基于人工鱼群算法的电力系统无功优化

尝试将人工鱼群算法(AFSA)用于电力系统无功优化,建立了相应的优化模型,对IEEE6、IEEE14节点系统及某地区实际电力系统进行了无功优化计算,并与遗传算法(GA)、改进Tabu搜索算法(MTSA)进行了比较,结果表明AFSA鲁棒性强,全局收敛性好,用于电力系统无功优化计算是有效、可行的.     

基于改进AFSA算法的电力系统无功优化

将人工鱼群算法(AFSA)应用到电力系统无功优化问题的研究中,建立了相应的优化模型.为提高AFSA的搜索能力,对AFSA进行了改进,在算法中加入了生存机制、竞争机制.对IEEE6、14节点系统的仿真计算结果表明了算法的有效性.     

基于改进AFSA算法的电力系统无功优化

将人工鱼群算法（AFSA）应用到电力系统无功优化问题的研究中,建立了相应的优化模型。为提高AFSA的搜索能力,对AFSA进行了改进,在算法中加入了生存机制、竞争机制。对IEEE6、14节点系统的仿真计算结果表明了算法的有效性。     

电力市场环境下基于人工鱼群算法的无功优化研究

在电力市场条件下,传统无功优化的目标函数应作相应的修改,由原来的一次能源消耗量最小转变为经济利益最大。由于无功电量要定价,所以电网公司购买无功电量的支出应计入目标函数。以有功网络损耗费用和无功费用综合最小为目标函数,应用人工鱼群算法(AF-SA)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一个无约束求极值问题,有效提高了AFSA算法的全局收敛能力和计算精度。以IEEE30节点电力系统为例进行了仿真计算,结果表明该模型和算法的正确性、适用性和较好的经济性。     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,文章将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,算法对IEEE 6、IEEE 30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的.     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,本文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE 6、IEEE30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的.     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,该文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE6、IEEE30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的。     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,该文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE6、IEEE30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的.     

基于解空间分解的电力系统无功优化

为解决大型电力系统无功控制变量维数灾的问题,提出一种基于解空间分解的方法对电力系统进行无功优化。通过摄动分析选出无功优化中最活跃的控制变量,根据该控制变量分解解空间,最后在JADE(Java agent development)平台上对分解后的问题进行并行计算。应用该方法对IEEE30节点系统进行无功优化计算,结果表明基于解空间分解的办法在电网无功优化计算中具有较强的全局搜索能力和较高的收敛精度。     

基于混沌优化算法的电力系统无功优化

混沌优化利用混沌变量的特定内在随机性和遍历性来跳出局部最优点 ,而线性搜索可以提高局部空间的搜索速度和精度。本文将基于线性搜索的混沌优化算法用于电力系统无功优化。应用该算法对IEEE6、1 4、30节点系统进行了无功优化计算 ,结果表明该算法是正确可行的     

基于蜜蜂进化型粒子群算法的电力系统无功优化

为了提高电能质量,降低网损,采用蜜蜂进化机制与粒子群算法相结合的蜜蜂进化型粒子群算法（Bee Evolution Modifying Particle Swarm Optimization, BEMPSO）,对电力系统的无功优化问题进行求解。改进后的算法能够克服传统粒子群算法的收敛精度低,易陷入局部最优解的缺点。应用改进算法对IEEE6、30节点标准电网进行无功优化计算,并与其它优化算法相比较,结果证明BEMPSO算法具有较好的全局寻优能力,验证了该算法的正确性和有效性。     

基于鲸鱼优化算法的无功优化调度

针对目前电力系统中的无功优化问题尚缺乏一种能兼顾求解的高效性与全局搜索最优性的方法,本文将一种新的启发式算法--鲸鱼优化算法(WOA)运用到电网无功优化调度中,以系统有功功率损耗最低为目标函数,通过引入惩罚函数建立无功优化模型,对IEEE-14节点系统与IEEE-30节点系统进行仿真,并利用单因素方差分析法(One-way ANOVA)将所得结果与之前的粒子群优化算法(PSO)及引入加速度系数的时变粒子群优化(PSO-TVAC)进行比较,研究表明WOA算法在迭代次数、搜索能力及收敛问题上的潜力,并证明了在解决电力系统无功优化问题上的鲁棒性和有效性,同时也为解决非线性约束问题提供了新途径。     

基于量子差分进化算法的电力系统无功优化

以系统有功网损最小为目标,建立了一种电力系统无功优化数学模型,并提出了一种基于量子差分进化算法的电力系统无功优化方法。该算法采用量子计算中的并行、坍缩等特性,增强了对解空间的遍历能力;同时在传统选择策略的基础上加入了量子计算的概率表达特性,有效地避免了算法的早熟现象。对IEEE-30节点测试系统进行仿真分析,并将优化结果与传统差分进化算法和粒子群优化算法进行对比分析,结果表明量子差分进化算法在解决系统无功优化问题上更科学、更有效。     

基于改进社会认知算法的电力系统多目标无功优化

针对电力系统无功优化传统算法的局限性,结合当前智能算法的特点,提出采用模拟农夫捕鱼算法改进社会认知算法(ISCO),将其运用到电力系统无功优化中,并在构建无功优化的数学模型时,充分考虑如何降低网损和综合考虑减少电压偏差及提高系统运行的电压稳定裕度.经对标准IEEE14和IEEF30节点系统进行仿真计算,结果表明该算法具有很好的全局寻优能力和较快的收敛速度,能有效提高系统运行的经济性和安全性.     

