基于自适应模拟退火遗传算法的多目标最优潮流

采用自适应遗传算法来确定基本遗传算法的交叉率和变异率,保证遗传算法的收敛性.同时引入模拟退火法思想,通过拉伸目标函数的适应度使优秀个体在产生后代时具有明显的优势,从而加速寻优的过程,形成一种新的算法:自适应模拟退火遗传算法.应用该算法进行电力系统多目标最优潮流计算,IEEE30试验系统计算结果表明了该算法的灵活性和有效性.     

基于模糊自适应模拟退火遗传算法的配电网故障定位

对于配电网故障定位系统的不足与遗传算法存在易早熟、收敛速度慢等问题,结合模糊推理和自适应模拟退火遗传算法,提出一种模糊自适应模拟退火遗传算法(FASAGA)。该算法对评价函数做了容错性改进,在遗传选择时采用自适应机制与最佳个体保留策略,并结合模糊推理与自适应机制求取模糊自适应交叉算子、模糊自适应变异算子,引入模拟退火算法提高收敛速度与局部搜索能力。仿真结果说明该算法应用在配电网故障定位中的准确性、快速性与高容错性。     

基于遗传算法并避免不可行解的配电网络重构优化

以网损最小为目标函数,电压降、电源容量和闭环等限制为约束条件,建立了配电网络重构优化数学模型。根据配电网络的特点,在遗传算法产生初始解、交叉、变异操作时,设计了基于环路的方法,避免了不可行解的产生。针对遗传算法的局限性,对操作过程进行了改进,调整了适应函数,结合了模拟退火算法,给出了交叉率和变异率的自适应计算方法,提高了算法的计算效率和优化性能。重构算例说明,该优化方法有效、实用。     

基于遗传算法并避免不可行解的配电网络重构优化

以网损最小为目标函数,电压降、电源容量和闭环等限制为约束条件,建立了配电网络重构优化数学模型.根据配电网络的特点,在遗传算法产生初始解、交叉、变异操作时,设计了基于环路的方法,避免了不可行解的产生.针对遗传算法的局限性,对操作过程进行了改进,调整了适应函数,结合了模拟退火算法,给出了交叉率和变异率的自适应计算方法,提高了算法的计算效率和优化性能.重构算例说明,该优化方法有效,实用. ,     

基于改进禁忌搜索的配电网重构

为解决配电网的重构问题,提出了一种改进的禁忌搜索(Tabu search)方法.该方法结合配电网络的闭环设计和开环运行的特点,将遗传算法中的优化编码技术引入到Tabu搜索算法中,并以有功网损最小为目标函数对配电网络进行优化.对3个典型IEEE测试系统进行了优化计算,将其结果与模拟退火算法和遗传算法的计算结果进行比较证实,改进的Tabu搜索算法比模拟退火算法和遗传算法具有更高的搜索效率.     

遗传—模拟退火混合算法 在配电网检修优化中的应用

从配电网设备检修计划编制的实际需要出发,在考虑多种约束条件的基础上,建立了以配电网经济性最好为目标的优化模型.针对该模型的特点,采用1种新型混合遗传-模拟退火算法(HGSA)对配电网检修计划进行优化调整.该算法综合了遗传算法和模拟退火算法的优点,使其既具有遗传算法的全局性和并行性,又具有模拟退火算法的局部搜索能力和退火特征.通过遗传算法、模拟退火算法对实际检修计划优化结果的比较,证明了所提出HGSA算法的有效性.     

基于二层规划的无功优化模型及其混合算法

建立了电力系统无功优化的二层规划数学模型.基于二层规划模型和遗传算法、模拟退火算法的特点,构造了求解该模型的混合算法,即上层采用遗传算法求解,下层采用模拟退火法求解.对IEEE-6节点和IEEE-30节点系统进行的仿真计算表明所建立的模型和算法有效可行,对于大系统而言,该算法与上下层均采用遗传算法相比能大大提高计算速度.     

