基于改进遗传算法的水电经济调度

传统遗传算法求解电力系统水电经济调度时效率不高,故提出了一种改进遗传算法。该算法采用实数编码,将染色体表示成矩阵形式;并设计了基因行算术交叉算子、基因行变异算子和基因列调整算子三种改进遗传算子,方便了在遗传过程中对约束条件的处理,提高了算法的搜索效率;改进的选择方式较好地避免了有用遗传信息的丢失。仿真结果表明,该算法与传统遗传算法相比,提高了计算效率,有利于获得全局最优解。     

基于方向自学习遗传算法的水库优化调度

本文提出一种方向自学习遗传算法并用于水库优化调度问题.在传统遗传算法基础上引入方向自学习机制,克服标准遗传算法收敛速度慢,早熟收敛等缺点.该算法在局部搜索中引入方向信息,利用函数的伪梯度来指导搜索方向,提出一种消亡算子用以增加种群多样性,有效地避免了早熟收敛、提高了算法的收敛速度,避免了水库优化调度同题中的维数灾问题.实例计算表明,相对于传统的遗传算法,方向自学习遗传算法计算速度快、收敛性好,提高了计算效率,较好的解决了传统遗传算法求解水库优化调度时存在的一些问题.     

基于改进遗传算法的水电站水库优化调度

在遗传算法中为避免采用二进制编码时存在的编码冗余问题,本文提出了一种基于十进制整数编码的改进遗传算法,并进行水电站水库优化调度研究.用遗传算法进行水库优化调度计算可从多个初始点开始寻优,占用内存少,能以较快速度找到全局最优解.实例计算并与常规优化相比,表明该方法简便、快速,可避免水库优化调度中的维数灾.     

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。     

基于改进遗传算法的水电站水库优化调度

在遗传算法中为避免采用二进制编码时存在的编码冗余问题,本文提出了一种基于十进制整数码的改进遗传算法,并进行水电站水库优化调度研究。用遗传算法进行水库优化调度计算可从多个初始点开始寻优,占用内存少,能以较快速度找到全局最优解,实例计算并与常规优化相比,表明该方法简便,快速,可避免水库优化调度中的维数灾。     

基于FP遣传算法的梯级水库短期优化调度

梯级水库短期发电优化调度是一个复杂的非线性问题,涉及变量较多、数据范围较大,传统二进制编码遗传算法严重影响搜索时间.采用实数编码遗传算法(FPGA)可以较好地解决计算精度与搜索时间问题.工程实例证明,FP遗传算法容易实现、计算准确、搜索计算速度快,对求解梯级水库短期优化调度可行、正确.     

基于Agent行为和范例学习的遗传算法在城网规划中的应用

城市配电网优化规划(简称城网规划)目前还缺乏高效、实用的算法。传统遗传算法由于受确定编码形式的制约而缺乏对复杂问题的表述能力。文中通过吸收有关文献提出的“行为遗传”思想,进一步提出了一种基于Agent行为和范例学习的新型遗传算法。该算法由Agent基于知识的一系列决策行为,生成待优化问题的一个可行解的非编码方式,取代了传统遗传算法基于编码的可行解生成方式;用基于“范例学习”的进化寻优机制,取代了传统遗传算法基于模仿基因遗传和变异的进化寻优机制。最后,分别采用新型遗传算法和传统遗传算法对同一算例网络进行优化规划,对比的结果证明了新型遗传算法具有更好的复杂问题表述能力、计算效率、收敛稳定性以及可扩展性。     

基于Agent行为和范例学习的遗传算法在城网规划中的应用

城市配电网优化规划（简称城网规划）目前还缺乏高效、实用的算法。传统遗传算法由于受确定编码形式的制约而缺乏对复杂问题的表述能力。文中通过吸收有关文献提出的“行为遗传”思想，进一步提出了一种基于Agent行为和范例学习的新型遗传算法。该算法由Agent基于知识的一系列决策行为，生成待优化问题的一个可行解的非编码方式，取代了传统遗传算法基于编码的可行解生成方式；用基于“范例学习”的进化寻优机制，取代了传统遗传算法基于模仿基因遗传和变异的进化寻优机制。最后，分别采用新型遗传算法和传统遗传算法对同一算例网络进行优化规划，对比的结果证明了新型遗传算法具有更好的复杂问题表述能力、计算效率、收敛稳定性以及可扩展性。     

基于遗传算法的小水电站优化调度方法的研究与实践

针对以发电为主的小水电站单库和串联小水电站群，以水电站的发电引用流量为决策变量，以水电站在调度周期内发电量最大为目标，分别建立了优化调度的数学模型。基于浮点数编码的改进遗传算法用于对模型的优化计算，从而提高了算法的搜索效率。基于VC 编程设计了小水电站运行调度智能算法系统软件，用类CbestGA封装了求解一般水库调度问题的遗传算法，并应用于一个实际的小水电站调度，实验结果说明了遗传算法用于水库优化调度的可行性和有效性。     

基于遗传算法的整流变压器的优化设计

提出了整流变压器优化设计的数学模型,对模型中约束因子的处理作了分析.利用遗传算法求解非线性规划问题的优势,将遗传算法用于求解整流变压器优化设计问题.采用基于码表的编码机制,有效地缩短了变量编码串的长度,提高了算法的搜索效率;对传统遗传算法的若干问题进行了分析和改进.优化数据表明,采用改进的遗传算法用于整流变压器的优化设计,能取得令人满意的结果.     

