自适应进化规划及其在多目标最优潮流中的应用（Ⅰ）：自适应 …

针对实值优化问题,以常规进行化规划为基础,从数学理论及生物进化机制角度出发,提出了一种自适应变异算子,设计出一种新颖的自适应进化规划算法。该算法中包含了两个重要部分：一是采用倒指数形式来描述方差σ＾２与适合度ｆ之间的关系;二是在寻优过程中,变异量δ自适应发生改变。     

基于自适应进化规划的电网多目标优化运行

人随机优化技术及生物进化机制角度出发,在常规进化规划算法的基础上,提出一种新颖的自适应进化规划算法,并首次将其应用于求解电力系统多目标优化运行问题。对优化模型、遗传操作等方面进行了更深一步的研究。数学算例及应用实例表明该算法十分有效,有广泛的应用价值。     

一种求解电网多目标模糊优化运行的 自适应进化规划算法

从随机优化技术及生物进化机制角度出发,设计出一种新颖的自适应进化规划算法。该算法包含了2个重要部分①采用倒指数形式来描述均方差与适合度之间的关系;②在寻优过程中,变异量自适应发生改变,并结合模糊集理论应用于求解具有可伸缩约束的电网多目标模糊优化运行问题,求解时对优化模型、遗传操作等方面进行了探讨。试验系统的计算结果表明,该算法具有很强的自适应性及通用性,在全局收敛特性、约束项的处理、算法复杂度及运算效率等方面显示了一定的优势,体现了求解电网多目标优化运行的良好前景。     

自适应进化规划及其在多目标最优潮流中的应用(Ⅱ)--基于自适应进化规划的多目标最优潮流

电力系统多目标最优潮流是一个极其复杂的非线性规划问题,其解算方法目前仍处于研究阶段,而开发高效、快速、可靠的最优潮流算法是一项相当艰巨的工作.鉴于此,文中探讨了自适应进化规划在电力系统多目标最优潮流应用中的问题.在优化模型、遗传操作等方面进行了研究,进一步拓展了电力系统最优潮流计算方法的应用前景.通过30节点IEEE试验系统的算例表明自适应进化规划算法十分有效,具有广泛的应用价值.     

变异率自适应的差分进化粒子滤波算法研究

利用差分进化思想解决粒子滤波算法中存在的粒子退化具有一定的可行性,针对差分进化变异率固定,导致经过若干次迭代之后,后代样本间差异性变小,样本多样性减少,引入变异率自适应的差分进化算法,自适应变异过程中大权值粒子变化不大而小权值粒子变化较大,小权值粒子通过变异寻得较优状态,优化了粒子采样集合,使粒子集合向接近后验概率密度分布的取值运动,缓解了粒子滤波算法中的粒子退化缺陷。仿真结果表明,变异率自适应的差分进化粒子滤波算法较差分进化改进的粒子滤波,因此能够以较少的粒子数达到较高的准确度,由此算法运行时间较短,具有较好的实时性。     

自适应进化规划及其在多目标最优潮流中的应用(Ⅱ)--基于自适应进化规划的多目标最优潮流

电力系统多目标最优潮流是一个极其复杂的非线性规划问题,其解算方法目前仍处于研究阶段,而开发高效、快速、可靠的最优潮流算法是一项相当艰巨的工作。鉴于此,文中探讨了自适应进化规划在电力系统多目标最优潮流应用中的问题。在优化模型、遗传操作等方面进行了研究,进一步拓展了电力系统最优潮流计算方法的应用前景。通过30节点IEEE试验系统的算例表明自适应进化规划算法十分有效,具有广泛的应用价值。     

自适应变异粒子群算法及在输电网规划中的应用

针对标准粒子群优化（SPSO）算法易陷入局部最优的缺点,引入了一种自适应变异的粒子群优化（AMPSO）算法,并应用于电力系统输电网规划。该算法在迭代过程中加入变异操作,并根据种群适应度方差值自适应地调整变异概率的大小,以此来增强算法跳出局部最优的能力。在输电网规划算例中的应用结果表明,变异操作改善了算法的寻优性能,使得AMPSO算法的寻优效率远高于SPSO算法。     

