小生境遗传算法在无功优化中的应用研究

在基本遗传算法（SGA）的基础上,引入生物学中小生境的概念,制定了初始种群生成方法,以保证个体的多样性,从而形成可用于电力系统无功优化的小生境遗传算法.应用此算法时,可用共享度改变个体的适应值,同时加速淘汰适应值低的个体,提高每一代个体的平均适应值水平,以减少迭代的次数.运用IEEE6节点系统和168节点实际电网进行计算的结果表明：在优化条件相同时,该算法的迭代次数明显少于基本遗传算法,提高了无功优化的收敛速度.     

一种新型的电力系统无功优化算法

介绍一种类似于遗传算法的进化算法———粒子群优化算法, 并把它应用到电力系统无功优化问题中。对基本的粒子群优化算法作了适当改进, 在粒子速度更新公式中增加了一项即上一代的全局“最优”值, 相当于增加了全局极值的权重, 提高了算法的收敛性。以粒子群优化算法为基础, 选取适合于该算法的无功优化目标函数。通过对 IEEE- 14节点的仿真计算, 证明了该算法优于基本的粒子群优化算法, 且与遗传算法相比能在更少的迭代次数内搜索到更好的全局最优解。     

改进小生境蝙蝠算法在无功优化中的应用

为了克服基本蝙蝠算法后期收敛速度慢、易陷入局部最优的缺点,在原始算法中引入小生境技术并进行改进。在改进算法中,将小生境半径设置为自适应变化的动态函数;在单个小生境群体中采用信息共享机制,对相似蝙蝠数量的过度增长进行抑制;采用优质蝙蝠邻域搜索及存储策略对每一代每个小生境群体的优质蝙蝠进行储存。对某21节点系统进行了无功优化,并与遗传算法、基本蝙蝠算法进行比较,结果表明改进的算法具有更好的全局搜索能力和收敛性能。     

基于多种群遗传算法的无功规划

考虑了无功规划中负荷预测水平的不确定性,提出了多种负荷预测方式下综合效果最优的无功规划模型。在用遗传算法求解规划问题时,未成熟收敛现象是不可忽视的问题。该文分析了未成熟收敛现象产生的根本原因,并基于移民和人工选择的遗传算法思想(GAMAS),引入了多种群遗传算法(MPGA),并根据其特点进行了一定的改进,较好地改善了简单遗传算法(SGA)的未成熟收敛现象,提高了算法的全局搜索能力和局部搜索能力。通过实际算例,证明了本算法在寻优有效率和成功寻优的迭代次数方面与SGA相比都有较大地改善。     

基于改进小生境遗传算法的电力系统无功优化

针对电力系统无功优化问题,提出一种改进小生境遗传算法来克服小生境遗传算法中小生境难以确定的不足,改善遗传算法容易陷入局部收敛和早熟的缺点。通过模糊动态聚类分析方法实现小生境群体的划分,然后利用适应度共享技术对小生境内个体适应度进行调整,以提高全局寻优能力。提出和运用隔代小生境共享机制、最优个体邻域搜索及保留策略等以提高算法的计算速度和收敛速度。通过对IEEE 57节点测试系统进行无功优化计算及结果分析,说明所提出算法的全局搜索能力强、效率高,能得到较好的结果。     

改进小生境遗传算法在电力系统无功优化中的应用

利用改进小生境遗传算法进行了电力系统无功优化计算。算法主要做了以下改进：设置个体之间的距离判别标准L为动态函数,保持了群体的多样性;采用最优保存策略保证算法的收敛性;采用局部最优徘徊策略作为辅助终止原则,避免陷入局部最优情况。对IEEE 30节点算例系统进行了无功优化,并对优化前后各项技术性能指标进行了分析,说明了改进小生境遗传算法在保持解的多样性、提高搜索效率和优化效果等方面都具有良好的性能。对某县级配电网进行了仿真计算,仿真结果证明了所提算法的有效性。     

基于遗传细菌觅食混合算法的电力系统无功优化

为了使遗传算法(GA)和细菌觅食算法(BFO)的优点被保持,缺点被削弱,提出了电力系统无功优化的遗传细菌觅食混合算法(GA-BFO);在遗传算法中采用排序选择方式进行个体选择操作,保持了种群的多样性,避免陷入局部最优。用该混合算法对IEEE 30节点系统进行无功优化计算,并将优化结果和2种单一算法的优化结果进行了比较,结果表明GA-BFO算法具有良好的有效性和可行性。     

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。     

优化遗传算法寻优的SVM在短期风速预测中的应用

针对遗传算法存在的早熟和收敛慢的问题,提出一种融合小生境算法、免疫算法的优化遗传算法。一方面通过疫苗因子引导初始种群的生成,使个体具有某些优秀基因,减少寻优时间,并随数据的更新,提出疫苗因子和参数寻优范围的自适应更新机制。另一方面在种群的进化过程中,通过小生境遗传算法维护种群的多样性。实验结果表明,将基于优化遗传算法寻优的SVM应用到短期风速预测中是可行的,具有较高的预测精度和收敛速度。     

基于最小欧式距离(1+1)小生境遗传算法的无功优化

针对电力系统无功优化存在的问题,提出了利用最小欧氏距离下(1+1)竞争小生境遗传算法,克服了小生境遗传算法中小生境难以确定的不足,改善了遗传算法容易陷入局部收敛和早熟的缺点。通过对IEEE30节点测试系统进行无功优化计算,验证了该算法全局搜索能力强、效率高。     

基于多智能体伪并行遗传算法的小水电无功优化研究

为了解决小水电接入配电网带来的电压波动、网损增加等问题.构建了以配电网网损最小为目标函数,电压偏移量与无功补偿量为罚函数的无功优化数学模型,提出了基于多智能体和伪并行遗传算法的智能混合型求解算法,该算法通过邻集拓扑和网格环境的交换来完成全体Agent的更新,增加了进化的并行性,在优化遗传算子的基础上引入了自学习算子,该...     

