出了改进遗传算法,在计算速度和计算精度方面较传统遗传算法均有明显提高。     

基于并行组合模拟退火算法的水电站优化调度研究

并行组合模拟退火算法是将模拟退火算法和遗传算法相结合的一种新型优化算法。将该算法用于水电站优化调度，与经典算法相比其特点在于，该算法可从多个点开始寻优，占用计算机内存少，能以较快的速度找到全局最优解；编程简单、适应性强，是一种有效的搜索算法。     

基于改进教与学算法的含电能路由器的电力系统无功优化

针对传统智能算法在求解计及电能路由器的电力系统无功优化模型时存在的收敛性和多样性问题,提出一种基于轮盘赌选择和自适应柯西变异策略的改进教与学算法,并应用于含电能路由器的电力系统无功优化。该算法在学习阶段引入轮盘赌选择法,提高群体的学习效率,在教学完成后引入自适应柯西变异策略,增强班级种群的多样性,避免迭代过程陷入局部最优解。然后,建立以有功网损和电压偏离度最小为目标函数的电力系统无功优化模型,并以修改后的IEEE RTS-79标准测试系统为算例进行仿真分析,结果表明改进后的算法兼顾了收敛性和多样性,相比于传统算法具有更好的优化效果。     

基于改进FPA算法的含分布式光伏配电网选址定容多目标优化方法

近年来配电网分布式光伏数量不断增加,不合理的分布式光伏接入位置和容量给配电网带来了极大的冲击.针对分布式光伏接入位置和容量不合理给配电网带来的影响,提出了一种以投资成本最低、网损最小、电压质量最优为优化目标的选址定容模型.结合遗传算法、混沌序列和花授粉算法求解优化模型.通过混沌序列对花粉位置进行初始化,保证种群的多样性...