应用自适应微分进化算法的配电网综合优化

单方面的网络重构或无功优化均不能实现最大程度的配电网优化,因此需要将两者综合考虑,为此提出了基于微分进化算法的配电网综合优化算法。为与无功优化的整数编码方式统一,网络重构采用编码长度最低的环路支路整数编码方式,以将网络重构和无功优化同时引入进化过程。同时将自适应变异及进化参数调整策略引入进化过程,以在确保获得最优解的同...     

一种改进的进化规划方法及其在电力系统无功优化中的应用

分析了一种广泛应用的进化规划方法的不足并对其进行了改进,使之符合一条变异幅度变化规律:变异幅度在进化开始阶段应相对较大以搜索尽量广的范围,然后应动态或自适应地减小,最后应足够小以使进化过程稳定收敛。利用改进后的方法对IEEE 14节点、IEEE 30节点和IEEE 57节点系统进行了无功优化计算,结果表明改进后的方法远比改进前优秀,变异幅度变化规律对设计好的进化规划方法具有很好的指导意义。     

基于参数自适应动态差分进化算法的变压器局放源定位

针对变压器局部放电超声定位中混合优化算法存在的寻优参数较多及寻优过程较为复杂等不足,提出了一种基于PADDE(参数自适应动态差分进化)算法的变压器局放源定位方法。在种群的变异及交叉过程中,结合适应度函数自适应地对传统DE(差分进化)算法参数进行选择,并动态地对当前种群进行更新,从而有效提高了寻优性能,并加快了收敛速率。通过Benchmark标准测试函数和实际变压器局部放电超声定位对该方法的有效性和可行性进行验证,结果表明:相比于传统的DE算法,PADDE算法寻优能力更强,得到的定位结果更加精确,定位误差始终保持较小的数值。     

基于混沌进化算法的梯级水电系统短期发电计划

提出一种求解梯级水电系统短期发电计划问题的新方法－混沌杂交进化算法（CHEA）。该算法将混沌序列与进化算法有机结合在一起,同时采用浮点数编码并构造一种新的自适应误差反向传播变异算子,从而有效抑制了进化算法的“早熟”现象和收敛速度慢等缺陷,仿真计算结果表明,该方法可以求解具有复杂约束条件的非线性优化问题,算法求解精度高,收敛速度快,从而为水电系统的短期发电计划问题提供了一种有效的方法。     

Self-adaptive evolutionary programming and its application to multi-objective optimal operation of power systems

This paper proposes a new algorithm to solve multi-objective optimal operation of power systems problem. The algorithm is based on combination of general evolutionary programming and random search technique. The algorithm includes two important procedures. First, a new pattern of mutation is developed in this paper. Secondly, the developed mutation operator is self-adaptive during optimization. Furthermore, in a multi-objective optimal operation study four objectives (cost of generation with valve point loading, transmission losses, environmental pollution and steady-state security regions) are considered for optimization, and an ideal point method is used to solve the problem. The proposed algorithm is tested on the IEEE six-bus and 30-bus systems. Numerical results and comparison demonstrate that the new method not only can deal agilely with constraints, but also can reduce the CPU time and prevent the search from being in local optima.     