任意分割区域无功优化分析计算研究

文章在对分割点进行等效和遗传无功优化的基础上,提出了任意分割区域无功优化计算的思想和寻优算法,给出了任意分割区域及遗传算法无功优化的流程。以某省110 kV变电站为算例,采用任意分割区域无功优化算法进行了计算,并对计算结果与实测值进行了比较。结果表明,在基本不影响电压水平的前提下,采用任意分割区域无功优化算法对提高电容器投入率,优化经济调度,降低线路线损有较强的指导意义。同时,由于实现了无功优化计算范围的任意选择,方便了无功电压线损定量计算分析管理工作。     

含小水电的配电网无功优化研究

针对含小水电的线路上安装双向调压器(BSVR)后无功补偿容量难以合理确定的问题,提出了潮流方向判定准则以及考虑分接头调整影响的双向调压器等值模型重构,采用适应前推回代潮流算法的小水电数学模型,通过对遗传算法的改进,求出最优或较优的补偿方案.实例证明,该方法应用于含小水电配电网的无功优化计算是有效的.     

含风电机组的配网无功优化

研究了分布式电源中发展较为成熟的风力发电机组并网后配电网的无功优化问题,提出一种基于场景发生概率的无功优化综合指标,该指标由网损和静态电压稳定裕度两部分构成。基于该指标,提出一种新的无功优化模型。在该模型中,提出风电机组输出功率典型场景的选取策略,无功优化潮流计算中考虑了风电机组的特点,将其作为电压静特性节点处理。在求解方法上,采用基于自适应权重的遗传算法求解。算例表明,提出的模型和算法是可行的,对风电系统的运行具有一定的参考价值。     

改进遗传算法的无功优化规划在伊盟电网中的实现

电力系统无功优化规划是一个较复杂、多目标、非线性的混合规划。用常规的线性和非线性等方法进行优化计算,存在离散变量的近似处理问题,不符合无功规划的实际。而遗传算法由于自身特点,特别适合于解决多目标混合优化方面的问题,具有稳定的收敛特性,是一种先进的全局优化方法。基不足之外在于计算时间长,在种群和遗传代数不是足够大的情况下,易于收敛于局部极值点。为些提出了改进遗传算法,在计算速度和计算精度方面较传统遗传算法均有明显提高。     

基于分层分区协同进化算法的电力系统无功优化

随着电力系统的大范围互联以及电压等级的增多,无功优化问题变得越来越复杂。无功优化问题是一个多变量、非线性、非连续性问题,在不同电压等级电网中无功又有不同的特点。针对电力系统无功优化的上述特点以及大范围互联电网控制变量较多的问题,提出了按电压等级将电力系统分层,各层之间独立优化互不影响,层内分区域并采用协同进化算法优化的方法。对于电力系统分层的方法作了探讨,提出了节点分裂的方法。在此基础上针对层内无功优化详细讨论了协同进化算法的原理、步骤以及其应用。IEEE30节点的算例表明,该方法要优于DFP,BFS等经典优化算法以及普通遗传算法。     

电力系统动态无功优化模型的实用化研究

针对传统动态无功优化存在的问题,提出一种动态无功优化问题的实用化模型。该模型从控制设备动作次数定义出发,通过预优化后,将全天设备动作次数约束分解为每时段的设备动作次数约束,从而将完整的动态无功优化模型转化成与常规单个时间断面的静态无功优化模型相同的表达形式;利用内嵌罚函数的非线性原对偶内点法作为其优化算法。采用IEEE118节点系统作为算例来验证该模型的正确性,计算结果表明所提模型能在满足最大允许动作次数约束的前提下获得优化解,且可以明显提高计算速度。     

遗传算法在电力系统无功优化中的应用

遗传算法(GA)是近10年来发展的基于自然选择规律的一种优化方法,算法能成功的解决无功变量中的离散问题,避免常规数学优化方法的局部最优现象。根据众多参考文献,阐述了简单遗传算法(SGA)以及GA与其他算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

电力系统无功优化算法综述

总结了无功优化算法的研究现状 ,介绍了求解无功优化问题的常规方法和人工智能方法 ,同时综合评述了现有优化方法的优缺点。提出利用混沌搜索全局最优解的混合遗传算法用于无功优化的新探索 ,并对以后的研究动态进行了预测     

基于混沌遗传算法的电力系统无功优化

针对遗传算法在求解大规模电力系统无功优化问题中存在的收敛速度慢、易早熟的缺点,提出了一种新的无功优化算法——混沌遗传算法CGA。该方法结合混沌优化所具有的遍历性、随机性和规律性的特点,在遗传进化过程中引入混沌移民算子,通过混沌移民操作维持群体中染色体的多样性,以克服传统遗传算法中由于近亲繁殖所导致的早熟问题,确保算法的全局收敛性,加快计算速度。通过对某地区42节点系统进行仿真计算,该方法相比于简单遗传算法,计算速度提高了45%,收敛到全局最优的概率提高了1.25倍。