采用云理论自适应遗传算法的舰船电力系统故障智能恢复策略

提出了基于云理论自适应遗传算法并面向负荷投切的舰船电力系统故障智能恢复策略,该方法在考虑负荷和开关优先级及线路负荷分配均衡的基础上,借助于正态云固有的稳定倾向性和随机性,由云发生器自适应调整交叉率和变异率,增强了算法鲁棒性,改善了算法收敛速度。算例分析验证了基于云理论自适应遗传算法多目标故障恢复策略的可行性和有效性,且优于标准遗传算法和传统自适应遗传算法,具有一定的实用价值。     

基于自适应模拟退火遗传算法的多机系统PSS参数协调优化

针对基本遗传算法（SGA）易早熟收敛且收敛速度慢的问题,提出了一种改进的遗传算法——自适应模拟退火遗传算法（ASAGA）用于解决PSS参数优化问题。该算法采用轮盘赌选择和最佳个体保存策略相结合的机制,并结合自适应的交叉、变异概率,扩大种群的搜索范围,继而引入模拟退火算法,加快迭代后期的收敛速度。一个针对Kunder四机两区域系统的PSS参数优化以及暂态稳定性仿真分析的算例表明。本文所设计的PSS对各种扰动均表现出了很好性能,同时也说明了该算法较强的全局寻优能力。     

基于改进自适应遗传算法的电力变压器优化设计

结合电力变压器设计特点对遗传算法的交叉率和变异率参数以及适应度函数等方面进行研究,改进了自适应遗传算法．应用经典数学函数验证表明该算法具有较高的全局寻优效率。同时给出了单目标和多目标的电力变压器优化设计的实例,应用结果表明,改进自适应遗传算法对电力变压器的优化设计效果明显,     

基于混合搜索算法的配电网最优无功补偿

针对目前无功优化算法所存在的问题,提出一种综合三种智能优化方法优点于一身的混合搜索算法。该方法在自适应遗传算法基础上,加入二次邻域变异过程,加快遗传进化速度,引导个体向符合无功优化问题的实际方向发展。然后运用模拟退火进行个体更新,以便增加群的多样性;最后将所得最优解作为禁忌搜索的初始解,进行局部寻优求解过程。以IEEE28-bus系统和一实际配电网系统为例进行优化计算,结果表明混合搜索算法具有较优的性能和求解精度。     

基于杂交退火灰狼算法的移动机器人路径规划

针对灰狼优化算法在移动机器人路径规划时易陷入局部最优且效率低的问题，提出一种杂交退火灰狼算法。采用可调节的非线性收敛因子进行平衡算法的前期搜索和后期寻优；同时采用自适应遗传杂交策略，对灰狼群体以一定概率两两杂交以产生新个体，从而有效增强灰狼群体的多样性；在迭代的后期用模拟退火操作接受候选狼，避免算法陷入局部最优解。将路径长度和路径平滑度作为适应度评估指标并建立评估函数以评估路径规划效果。最后，路径规划实验结果表明，在3种不同尺寸的地图上，本文改进算法的适应度比灰狼优化算法分别优化了2.10、3.15、3.94,路径规划效果明显优于其他相关算法。     

Integrating genetic algorithms, tabu search, and simulatedannealing for the unit commitment problem

This paper presents a new algorithm based on integrating genetic algorithms, tabu search and simulated annealing methods to solve the unit commitment problem. The core of the proposed algorithm is based on genetic algorithms. Tabu search is used to generate new population members in the reproduction phase of the genetic algorithm. A simulated annealing method is used to accelerate the convergence of the genetic algorithm by applying the simulated annealing test for all the population members. A new implementation of the genetic algorithm is introduced. The genetic algorithm solution is coded as a mix between binary and decimal representation. The fitness function is constructed from the total operating cost of the generating units without penalty terms. In the tabu search part of the proposed algorithm, a simple short-term memory procedure is used to counter the danger of entrapment at a local optimum, and the premature convergence of the genetic algorithm. A simple cooling schedule has been implemented to apply the simulated annealing test in the algorithm. Numerical results showed the superiority of the solutions obtained compared to genetic algorithms, tabu search and simulated annealing methods, and to two exact algorithms     