进化规划方法的综合改进及其在电力系统无功优化中的应用

提出了一种应用于电力系统无功优化的综合改进进化规划方法。分析了传统进化规划方法存在解易早熟和收敛慢等不足的主要原因，并对传统方法的变异算子和选择算子提出了综合改进。提出新的策略参数控制方案改进变异算子，同时在选择算子中引入了Metropolis判别准则。为验证改进方法的正确性和有效性，以IEEE 30节点系统为例进行了仿真，结果表明文中提出的方法与传统方法相比能更好地避免解的早熟并使算法具有更快的收敛速度，适用于无功优化计算。     

应用进化规划变异算子的配电网重构算法

针对进化规划算法普遍存在的进化过程缓慢和进化后期难以平稳收敛等问题,考虑到配电网重构功率损耗最小和负荷均衡2个目标,提出一种新的进化规划变异算子。为保证变异产生的新个体积极地向最优个体靠拢,一方面使变异算子的拓扑调整次数与进化代数成反比,另一方面在拓扑调整过程中增加待合开关选择算子和待分开关选择算子。同时,为提高整个配电网重构算法的计算速度,研究了功率损耗、二次负荷矩、待合开关选择算子和待分开关选择算子的简化计算方法。所提方法的可行性在河南省商丘供电局的10 kV配电网运行优化与辅助决策系统上得到了验证。     

Optimal reactive power dispatch using self-adaptive real coded genetic algorithm

In this paper, self-adaptive real coded genetic algorithm (SARGA) is used as one of the techniques to solve optimal reactive power dispatch (ORPD) problem. The self-adaptation in real coded genetic algorithm (RGA) is introduced by applying the simulated binary crossover (SBX) operator. The binary tournament selection and polynomial mutation are also introduced in real coded genetic algorithm. The problem formulation involves continuous (generator voltages), discrete (transformer tap ratios) and binary (var sources) decision variables. The stochastic based SARGA approach can handle all types of decision variables and produce near optimal solutions. The IEEE 14- and 30-bus systems were used as test systems to demonstrate the applicability and efficiency of the proposed method. The performance of the proposed method is compared with evolutionary programming (EP) and previous approaches reported in the literature. The results show that SARGA solves the ORPD problem efficiently.     

考虑多风电场出力耦合特性的热电联合优化调度

建立了一种考虑多风电场出力耦合特性的热电联合优化调度模型。该模型的目标函数为最小化火电及热电联产机组煤耗成本,并在电功率平衡约束中引入多风电场出力及电负荷的随机特性。模型求解过程中,基于Copula相关理论推导了考虑多风电场总出力耦合特性的概率模型,然后采用两阶段随机规划处理含随机量的等式约束,并应用一种自适应进化规划算法对所提出的优化模型进行求解。算例仿真结果表明了所提模型及方法的有效性。     

Quantum-Inspired Particle Swarm Optimization for Valve-Point Economic Load Dispatch

Economic load dispatch (ELD) is an important topic in the operation of power plants which can help to build up effective generating management plans. The ELD problem has nonsmooth cost function with equality and inequality constraints which make it difficult to be effectively solved. Different heuristic optimization methods have been proposed to solve this problem in previous study. In this paper, quantum-inspired particle swarm optimization (QPSO) is proposed, which has stronger search ability and quicker convergence speed, not only because of the introduction of quantum computing theory, but also due to two special implementations: self-adaptive probability selection and chaotic sequences mutation. The proposed approach is tested with five standard benchmark functions and three power system cases consisting of 3, 13, and 40 thermal units. Comparisons with similar approaches including the evolutionary programming (EP), genetic algorithm (GA), immune algorithm (IA), and other versions of particle swarm optimization (PSO) are given. The promising results illustrate the efficiency of the proposed method and show that it could be used as a reliable tool for solving ELD problems.      

基于AHP的实用中长期电力负荷预测最优综合模型

针对中长期电力负荷预测特点，提出一种基于AHP（层次分析法）的中长期电力负荷预测最优综合模型。以历史数据的拟合精度、预测结果与未来经济社会发展的一致性、预测者对模型的信赖度为目标准则；通过自适应进化规划和判断矩陈的方法确定综合模型的最优权重。基于AHP的最优综合模型不令依靠科学计算，而且也考虑了专家经验，将基于AHP的最优综合模型的预测结果与传统综合模型的预测结果相比，误差较小，精度较高，在实用中取得了满意的结果。