基于改进双种群遗传算法的含分布式电源配电网重构

针对配电网重构非线性多目标优化问题,建立以配电网的网损、馈线负荷均衡及节点电压质量协调最优为目标的含分布式电源配电网重构模型,并运用双种群遗传算法对其求解。算法采用基于重构环的十进制染色体编码,设定遗传操作策略避免不可行解的产生,并采用移民策略和精英保留策略。同时引进基于矢量距浓度的选择率,提出有自适应规则的混沌局部搜索策略以提高全局寻优能力。选取IEEE33节点和IEEE69节点配电网络系统为例,仿真分析分布式电源接入对配电网的影响,并将本文算法与传统遗传算法进行比较,验证了该算法的可行性和有效性。     

基于改进的自适应遗传算法的智能配电网重构研究

配电网故障恢复重构是智能配电网实现自愈功能的控制手段。采用改进的自适应遗传算法进行配电网故障后的恢复重构：根据接入分布式电源的配电网的特点提出基于环路的编码策略,可以减少表示孤岛的不可行解;自适应的交叉率、变异率使算法可以根据种群进化情况改变,保护优秀个体;自适应的种群规模是基于个体寿命和规模控制,可以提高遗传算法的收敛性能。通过IEEE33节点配电网络中对算法进行仿真验证,表明分布式电源的接入可以有效地降低网络损耗;对比其他算法,具有更快的收敛速度和更好的稳定性。     

一种改进粒子群优化算法的配电网重构

提出了一种改进的粒子群优化算法(RPSO)来解决配电网络重构问题。在RPSO中,根据配电网络的具体特点,将遗传算法中的优化编码技术引入粒子群优化方法中,通过粒子群体对基因代码的操作,提高算法的搜索性能。在寻优过程中,以适应度方差大小衡量粒子群体的"聚集"情况,并根据"聚集"情况来自适应调整群体的变异概率,用以克服粒子群优化算法(PSO)的早熟现象。通过对3个典型的IEEE测试网络重构,并与粒子群算法和遗传算法进行比较,改进的粒子群优化算法比粒子群算法和遗传算法具有更高的搜索效率。     

基于模糊自适应模拟退火遗传算法的配电网故障定位

对于配电网故障定位系统的不足与遗传算法存在易早熟、收敛速度慢等问题,结合模糊推理和自适应模拟退火遗传算法,提出一种模糊自适应模拟退火遗传算法(FASAGA)。该算法对评价函数做了容错性改进,在遗传选择时采用自适应机制与最佳个体保留策略,并结合模糊推理与自适应机制求取模糊自适应交叉算子、模糊自适应变异算子,引入模拟退火算法提高收敛速度与局部搜索能力。仿真结果说明该算法应用在配电网故障定位中的准确性、快速性与高容错性。     

用于配电网重构的改进单亲遗传算法

双亲遗传算法用于配电网重构计算时,使搜索陷入局部最优,有较多“不可行解”产生等问题。单亲遗传算法(PGA)可以缓解上述问题,对PGA的编码策略,交换、突变、倒位和移位算子进行了改进,并引入了“灾变”和“修正”算子,使其具有更高的搜索速度,并缓解了“不可行解”问题。算例表明,改进的PGA算法具有较好的性能,可以有效地用于解决配电网重构问题。     

免疫遗传算法在配电网重构中的应用

配电网重构是配电网络优化的主要措施，其实质是一个多目标非线性混和优化问题．采用免疫遗传算法来研究重构问题的求解方法．免疫遗传算法在传统遗传算法的基础上，借鉴生物免疫机制中抗体的多样性保持策略和记忆抗原的特点，大大提高了算法的全局搜索和局部搜索能力．实验表明，免疫遗传算法具有很好的全局收敛性，能有效解决配电网重构问题．     

基于改进禁忌搜索的配电网重构

为解决配电网的重构问题,提出了一种改进的禁忌搜索(Tabu search)方法.该方法结合配电网络的闭环设计和开环运行的特点,将遗传算法中的优化编码技术引入到Tabu搜索算法中,并以有功网损最小为目标函数对配电网络进行优化.对3个典型IEEE测试系统进行了优化计算,将其结果与模拟退火算法和遗传算法的计算结果进行比较证实,改进的Tabu搜索算法比模拟退火算法和遗传算法具有更高的搜索效率.     