基于区间算术的含分布式电源电网无功优化方法

为了解决分布式电源出力不确定性以及负荷波动性所带来的影响,提出一种基于区间数的含分布式电源电网无功优化方法。介绍区间数和区间算术的概念并建立区间潮流模型;建立含分布式电源电网区间无功优化模型的目标函数和约束条件,并给出采用粒子群算法求解区间无功优化模型的步骤;最后通过Matlab对一个修改后的IEEE14节点系统进行区间无功优化仿真计算,并采用粒子群算法对单一潮流断面进行无功优化验证了所提算法的正确性。仿真结果表明,基于区间算术的无功优化方法能够在计及电网不确定性因素情况下,使得电网趋优运行。     

多智能体搜寻者优化算法在电力系统无功优化中的应用

针对无功优化这个典型的非线性问题,提出了一种基于多Agent系统的搜寻者优化算法MASOA (Multi-agent Seeker Optimization Algorithm)来求解.该算法针对SOA算法邻域划分随意性较大,融入智能体技术,在改进SOA算法邻域划分合理性的同时,提高粒子寻优的准确度;利用SOA算法的进化机制,引入自适应思想,使新算法具有良好的非线性搜索能力,更好地适应无功优化问题.以网损最小为目标函数,在IEEE 30节点系统上进行测试,并与四种智能算法进行比较,结果表明,MASOA在算法计算精度、收敛稳定性、寻优时间等方面都具有普遍优势,能有效地应用于电力系统无功优化中.     

基于自适应聚焦粒子群算法的电力系统无功优化

自适应聚焦粒子群算法（AFPSO）是根据PSO算法的全局搜索与局部搜索平衡特性,改进得到的一种具有较好全局搜索能力和寻优速度的自适应群体智能优化算法。通过采用AFPSO算法,对电力系统进行无功优化。该方法是以最优控制原理为基础,以网损最小为目标函数,在IEEE 30节点系统上进行测试,通过仿真测试以及不同算法优化结果的对比,表明基于AFPSO算法在算法计算精度、收敛稳定性、寻优时间等方面都具有普遍优势,能有效地应用于电力系统无功优化中,证明了AFPSO算法的有效性和优越性。     

基于自适应聚焦粒子群算法的电力系统无功优化

自适应聚焦粒子群算法(AFPSO)是根据PSO算法的全局搜索与局部搜索平衡特性,改进得到的一种具有较好全局搜索能力和寻优速度的自适应群体智能优化算法.通过采用AFPSO算法,对电力系统进行无功优化.该方法是以最优控制原理为基础,以网损最小为目标函数,在IEEE 30节点系统上进行测试,通过仿真测试以及不同算法优化结果的对比,表明基于AFPSO算法在算法计算精度、收敛稳定性、寻优时间等方面都具有普遍优势,能有效地应用于电力系统无功优化中,证明了AFPSO算法的有效性和优越性.     

含风电场的配电网无功优化策略研究

针对传统的配电网无功优化调节手段离散化、难以实现电压的连续调节等问题,研究了含风电场的配电网无功优化模型和算法,分析了双馈感应电机的无功发生能力,将风电场作为连续的无功调节手段参与配电网无功优化。并针对风电出力随机性的特点,用场景功率描述风电的随机出力,使之更具代表性。考虑了配电网的网损、电压偏差以及电压稳定性指标,建立了多目标无功优化模型。提出了基于量子粒子群算法(QPSO)的无功优化方法,该算法通过波函数描述粒子的状态,增加了种群的多样性,有效地避免了种群早熟等问题。用该算法对改进的IEEE33节点进     

含分布式电源的配电网无功优化

为提高系统电压稳定性,在传统无功优化目标函数模型的基础上引入电压稳定L指标,将电压稳定L指标与最优潮流结合,建立了考虑网络损耗和系统电压稳定的配电网无功优化模型.在小生境遗传算法的基础上,对遗传算法小生境进行单纯形搜索,消除算法中存在的早熟收敛和开采能力不足的缺点,增强了算法的寻优能力.采用IEEE33节点算例分析表明,该算法优化效果良好,能有效降低有功网损,提高系统电压稳定性。