一种综合改进型遗传算法及其在综合负荷建模中的应用

针对基本遗传算法本身存在收敛速度慢和易早熟的缺陷,提出一种综合改进型遗传算法并成功地应用于负荷建模.该改进遗传算法通过对初始种群的选择、最优个体的保留、自适应的交叉和变异率、早熟现象的防止策略等各方面进行综合的科学设计,能十分有效地克服早熟、避免近亲繁殖、明显提高收敛速度,并具有优良的自适应特性.基于现场实测负荷特性数据的负荷建模实践表明,所提出的综合改进型遗传算法对于加速收敛缩短辨识时间、提高模型拟合精度、克服模型参数的分散性均具有显著作用,是一种很适合于负荷建模的优秀优化算法.     

遗传策略的综合改进及其在负荷建模中的应用

研究了遗传操作和控制参数选择对遗传算法性能的影响,设计了解群选择的随机-精英策略、避免近亲繁殖的双断点交叉策略和交叉与变异概率的自适应调整策略,提出了一种综合改进型遗传算法并成功地应用于基于实测参数的负荷建模。算例表明,该算法改善了进化过程中的种群多样性和早熟现象,对加速收敛、缩短辨识时间、克服模型参数分散性、提高辨识精度均有显著作用,适用于负荷建模。     

一种改进遗传算法及其在负荷建模中的应用

在基于量测的电力负荷建模中,模型参数辨识结果的分散性是困扰模型应用的难题,其解决途径之一是在确定合理的模型结构和进行合理的时变性综合前提下,采用具有全局寻优特性的优化算法。遗传算法是一种具有全局寻优能力的随机搜索算法,但其本身存在收敛速度慢和易早熟的缺陷。为此,提出一种改进的遗传算法,它包括精英策略,交叉策略和移民策略,具有克服早熟、避免近亲繁殖和自适应的优良特性。建模实例表明,提出的改进遗传算法在精度、参数稳定性和计算时间上都远远优于基本遗传算法。     

基于人工神经网络的综合负荷模型

指出了BP神经网络应用于动态综合负荷建模时存在的缺陷。提出了一种适合描述综合负荷动态特性的具有内反馈功能的动态Elman神经网络负荷模型,并采用改进遗传算法作为优化算法对某220 kV变电站综合负荷采集样本进行建模。大量建模实践表明,文章所提出的动态Elman神经网络综合负荷模型具有结构简单、参数少、应用简便、对综合负荷动态特性描述能力强等优点;Elman神经网络不仅对动态负荷建模具有良好的实用价值,也是一种很适合于电力系统其他动态非线性辨识的神经网络模型结构。     

牵引供电系统综合负荷实测建模

针对实测建模中牵引负荷时变性的问题,采用负荷特性分类及综合方法进行了一定程度的解决;通过研究牵引供电系统的结构原理,提出了一种改进型牵引供电系统综合负荷模型,运用总体测辨法对各个聚类中心等效样本进行参数辨识,给出了牵引负荷几种典型工况的推荐参数,为牵引负荷实测模型应用于电力系统仿真提供了基础.算例结果表明,改进型模型对负荷特性具有满意的描述能力,同时也验证了负荷特性分类及综合方法的有效性和合理性.     

改进的遗传算法辨识综合负荷模型

以基于实测数据的电力系统综合负荷建模为目标,研究了遗传操作和控制参数选择对遗传算法性能的影响。针对基本遗传算法的不足,设计了比例选择策略和线性自适应变异策略,对遗传算法的选择算子和变异算子进行改进,使得遗传算法能够根据个体自身的适应度值进行选择和自适应地调整变异概率,实现方式简单有效。选用TVA综合负荷模型,使用改进的遗传算法进行负荷模型参数辨识,同时在不改变负荷模型结构的前提下,通过调整待辨识参数及其取值范围,考虑无功补偿的影响。利用现场实测数据进行建模,结果表明,改进后的遗传算法改善了优化过程,对加速收敛、缩短辨识时间均有显著作用,适用于负荷建模。     

基于改进量子遗传算法的虚拟电厂在多时间尺度下参与AGC优化调度

介绍虚拟电厂参与AGC调频控制过程,建模分析新能源机组及柔性负荷出力特性;提出一种计及传统发电机组、新能源发电机组、储能系统和柔性负荷的虚拟电厂参与AGC调频多时间尺度优化调度方法,使得虚拟电厂整体在多时间尺度下参与AGC调频收益最大、综合调频效果最佳。研究一种引入量子交叉和量子变异的改进量子遗传算法,并与传统AGC分配方法及自适应遗传算法进行仿真对比,结果表明所提算法具有收敛速度快、全局寻优能力强的优点。     

基于改进粒子群算法的电力系统无功优化研究

粒子群( PSO)优化算法具有并行处理的优点,但易于陷入早熟收敛,针对这一问题,本文提出了一种改进粒子群无功优化算法,该算法使用了自适应动态惯性权重,充分利用了遗传算法中交叉变异和种群移动均匀的特性,从而有效克服了PSO算法易于陷入局部最优和早熟收敛的缺陷,具有良好的寻优速度和计算精度,实例计算取得了良好的结果,从而验...     