基于多策略改进的遗传算法在配电网规划中的应用

针对电力电子化配电网规划复杂的优化问题,提出一种基于多策略改进的多目标遗传算法（简称遗传算法）。将遗传算法与配电网规划进行有效结合,研究了遗传算法在规划方案中的染色体组编码方式;对遗传算法进行具有针对性的多策略改进,涉及种群选择、交叉与变异算子以及自适应遗传算子的改进;通过种群修复提高算法的搜索能力,使染色体的决策变量在满足约束的同时,确保种群多样性启发式地进化为规划问题的最优解。通过Schaffer函数与Griewank函数对基于多策略改进的遗传算法进行性能测试,并对其组成内容、搜索特点与搜索寻优的过程分别进行了分析和讨论。结果表明,基于多策略改进的遗传算法在搜索精度与计算效率方面具有较大优势,对于配电网规划优化具有重要价值。     

基于自适应多种群遗传算法的配电网重构

配电网重构是配电管理系统的重要内容,从本质上讲,它是一个非线性组合优化问题,若采用传统的遗传算法处理,由于其易于陷入局部最优解和随着配电网规模的扩大搜索效率低的问题,难以得到理想结果。提出一种改进的遗传算法来处理配电网重构问题,借助多种群进化和种群间个体移植的概念,通过自适应控制参数的调整,有效地避免了早熟,提高了算法的搜索范围和效率,较好地解决了配电网重构问题。理论分析和算例表明,该方法高效可行,适合配电网自动化的实际应用要求。     

用于降低网损的配电网络优化重构方法的研究

配电网络优化重构是降低配电网络线损的有效措施,本文综述了配电网络优化重构中常见的算法及问题。为了提高重构优化速度,提出了利用混合潮流算法快速计算网损的方法。提出了基于度的拓扑方法来判定在遗传算法优化过程中造成的不可行解,并列出了对不可行解的判断准则。本拓扑方法同样可以为前推回代法提供拓扑分析。为缩小搜索空间,对遗传算法采取了在基因操作过程中如产生不可行解采用返回重新操作的改进,使算法运算过程中不产生不可行解。同时为避免欺骗现象提出较差个体单独成群策略。实例证明,该算法应用于配电网重构是有效的。     

隔离小生境遗传算法在配电网络重构中的应用

建立了计及电压、容量及负荷平衡等为约束的配电网络重构的数学模型.将隔离小生境技术与遗传算法相结合,提出了应用于配电网络重构的隔离小生境遗传算法.针对二进制编码不能有效反映配电网网络重构问题的结构特征,研究了染色体整数编码方式.通过对初始种群的隔离及子种群的独立进化,有效地解决了遗传算法的早熟收敛问题.算例中将隔离小生境...     

改进遗传模拟退火算法在配电网络重构中的应用

对遗传模拟退火算法中的交叉、变异操作进行了改进,并实施了最优保留策略,形成了改进遗传模拟退火算法.以网损最小为目标函数,以配电网电压降的限制、线路电流量的限制等为约束条件,建立了配电网络重构优化模型.在考虑配电网自身特点的基础上,利用改进遗传模拟退火算法求解.重构算例说明,该优化方法有效、实用.     

基于共享小生境伪并行遗传算法配网无功优化研究

针对传统遗传算法(SGA)在配电网无功优化中的缺陷和配电网的特点,把基于共享函数的小生境技术和伪并行遗传算法有机结合起来应用于无功优化,采用实数编码和自适应交叉、变异等策略.建立了以运行费用最小为目标的数学模型.实际网络计算结果表明,小生境伪并行遗传算法在提高运算速度、维持群体多样性和抑制早熟等方面显示出优越性,更加适用于配网无功优化.     