市场环境下中长期发输电协调检修计划优化

根据电力市场环境中检修计划的特点,建立了协调市场各方利益的发输电一体化检修计划优化的数学模型,该模型综合考虑电力系统安全经济性和电力市场公平性,并考虑机组检修和输电设备检修之间的相互关联关系.针对该优化模型的求解,利用遗传算法(GA)和粒子群优化(PSO)算法相似的优化框架和优化流程,提出一种充分结合GA和PSO算法各自优点的混合智能算法,该算法将群体分成2个子群,分别采用GA和PSO算法进行演化,并充分交换2种算法所获取的优化信息,形成一个紧密耦合的、新型的遗传粒子群优化算法.算例证明,该算法在求解发电、输电设备检修协调优化这样的大规模复杂优化问题时,在全局搜索和局部搜索方面都表现出了良好的均衡性.     

基于混合遗传算法的变电站选址定容

针对变电站优化规划这种大规模组合优化问题,提出了一种结合遗传算法与交替定位分配算法的混合遗传算法(GA-LA).该算法采用新型的三维编码策略,同时包含新建站的数量、站址和站容信息,并设计了适用于此新型编码的交叉算子和变异算子,以实现站址、站容的优化.其中,针对站址优化子问题,GA-LA算法将交替定位分配算法与遗传算法结合,在标准GA算子之后增加了一个LA算子,由GA算子进行种群中的全局广度搜索,LA算子进行染色体中的站址局部深度搜索,可实现无待选站址的自动寻优.算例结果表明,该方法具有较好的站址站容寻优能力和收敛性能,能满足实际电网中大规模变电站规划的需求.     

分布计算的遗传算法在无功优化中的应用

为了快速有效地求解电力系统无功优化问题,提出了一种分布式并行计算的遗传算法。它采用主从方式来组织局域网内的多台机器进行并行计算——由1台主机进行选择和遗传操作,并根据负荷均衡的原则调度多台从机计算潮流以给出个体适应值。根据无功优化的特点,为了增加算法并行度,就编码方案、基于多目标函数的适应度求解和遗传操作等方面对遗传算法进行了详尽的设计。文中还着重分析了并行处理效率的相关问题。算例表明该方法不仅取得了较好的优化效果,而且显著地提高了计算速度。     

配电网重构遗传算法的不可行解问题研究

不可行解是遗传算法应用于配电网重构时遇到的一个难题。文章介绍了配电网重构遗传算法不可行解的含义 ,讨论了不可行解产生的原因和危害 ,并针对遗传操作过程中可能产生不可行解的各个环节 ,讨论了交叉操作、突变操作和倒位操作等解决方案 ,认为这些方案可以有效地减少或控制不可行解 ,提高遗传算法的搜索效率。     

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。     

用于配电网规划的改进遗传算法

针对传统遗传算法易于陷入局部最优解和随着配电网规模的扩大搜索效率降低的问题,借鉴协同进化思想提出了基于协同遗传算法的配电网规划算法。通过对目标函数进行处理引入了多个物种,并采用简单遗传算法和考虑进化稳定的改进多种群遗传算法分别对不同的物种进行操作,通过转移优秀个体实现了物种间的协同作用。同时为解决遗传算法应用于配电网规划时产生的大量不可行解的问题,借助图论知识和搜索技术给出了不可行解的修复方案,通过对孤岛、孤链和环进行修复,将非辐射状网络修复为辐射状网络。算例结果验证了该算法的实用性和有效性。     

基于改良策略的配电网重构遗传算法

该文提出了基于改良策略的配电网重构遗传算法，通过对与不可行解相对应的个体进行改良操作，打开回路，连通孤岛，使其变为可行解，并使得搜索仅在可行解范围内进行，从而提高搜索效率；文中还针对改良策略，提出了新的编码方案，并改进了遗传操作；最后还对2个算例进行了试算，其结果与最优解相吻合。算例表明本算法具有计算速度快、性能好的特点，可有效地应用于以降低网损为目的的配电网重构中。     

基于自适应多种群遗传算法的配电网规划

针对传统遗传算法易于陷入局部最优解和随着配电网规模的扩大搜索效率降低的问题,借鉴多种群和自适应思想,提出了基于自适应多种群遗传算法的配电网规划算法。通过对目标函数进行处理,引入了多个物种,并采用自适应遗传算法和考虑进化稳定的改进多种群遗传算法分别对不同的物种进行操作,通过转移优秀个体,实现了物种之间的协同作用。同时为解决遗传算法应用于配电网规划时产生的大量不可行解的问题,借助图论知识和搜索技术给出了不可行解的修复方案,通过对孤岛,孤链和环进行修复,将非辐射状网络修复为辐射状网络。算例结果验证了该算法的实用性和有效性。     

考虑环网检测的配电网拓扑重构遗传算法

提出了一种基于遗传算法的配电网自动优化重构方法。由于配电网拓扑约束的限制(连通辐射状网络),遗传算法在解决配电网重构问题过程中,可能产生大量不可行解。针对该问题,首先提出了一种快速"环网和孤立节点"检测算法,可检测进化过程中产生的解是否满足配电网拓扑约束的要求;其次,提出了一种基于拓扑搜索的初始种群自动形成算法,该算法除可用于初始种群的形成外,还可用于生成新的解以替代遗传进化过程中产生的不可行解。为了提高遗传算法的收敛性能,提出了一种定向变异的遗传算子,该算子不仅可保证经变异运算后产生的个体满足配电网拓扑约束的要求,而且可保证该个体为本次变异操作可产生的最优解。该算法的提出提高了遗传算法解决重构问题的自动化程度和收敛性能。以IEEE 33节点、PGE 69节点和119节点系统为例对方法进行了测试,验证了该方法的有效性。