GRNN算法在电力系统负荷建模中的应用

针对传统负荷模型不能有效地克服负荷建模中的非线性和不连续性等问题,提出了一种基于广义回归神经网络的负荷建模方法.利用广义回归神经网络具有的全局逼近和最佳逼近能力及网络稳健、快速收敛的优点,建立了新的电力系统综合负荷模型.并与两种改进的反向传播网路模型进行了比较,仿真实例证明了该模型对电力系统负荷模型辨识的有效性和准确性.     

考虑源荷不确定性的分布式电源选址定容

大规模的分布式电源入网给配电网的规划带来诸多不确定性因素。为使配网规划结果更加合理,考虑待规划地区的风速、光照强度和负荷的不确定性,构建了以年综合费用最少为目标函数的分布式电源选址定容规划模型。首先,对风、光和负荷进行了概率建模;其次,采用拉丁超立方采样方法生成初始场景,并采用改进的同步回代缩减法对场景进行削减;最后,鉴于粒子群算法具有收敛速度慢和容易早熟的缺点,将自适应惯性权重和混沌优化算法融入粒子群算法中,进而提出了一种改进型粒子群算法,并且在IEEE 33节点的标准算例系统上进行了仿真,结果表明所建模型和所提算法的合理性与有效性。     

负荷建模的多目标优化

改进了传统负荷参数辨识的目标函数,将现有负荷模型参数辨识的单目标优化问题转化成多目标优化问题,并在改进强度Pareto进化算法的基础上引入并行遗传算法的思想,进行多目标参数辨识,力求克服目前困扰负荷建模及其参数辨识中收敛速度慢、易发散等问题。解决了以前算法只能辨识出一组参数的问题,便于决策者根据不同侧重进行参数选取。高效、高精度的并行算法为网格平台下的负荷建模做了前期准备。最后,对上海地区的负荷进行实测建模,结果表明所述建模策略的可行性。     

一种求解大规模机组组合问题的混合智能遗传算法

针对传统的采用二进制编码的遗传算法在求解大规模机组组合问题时收敛速度慢、易早熟等问题,作者结合机组组合问题的特点,提出了一种混合智能遗传算法.该算法以机组状态作为个体编码,结合启发式方法的自适应智能变异算子求解目标函数,显著缩小了求解问题的规模,保证了群体多样性,提高了算法的搜索效率,改善了算法的收敛性.仿真计算结果表明了该算法的有效性和实用性.     

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。     

利用拉格朗日松弛法解决SIS中的负荷经济分配问题

利用拉格朗日松弛法对火力发电厂厂级监控信息系统(SIS)中的负荷经济分配问题进行了求解。该方法以发电费用为目标函数,用拉格朗日乘子将系统的负荷约束松弛,并将得到的拉格朗日函数分解为一个上下两层的优化问题分别进行求解,保证了算法的快速有效性。与混沌优化及遗传算法进行了仿真比较,结果表明所提出的方法收敛速度快,求解精度高,易于掌握,是解决电力系统负荷经济分配问题的有效手段。     

改进仿电磁学算法在多目标电网规划中的应用

提出基于仿电磁学(electromagnetism-like mechanism,ELM)算法的高容错性多目标电网规划方法。为提升算法的性能,引入被动聚集思想对基本模型的全局寻优能力进行了改善。采用自适应权重、自适应变异和精英策略等措施来改善仿电磁学算法的收敛性。针对电源规划、变电站布点和负荷需求均已知的电网规划,将反映电网经济性和可靠性指标的多目标函数转化为求电网规划最小耗费的单目标模型。对一个18节点系统进行了十进制编码,计算结果证明了该算法能有效地解决电网规划这类含离散变量的大规模组合优化问题和提高规划方案的综合满意度。通过与遗传算法、基本ELM的仿真对比,改进的ELM模型在寻优效率和容错性方面具有明显优势。     

遗传算法的改进策略及其在非线性发电机励磁系统参数辨识中的应用

针对标准遗传算法收敛速度慢、易早熟等缺陷,通过对遗传策略的综合改进,提出了一种基于改进遗传算法的参数辨识方法。通过建立励磁系统原模型和标准模型,给原模型和标准模型施加相同的激励信号,以模型输出误差最小作为辨识目标,利用改进遗传算法对标准模型参数进行优化调整,最终得到满足误差要求的励磁系统标准模型参数。该方法的优点在于解决了传统的辨识方法无法对励磁系统非线性环节进行有效辨识的问题,实际励磁系统参数辨识结果表明,该方法具有较快的收敛速度和较高的辨识精度。     

基于自适应多种群遗传算法的多目标配电网故障恢复

包含分布式电源(distributed generation,DG)的配电系统,在发生大面积断电时,其供电恢复是一个多目标、多约束的复杂优化问题.文章考虑用户优先等级,基于负荷恢复量,手动开关和遥控开关的动作次数以及恢复供电后的网损,建立了包含DG的配电系统的多目标供电恢复模型,并提出一种改进的遗传算法来处理配电网故障...     

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。