基于改进遗传算法的电力系统多目标无功优化

针对遗传算法在求解多目标无功优化方面存在的缺陷,本文提出了基于蜜蜂双种群进化型云自适应遗传算法(double bee population evolutionary cloud adaptive genetic algorithm,BEPE-CAGA)。该算法根据蜜蜂双种群进化思想,引入了雄峰通过竞争参与交叉及雄峰与决定双峰群优秀遗传基因的蜂后交叉的策略,并结合正态云模型云滴的随机性和稳定倾向性特点对其进行改进,改善了算法陷入早熟的问题,提高了算法的收敛速度。建立了以有功网损最小、电压偏差最小及电压稳定裕度最大为目标的无功优化数学模型,并以BEPE-CAGA算法求解该模型。最后通过对IEEE14和IEEE30节点系统进行算例仿真,仿真结果验证了本文所提算法的有效性,同时也证明了该算法在收敛速度和优化效果上具有比基本GA算法和CAGA算法更佳的性能。     

多目标电网无功优化的量子遗传算法

在传统无功优化模型中引入静态电压稳定指标,建立了以网损最小、静态电压稳定裕度最大为目标的多目标无功优化模型。还介绍了量子遗传算法,它是一种基于量子计算概念的智能算法,用量子比特为基本信息位编码染色体,用基于量子概率门的量子变异实现个体进化,其收敛速度和全局寻优能力优于传统进化算法。将该算法用于电力系统无功优化并仿真计算了IEEE14、30节点系统,结果验证了模型和算法的有效性。     

基于MSI-APSO算法的多目标无功优化

采用多策略融合自适应粒子群优化(MSI-APSO)算法求解电力系统多目标无功优化。该算法采用分阶段调整加速因子,根据适应值自适应调整惯性权重,以平衡算法局部搜索和全局搜索的能力;同时,基于群体信息改善部分性能差的粒子,迭代性能改善后的粒子,并采取速度保持策略,以提高算法的搜索准确度与收敛速度。建立了以有功网损最小、电压偏差最小及电压稳定裕度最大为目标的无功优化数学模型,并采用MSI-APSO算法求解该模型。最后对IEEE 14和IEEE 30节点系统进行算例仿真,仿真结果证明了该算法在收敛速度和优化效果上具有比其他几种改进PSO算法更佳的性能,能有效求解电力系统多目标无功优化问题。     

利用混沌鱼群算法的配网无功优化

为了更有效快速地处理电力系统配网无功优化问题,建立了配电网无功优化的数学模型,以网损和电压偏差最小以及电压稳定最大化为目标函数,以无功平衡、电压合格等为约束条件。采用新型混合优化算法,综合考虑混沌优化算法和人工鱼群算法两种算法的特点,使算法能够更好地适应问题的求解。并且对IEEE14节点系统和IEEE33节点进行系统仿真计算,结果表明,该算法在计算速度和收敛能力方面都具有优势,且优化效果可满足实际需要。     

基于改进算子的免疫遗传算法的电压无功优化

针对电压无功优化问题的特点和免疫遗传算法在求解全局性优化问题中的适用性,应用免疫遗传算法对系统进行电压无功优化。在编码时采用了实整混合编码形式,求抗体相似度时进行了归一化处理,在选择操作时对适应度函数进行了变换,合理的选择变换系数的值,可以保证算法在进化前期保持种群多样性,在进化后期仍能有较快收敛速度,并在交叉变异时实数段和整数段基因采取不同的措施。取IEEE-30节点标准系统为例,利用开发的优化计算程序进行电压无功优化计算,验证了所提出的算法较其他算法在计算和收敛能力上具有优势。     

基于改进遗传内点算法的电网多目标无功优化

将遗传算法和内点法相结合求解电力系统无功优化问题。改进了传统的遗传算法,采用混合编码和动态调整选择、交叉、变异算子,并在适应度函数中引入了内点法的对数障碍函数,有效地解决了实际系统的离散变量和状态变量易在边界取得的问题。在无功优化模型中,计及了网损,电压平均偏离,静态电压稳定裕度和调控费用4个指标。IEEE 14和IEEE 57节点算例系统的仿真结果表明,该算法稳定且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。     

一种改进的免疫遗传算法在电压无功优化问题中的应用

本文应用免疫遗传算法对系统进行电压无功优化。在编码时采用了实整混合编码形式,并对其进行了归一化处理,抗体的选择操作结合抗体的适应度和浓度来进行,可以保证算法在进化前期保持种群多样性,而在进化后期仍能有较快收敛速度。取IEEE—30节点标准系统为例,利用开发的优化计算程序进行电压无功优化计算,验证了本文算法较其他算法在计算和收敛能力上具有优势。     

