基于改进量子遗传算法的输电网规划方法

量子遗传算法是基于量子计算原理的概率优化方法,改进了动态调整量子旋转门策略,并结合量子交叉和量子变异操作,使算法具有更快的收敛速度和全局寻优能力。输电网规划是复杂的大规模非线性组合优化问题,提出了一种基于改进量子遗传算法的输电网规划模型。算例表明,该方法能够快速有效地获得全局经济最优的输电网规划方案。     

量子进化算法在电力系统无功优化中的应用

量子进化算法QEA(Quantum-inspired evolutionary algorithm)将量子理论引入进化计算领域,是一种基于量子计算概念的进化策略算法.它采用量子比特为基本信息位进行个体编码,使用量子态的么正变换(量子门变换)实现个体的进化,同时利用量子编码的多态叠加性以及"全干扰交叉"可以有效克服进化过程中的早熟现象,因此它比传统进化算法具有更快的收敛速度和全局寻优能力.该文将该算法应用于电力系统无功优化问题,提出基于QEA算法的无功优化模型,并对算法参数进行了研究,提出了合适的量子变异参数.运用该算法对IEEE6、30节点系统进行了仿真计算,计算结果验证了模型和算法的有效性.     

基于量子人工鱼群混合算法的输电网规划

人工鱼群算法是一种基于动物自治体模型的优化算法,量子算法是一种随机搜索算法,全局随机搜索能力强。利用鱼群算法强大的局部搜索功能与量子算法混合,构造出随机性和方向性比较平衡的量子人工鱼群混合算法。针对输电网络网架的优化规划这样一个复杂的组合优化问题,建立相应的数学模型,采用量子人工鱼群混合算法求解。24节点系统的计算结果表明,该算法用于电力系统输电网规划问题是可行的,有效的。     

基于分布估计算法的输电网扩展规划

分布估计算法是一类新的进化算法,它通过统计在当前群体中选出的个体信息给出下一代个体分布的概率估计,用随机取样的方法生成下一代群体.文章将分布估计算法应用于求解输电网扩展规划问题,提出了两种基于分布估计算法(基于群体的递增学习算法和因子分布算法)的电力系统输电网扩展规划模型,分析了加权估计、随机母本规模选择、条件概率链的重新排列、随机变异和精英保留等改进策略对算法的影响.仿真分析结果表明了文中所采用的分布估计算法在求解输电网扩展规划问题时是可靠有效的.     

量子进化算法在电力系统无功优化中的应用

量子进化算法QEA(Quantum-insp ired evolutionary algorithm)将量子理论引入进化计算领域,是一种基于量子计算概念的进化策略算法。它采用量子比特为基本信息位进行个体编码,使用量子态的么正变换(量子门变换)实现个体的进化,同时利用量子编码的多态叠加性以及“全干扰交叉”可以有效克服进化过程中的早熟现象,因此它比传统进化算法具有更快的收敛速度和全局寻优能力。该文将该算法应用于电力系统无功优化问题,提出基于QEA算法的无功优化模型,并对算法参数进行了研究,提出了合适的量子变异参数。运用该算法对IEEE6、30节点系统进行了仿真计算,计算结果验证了模型和算法的有效性。     

基于改进模拟植物生长算法的输电网络扩展规划

输电网络规划是一个复杂的组合优化问题,若以选择线路回数为变量抽象出模型,则输电网扩展问题可以归结为一类整数规划问题.对模拟植物生长算法进行改进,形成了适于解整数规划问题的改进模拟植物生长算法,并将此算法应用到电力系统输电网络扩展规划中.为了加快算法收敛,采用了Kruskal算法来获取初始点,提出了一种快速判别网络连通的算法.最后,实例计算结果表明了该方法的可行性.     

基于机会约束规划法和非支配排序差分进化算法的含风电多目标输电网规划

在含有风电场的输电网络规划问题中,考虑了风电和负荷的不确定性,以规划方案的经济性、对环境的影响最小以及最大化风电并网容量为优化目标,基于机会约束规划的方法构造了计及风电和负荷不确定性因素影响的多目标输电网规划扩展模型,采用蒙特卡洛法和非支配排序差分进化(NSDE)算法对该模型进行求解,为考虑不确定因素的多目标输电网规划问题提供了一种更为灵活的解决方法。     

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。     

基于量子序优化混合算法的输电网规划

序优化理论是一种基于绝对随机抽取可行解的优化算法,最优解具有高概率的可信度.量子算法是一种局部搜索能力强的搜索算法.利用量子算法的强大的局部搜索功能与序优化混合,构造出随机性和方向性比较平衡的量子序优化混合算法.针对输电网规划这样一个复杂的组合优化问题,建立相应的数学模型,采用量子序优化混合算法求解.18节点系统算例的...     