采用云理论自适应遗传算法的舰船电力系统故障智能恢复策略

提出了基于云理论自适应遗传算法并面向负荷投切的舰船电力系统故障智能恢复策略,该方法在考虑负荷和开关优先级及线路负荷分配均衡的基础上,借助于正态云固有的稳定倾向性和随机性,由云发生器自适应调整交叉率和变异率,增强了算法鲁棒性,改善了算法收敛速度。算例分析验证了基于云理论自适应遗传算法多目标故障恢复策略的可行性和有效性,且优于标准遗传算法和传统自适应遗传算法,具有一定的实用价值。     

基于禁忌克隆遗传算法的配电网故障恢复重构

将克隆遗传算法(clonal genetic algorithm,CGA)和禁忌搜索算法(tabu search,TS)相结合,提出用于配电网故障恢复重构的禁忌克隆遗传算法(tabu search clonal genetic algorithm,TSCGA)。针对配电网的结构特征和克隆遗传算子的特点采用基于环网的编码策略,避免遗传操作后产生表示环网或孤岛的无效解;在CGA中克隆遗传算子的基础上增加了修正算子,减小了搜索范围,提高了搜索效率;并把禁忌搜索算法中的禁忌表、禁忌表处理和藐视准则融入到克隆遗传算法中,显著提高了收敛速度。最后用IEEE33节点标准算例对TSCGA进行了仿真分析,并与其他智能算法进行了比较,结果表明TSCGA具有更快的收敛速度和更好的稳定性。     

配电网的供电优化恢复策略

配电网的故障恢复是一个多目标、非线性的复杂优化问题，不同情况要采用不同的策略。文中阐述了供电优化恢复目标的描述方法，并针对单区域供电优化恢复情况，提出了采用启发式搜索和邻域搜索法求解恢复策略的解决方案；针对关联区域供电优化恢复情况，提出了采用面向问题的遗传算法与邻域搜索法相结合的求解恢复策略，利用遗传算法选择供电路径，用邻域搜索法确定需要断开的分段开关，这样可使遗传算法染色体的长度大为减短，减少了遗传算法的搜索空间，加快了搜索速度。文中运用实例验证了所设计策略和算法的可行性。     

考虑进化稳定的多种群遗传算法在配电网规划中的应用

提出了考虑进化稳定策略的改进多种群遗传算法并将其应用于配电网规划。该算法不仅保持了多种群遗传算法的多目标性,而且通过引入突变算子使算法更容易找到全局最优区域,缩短了传统多种群遗传算法要跳出局部最优区域所消耗的迭代时间。算例结果表明该算法在收敛性能和搜索能力方面比其他遗传算法有较大提高,在全局寻优性能上也优于其他遗传算法。     

基于组件式GIS网络分析与多目标遗传算法的城市中压配电网规划

城市中压配电网规划是一个多目标组合优化问题。通过组件式地理信息系统（ComGIS）平台建立规划区域的网络数据集,在此基础上使用多目标遗传算法进行优化。利用ComGIS平台的网络分析功能优化单环最优路径,简化了遗传编码,并根据编码特点设计交叉、变异操作,提高了遗传算法的效率。利用基于Pareto秩的个体适应度函数引导多目标遗传算法的进化方向,最终得到接近多目标优化问题Pareto最优解集的一组两端供电网络方案。所得规划方案集便于决策人员选择,并且有效结合了规划区域的地理信息,有较强的实际意义。对某实际系统的应用结果表明了文中所提方法的有效性。     

基于遗传拓扑混合算法的配电网多故障抢修策略

从中国配电网的实际情况出发,建立了电力系统在多故障情况下的多目标抢修策略优化模型。针对配电网接线呈辐射状的特点,提出了一种遗传拓扑混合算法作为寻优策略。该算法通过遗传算法寻优,通过拓扑分析算法判断出失电区域、待修复设备以及负荷情况,综合进行适应度评价,反复迭代得到最佳抢修方案。在寻优计算过程中,针对遗传算法在复杂配电网计算中易产生大量不可行解的问题,引入了智能选择的混合交叉因子进行改进。算例结果证明了该混合智能算法的有效性和鲁棒性。