基于自适应遗传退火算法的配电网故障定位研究

针对标准遗传算法易早熟收敛以及收敛速度慢的问题,提出了一种混合遗传算法(自适应遗传退火算法)用于解决辐射状配电网故障定位问题。该算法采用轮盘赌和最优保存策略相结合的选择机制,使得当前最优个体始终保持在种群里,并结合自适应交叉、变异概率,扩大种群的搜索范围,继而引入模拟退火算法,加快迭代后期算法的收敛速度。最后,通过对IEEE-33节点配电系统进行仿真计算,结果表明,该算法能够对单点和多点故障进行实时、准确地定位,并在故障信息畸变的情况下,也能快速地得到准确结果。     

基于改进遗传模拟退火算法的无功优化

针对目前电力系统无功优化算法所存在的问题,提出了一种将遗传算法与模拟退火算法及牛顿下山法相结合的混合求解算法。首先根据个体适应度值进行自适应交叉和变异操作并采用模拟退火进行个体更新,以便增加群的多样性,避免陷入局部最优;然后采用牛顿下山法加快模拟退火部分的求解过程,并采用十进制整数编码和保存最优个体法来提高计算速度和精度。以IEEE 30-bus系统和一某实际电力系统为例对所提出算法的性能和求解精度进行了测试,结果表明改进的混合遗传算法比传统的遗传算法在计算速度和全局收敛方面有了很大提高。     

Multiple tabu search algorithm for economic dispatch problem considering valve-point effects

This paper presents a multiple tabu search (MTS) algorithm to solve the economic dispatch (ED) problem by taking valve-point effects into consideration. The practical ED problem with valve-point effects is represented as a non-smooth optimization problem with equality and inequality constraints that make the problem of finding the global or near global optimum difficult. The proposed MTS algorithm is the sequential execution of individual tabu search (TS) algorithm simultaneously by only one personal microcomputer. The MTS algorithm introduces additional techniques for improvement of search process, such as initialization, adaptive searches, multiple searches, replacing and restarting process. To show its effectiveness, the MTS is applied to test two studied systems consisting of 13 and 40 power generating units with valve-point effects. The optimized results by MTS are compared with those of conventional approaches, such as simulated annealing (SA), genetic algorithm (GA), TS algorithm and particle swarm optimization (PSO). Studied results confirm that the proposed MTS approach is capable of obtaining higher quality solution efficiently and lowest computational time.     

部分传输序列的遗传模拟退火搜索方法

在正交频分复用(OFDM)系统中,基于遗传算法的部分传输序列(GA-PTS)技术有效地降低了 PTS 的计算复杂度,但在 改进峰值-平均功率比(PAPR)性能方面却并不理想。 为此,提出在遗传算法中嵌入模拟退火(SA)算子从而构造一种混合的遗 传模拟退火(GSA)算法,并把它应用于对 PTS 的最优相位因子进行搜索。 首先,通过对 PTS 相位因子编码形成染色体,采用随 机元素组成的染色体作为遗传算法的初始群体,并评估每个染色体的适应度值。 然后,根据适应度值选择染色体,建立染色体 的变异规则和交叉规则,对群体进行迭代进化。 最后,群体中的染色体利用退火温度进行更新,从而产生出新的下一代种群。 仿真结果说明,与 GA-PTS 方案相比,该方法不仅能降低计算负担,而且能够有效地降低 OFDM 系统 PAPR 值。     

配电网重构的自适应和声搜索算法

采用和声搜索算法（ＨＳＡ）搜索最优方案进行配电网重构时,会受初始参数值的影响。为此,提出自适应和声搜索算法（ＡＨＳＡ）。在和声搜索算法中加入局部搜索进行改进,增强了算法的寻优性能。建立以降低网络的有功和无功功率损耗为目标的配电网重构的数学模型,采用基于节点分层的前推回代法对网络结构进行潮流计算和分析。对IEEE69节点配电网进行仿真,与和声搜索算法,遗传算法（ＧＡ）的结果进行对比分析,表明该算法的迭代次数少,有较好的收敛效果。在配电网重构的算例应用中,证明了自适应和声搜索算法是可行的。     

基于退火遗传算法的水电站短期优化调度

电力市场环境下,水电站短期优化调度对优化发电企业向电力市场申报的次日发电计划和最大化企业发电收益具有重要意义。为了提高短期优化调度的计算精度和效率,针对模拟退火算法和遗传算法的优缺点将两者结合起来形成退火遗传算法,改善其计算精度和速度。实例计算表明该方法是可行的。