融合退火机制的食物链生态进化算法的输电网规划

为改善传统食物链生态进化算法某些方面存在的缺陷,提出一种综合两种智能优化方法优点于一身的混合搜索算法进行输电网优化规划。算法将整个输电网构造呈高、中、低三级种群排布的食物链,算法基于改进的适应度函数模型,结合自适应协同遗传进化机制,指导食物链向符合输电网规划问题的实际方向进化,缩短算法寻优进程。采用模拟退火机制更新个体信息,有效增强了食物链进化的多样性,避免了算法陷入局部最优的风险。食物链进化过程中采用十进制整数编码来提高算法速度和精度。18节点系统仿真结果表明,该混合搜索算法较传统单一智能算法,具备全局寻优能力强、收敛速度快的优势。     

改进单亲遗传算法在电源规划中的应用

电源规划问题本质上是一多阶段组合优化问题,使用常规遗传操作会产生大量无效解,从而降低了求解效率.文章提出了一种基于单亲遗传算法的电力系统电源规划模型,并采用分段编码法解决了单亲遗传算法用于电源规划的编码问题.该模型容易计及电源规划中需要考虑的各种约束条件.文中还研究了精英保留算子和扰动算子对收敛的影响.算例仿真表明:该模型可靠有效,既能获得最优解,也能获得次优解;加入特殊算子改进后,可进一步提高精度,加快收敛速度.     

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.     

A simulated rebounding algorithm applied to the multi-stage security-constrained transmission expansion planning in power systems

This research discusses the multi-stage security-constrained transmission network expansion planning. In modern power systems, the problem is formulated as a large-scale, mixed-integer, non-linear programming problem, which for a real power systems is very difficult to solve. Although remarkable advances have been made in optimization techniques, finding an optimal solution to a problem of this nature can still be extremely challenging. In this paper, a new constructive heuristic approach, based on a local controlled random search (simulated rebounding algorithm) is proposed to choose the decision variables. The model can produce better solutions than other references techniques such as particle swarm optimization, evolutionary particle swarm optimization, genetic algorithms, and simulated annealing algorithm, among other evolutionary methods. The methodology is applied to assess the capabilities of the proposed approach in the Ecuadorian and Chilean Power Systems as an example of application. Simulation results show that the proposed approach is accurate and very efficient, and it has the potential to be applied to real power system planning problems. The algorithm has been presented and applied to the multi-stage security-constrained transmission expansion planning.     

基于LQ-GSA的独立型微网容量优化配置

独立型微网容量优化配置是微网规划建设中的重要环节,文中提出一种基于莱维飞行的量子引力搜索算法(LQ-GSA)对独立型微网系统中的风力发电、光伏发电和蓄电池容量进行优化配置。在保证系统供电可靠性和新能源消纳的基础上,建立以平准化能源成本为优化目标的独立型微网容量优化配置模型,通过引入收缩扩张系数动态调整策略和莱维飞行改进量子引力搜索算法以增强算法的全局寻优能力。利用文中所建立的模型进行仿真分析,并与其他万有引力搜索算法和粒子群算法结果比较,算例结果表明所提算法具有较高的求解精度和稳定性,能够保证独立微网系统的经济可靠运行。     

混合量子进化算法在110 kV变电站规划中的应用

针对城市电网中110 kV变电站规划这一组合优化问题,给出一种基于混合量子进化算法的变电站规划优化方法。该方法融合了量子进化算法收敛速度快,擅长全局搜索的优点和贪婪随机自适应算法局部搜索能力强的长处。将此方法应用到四川某县110 kV变电站容量规划中,计算结果表明该方法很好地完成了对该县变电站数量、主变容量的优化规划。结果符合该地区电力需求和未来电网建设形势,对该县电网下一步规划建设有重要参考意义,表明了方法的有效性。     

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。     

输电系统优化规划的研究

本文提出了一种新的输电系统扩建规划优化方法,首次把网络拓扑理论和电网规划的启发式方法相结合,采用直流潮流模型.应用最短片成树算法,Dijkstra最短路标号法、逐步扩展法和N-1检验进行多阶段求解决策,自动地生成所需规划输电系统扩建规划优化方案.避免了繁杂运算和维数过多的困难.具有简单快速、提供信息较全面、直观的优点.     

基于需求差异化的电网核心骨干网架构建

为了提高故障状态下电网保障重要负荷的能力,提出一种基于需求差异化的核心骨干网架构建方法。分别从负荷、电源和网架三个需求方面建立了核心骨干网架的数学模型,同时改进了网架连通性修复策略。采用引入了动态旋转角,早熟判断机制和混沌变异策略的改进量子粒子群算法进行模型的求解,并与量子粒子群算法和量子进化算法的搜索结果进行了对比分析。应用IEEE-118节点系统进行算例分析,结果表明能准确搜索出基于负荷、电源和网架需求的核心骨干网架,所提出的改进量子粒子群算法收敛快,能够克服陷入局部最优,收敛精度高。     

基于改进Dijkstra算法的配电网网架扩展规划

电气工程领域中配电网网架扩展规划的目的是确定最优的配电网网架接线方案。配电网网架扩展规划的本质与最短路径问题有相同之处。作为典型的最短路径求解算法之一的Dijkstra算法,在进行配电网网架扩展规划时,需要建立邻接矩阵,并反复对无序排列的初始数据进行遍历搜索,反复遍历搜索影响了算法的计算速度。针对Dijkstra算法对无序排列的初始数据反复遍历搜索对计算速度造成的影响,基于排序思想,提出了改进Dijkstra算法,以提高Dijkstra算法在进行配电网网架扩展规划时的计算速度,然后根据某10 kV中压配电网网架扩展规划算例,基于全寿命周期概念建立了中压配电网网架扩展规划的数学模型,经算例分析验证了所提方法的有效性。