基于混合编码改进遗传算法的无功优化

简单遗传算法用于无功优化时存在收敛速度慢、容易陷入局部最优等问题。针对无功优化控制变量既有连续量又有离散量的特点,提出整数和实数混合编码的改进遗传算法。该改进算法在进化前后期采用不同的选择方式;依据交叉位和变异位控制变量的类型确定相应的实型或整型的算术交叉、小变异遗传操作,并且交叉率和变异率随进化代数变化;在目标函数中选用按指数规律变化的越界罚系数。IEEE14、118节点系统的仿真计算结果表明,改进后算法在全局寻优能力和收敛速度方面优于简单遗传算法。     

基于精英保留策略遗传算法的配电网无功优化

在分析配电网无功优化必要性和特点的基础上,以有功网损与节点电压偏差之和最小为目标函数对配电网进行无功优化。采用精英保留策略对传统遗传算法进行改进,按电容器组数进行整数编码对无功优化模型求解。IEEE33节点系统仿真结果表明,所提该方法能稳定收敛,降低网损,能为实际优化提供参考。     

基于混合编码改进遗传算法的无功优化

简单遗传算法用于无功优化时存在收敛速度慢、容易陷入局部最优等问题.针对无功优化控制变量既有连续量又有离散量的特点,提出整数和实数混合编码的改进遗传算法.该改进算法在进化前后期采用不同的选择方式;依据交叉位和变异位控制变量的类型确定相应的实型或整型的算术交叉、小变异遗传操作,并且交叉率和变异率随进化代数变化;在目标函数中选用按指数规律变化的越界罚系数.IEEE14、118节点系统的仿真计算结果表明,改进后算法在全局寻优能力和收敛速度方面优于简单遗传算法.     

实用的无功优化混合算法

为充分发挥遗传算法和内点法在求解无功优化问题中的优势,提出了一种混合算法用于电力系统的无功优化,将无功优化问题分解为离散优化和连续优化2个子问题,采用遗传算法和内点法分别求解。首先在遗传算法初始群体的确定中嵌入内点法计算,在改善遗传算法初始种群质量的同时求解连续优化子问题,并在初始种群中添加一组纯内点法的优化结果,使系统在一种次优状态再转入离散优化子问题,缩小搜索空间,大大加快了遗传算法的收敛速度。并对两种算法进行了实用性的改进,提高了算法的寻优效率。IEEE30节点系统仿真计算结果表明,与其他混合算法相比,该算法在计算速度和收敛能力方面都具有优势,且优化效果也可满足实际的需要。     

考虑静态电压稳定性的多目标无功优化

针对遗传算法容易出现早熟、局部寻优能力较差和收敛速度缓慢的问题,该文用模拟退火思想对适应度函数进行改善,用自适应算法对遗传算法的交叉、变异策略进行改进,采用精英保留策略,变异操作作用尾部占优原则,并把基于广义Tellegen定理的电压稳定裕度指标最小作为无功优化的目标函数之一,以改善电力系统的静态电压稳定性.用IEEE...     

基于差分策略的多目标电力系统无功优化

针对计及有功网损、电压偏差和电压稳定裕度的多目标无功优化问题,提出一种基于差分策略的粒子群算法对多目标电力系统无功优化进行求解。在粒子的速度更新操作中引入差分策略,防止算法陷入局部最优;应用目标序列排序矩阵评价个体适应度,根据适应度大小选择最优引导粒子;该算法在寻优机制中嵌入非劣排序和拥挤距离排序以对种群实施精英选择操作,使算法快速收敛到Pareto前沿;引入自适应参数调整策略,提高了算法的鲁棒性。对IEEE14节点系统和IEEE 30节点系统进行测试仿真,结果验证了所提方法的有效性和可行性。     

基于实用混合智能算法的电压无功优化控制的应用研究

提出了一种实用混合策略来求解无功优化工程应用问题。该方法结合了遗传算法(GA)和免疫算法(IA)建立具有动态调整的罚因子的目标函数,在遗传操作中,引入人工免疫机制,以保存种群的多样性同时保证算法能够较快的收敛。同时,本文针对一般遗传算法交叉变异概率选择定值情形,引入了自适应改进策略,避免了通常情况下经验性的缺陷。通过IEEE30节点系统的仿真计算,将本文混合策略与其它的算法进行了比较,结果表明本文混合策略在计算速度和优化效果方面都具有明显的优势。     

电力系统无功补偿点的选取及优化方法

提出了以局部电压稳定L指标为基础的负荷节点电压稳定裕度概念和改进的粒子群优化算法。首先利用负荷节点电压稳定裕度识别系统电压弱节点,以此作为无功补偿点,该裕度不受负荷增长方式的影响,具有确定的上下界。然后以有功网损最小为目标函数,建立电力系统无功优化数学模型,进而提出改进的粒子群算法。该算法中引入"飞回"策略及二次插值算子,提高了算法的局部搜索能力和收敛速度。该方法使系统无功得到平衡,无功源得到合理配置。最后,对IEEE 30节点系统进行无功优化,Matlab仿真结果表明了所提方法的有效性。     

基于改进差分进化算法的配电网无功优化

采用改进差分进化算法(Improved Differential Evolution Algorithm,IDEA)求解配电网无功优化问题。该算法引入基于反学习的种群初始化方法,使算法得到的初始种群具有多样性,能够充分提取搜索空间的信息;引入高斯扰动机制到交叉操作中,提高了在维尺度上的种群多样性;在进化过程中融入人工蜂群搜索思想,引入蜂群加速进化与侦查操作策略,使算法能快速跳出局部最优,避免了早熟问题。建立了配电网无功优化数学模型,并采用IDE算法对IEEE30节点系统求解该模型,并与基本DE算法进行对比,仿真结果证明了所提IDE算法具有更佳的性能,能够有效的求解配电网无功优化的问题。     

基于改进纵横交叉算法的多目标无功优化

针对有功网损、电压偏差和静态电压稳定裕度的多目标无功优化问题.提出了一种用于多目标的改进纵横交叉算法。该算法采用纵向和横向两个不同方向的搜索机制,摒弃基础纵横交叉算法的竞争算子。在纵向交叉后采用目标序列排序建立虚拟个体适应度,再对粒子虚拟适应度大小进行比较选择精英粒子,而横向交叉之后不进行粒子比较。与传统的NSGA-II相比,该算法能够使粒子在收敛的过程跳出局部最优,提高粒子多样性,同时提高效率。最后引进非支配选择和拥挤距离计算,产生Pareto前沿。通过和NSGA-II在IEEE 14节点系统、IEEE 57节点系统多目标无功优化上仿真对比,结果验证了所提方法收敛精度更高,其Pareto前沿分布更加均匀,范围更加广泛,能够很好的解决电力系统多目标无功优化问题。     

基于混合优化微分进化算法的电力系统无功优化

阐述了一种基于混合优化微分进化算法的无功优化方法。混合优化微分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,混合优化微分进化算法的主要思想是采用不同的策略产生变异算子,并在进化过程中采取父代和子代合群处理,来提高进化速度。将该无功优化方法在IEEE 30节点系统上进行了校验,并与基于其它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。     

基于RQGA和非支配排序的多目标混沌量子遗传算法

为了提高多目标优化算法的收敛性、分布性和减少算法的计算代价,借鉴实数编码遗传算法和多目标优化理论,构建一种多目标混沌量子遗传算法.在分析量子位概率的混沌特性、量子态干涉特性和量子位实数编码的基础上,采用量子位概率交叉和混沌变异的方式进化种群,以提高寻优能力和收敛速度,利用非支配排序、精英保留和分层聚类等多目标优化策略保持种群多样性的同时,保证进化向Pareto全局最优解集方向进行.通过混合算法性能对比测试验证了多算法集成的有效性,并分析关键参数对算法性能的影响.电力系统多目标无功优化的仿真结果验证了该算法的有效性和可行性.     

基于GA-PSO混合算法的农网无功优化

针对农村配电网电压质量较低的问题,该文建立了完整的无功优化模型。采用前推回代法进行潮流计算,建立以网损最小、电容器投资成本最小、电压水平最好、电压最稳定为目的的无功优化目标函数,无功优化方法采用GA-PSO（遗传-粒子群）混合算法,该混合算法更有效地寻找到全局最优解,并加快了收敛速度。对典型IEEE33节点配电网系统进行了测试分析,并将优化结果与其他优化算法相比较,结果表明使用该优化算法后,配电网系统电压水平明显提高,线路损耗明显降低,电压水平和电压稳定裕度都有所提高。