差分进化算法在水电站优化调度中的应用

针对水电站优化调度的特点,以某水电站为例探讨了一种在连续空间中进行并行随机搜索的差分进化算法的应用及效果,结果表明该算法全局搜索能力强、计算精度较高、可靠,为水电站优化调度提供了一种更为有效的新方法.     

计入分布式垃圾发电的配网无功优化

研究了垃圾电站并入配网后的无功优化问题,提出了基于垃圾热值的发电数学模型,分为焚烧发电和沼气燃料电池发电两类.据此模型提出了一种新的配电网无功优化模型,该模型把垃圾处理量作为附加控制变量,把垃圾处理能力作为新的约束条件.在求解方法上,采用小生境粒子群算法进行求解,得到了含有垃圾发电的配网无功优化方案.算例表明,提出的垃圾发电模型和无功优化模型具有较好的准确性和实用性,对垃圾电站的进一步研究具有一定的参考价值,且垃圾发电较燃煤发电具有更好的经济性和环保性,也为垃圾发电在其它方面的应用提供了一些理论依据.     

基于PSO算法与协同进化算法的地区电网无功优化模型

电力系统无功优化属于非线性优化范畴,传统的数学规划算法处理时存在较大的局限性,针对大规模电网全局无功电压优化控制困难,提出了基于协同进化框架的合作协同进化粒子群优化算法(PSO)的电力系统无功优化方法,构建了数学模型。实际大电网计算结果表明,该算法寻优质量高、收敛性好、计算复杂度低,适合求解大规模系统无功优化问题。     

基于改进的PSO算法的电力系统无功优化研究

电力系统无功优化是保证电力系统安全、经济运行的重要措施,粒子群优化算法（PSO）具有模型简单、收敛速度快、参数简洁等优点,但用于求解高维复杂优化问题时易陷入局部最优,针对此缺陷,在PSO算法的基础上提出了自适应随机变异粒子群优化算法（AMPSO）,将该算法用于求解电力系统无功优化问题,并以IEEE30标准节点系统为算例进行验证。结果表明,与PSO算法相比,AMPSO算法有效降低了系统网损,显现出良好的全局收敛特性。     

协同进化算法在西北电网无功优化中的应用

针对无功优化问题非线性、非连续性等特点以及大范围内无功优化控制变量较多的特点,将协同进化算法应用于西北电网无功优化。实际运行结果表明,协同进化算法不但能得到更好的优化结果,收敛性好,而且计算时间短,更适合于求解实际大系统的无功优化问题。     

协同进化算法在西北电网无功优化中的应用

针对无功优化问题非线性、非连续性等特点以及大范围内无功优化控制变量较多的特点,将协同进化算法应用于西北电网无功优化.实际运行结果表明,协同进化算法不但能得到更好的优化结果,收敛性好,而且计算时间短,更适合于求解实际大系统的无功优化问题.     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化。     

基于差分进化粒子群优化算法的多机励磁参数协调优化

多机励磁参数协调优化是抑制电网低频振荡最直接经济的措施,对提高电网的运行稳定性有重要的意义。针对传统粒子群优化算法后期粒子多样性降低导致算法早熟收敛且容易导致局部最优的缺点,采用新的差分进化粒子群算法（DEPSO）进行多机励磁参数协调优化,通过实际系统的仿真结果证明该算法对励磁参数协调优化的有效性。     

改进小生境粒子群算法应用于电网故障诊断

通过对电网中断路器、保护等设备动作信息分析,建立适合智能算法优化的电网故障诊断分析模型。电网故障模型维数高、离散型、非线性、动态性等特点对智能算法寻优性能要求极高。粒子群优化算法在多维函数寻优、动态目标寻优等方面有着收敛速度快、求解质量高和鲁棒性好等优点。针对电网故障模型的特点,从基本粒子群优化算法的优化特性出发,引入小生境搜索的思想,提出了改进的小生境粒子群优化算法。算例结果表明,改进的优化算法大幅度提高了搜索速度和收敛精度,从根本上提高了电网故障定位精度和故障抢修的反映速度,具有很好的应用前景。     

基于改进粒子群算法含双馈风电机组 配网无功优化研究

针对风电机组并网后对配电网无功补偿产生的影响,从双馈风电机组自身的有功、无功输出特性出发,基于场景概率的方法计算风力机组出力情况,以网损最小为目标函数寻求优化求解方法。利用改进粒子群算法来实现系统接入双馈风电机组后的无功优化,在Matlab 2013b软件中构造IEEE33节点模型并利用该算法求解。结果表明,双馈风电机组在参与系统无功优化时具有良好的性能,验证了该改进算法的有效性     

改进遗传算法在电力系统无功优化中的应用

根据电力系统无功优化问题的特点。提出了一种基于近似最优个体、学习算子和浑沌算子的改进遗传算法。传统遗传算法应用于电力系统无功优化问题,虽然收到了比较好的效果,但并没有充分利用电力系统本身的特点。而本研究所提的改进遗传算法,可以充分利用已有的信息和运行经验,从而达到在保证解的全局最优性的同时大大加快计算的速度。具体的算例表明了所提算法的正确性和有效性。     

带随机排序的进化策略法在电力系统无功优化中的应用

电力系统无功优化是带有多约束的非线性组合优化问题,进化策略算法在解决这类问题时显示出独特的优势。惩罚函数法是进化算法求解约束问题最常用的方法,但其罚系数难以合理确定。文中将带随机排序策略的进化算法应用到无功优化问题中,有效地避免了罚函数法处理约束问题时罚系数难以确定的缺点,并在编码方法、进化终止判据方面做了改进,有效地提高了算法的求解效率。算例证明了改进算法的有效性。     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,本文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE 6、IEEE 30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的。     

基于改进克隆选择算法的无功优化

提出一种改进克隆选择算法解决无功优化问题。该算法采用分级的变异策略,对每一代种群中的抗体按亲和力进行分级,根据等级确定变异范围和变异率：较低等级中的抗体(较优秀抗体)采用小范围、小变异率进行变异,较高等级中的抗体(相对较差的抗体)采用大范围、大变异率进行变异,兼顾算法的局部和全局搜索能力;结合均匀设计原理构造初始种群,与随机分布相比,在同样规模下,具有更好的种群多样性,且以较大的概率在全局最优解附近存在抗体,避免陷入局部最优解,提高算法的收敛速度;对IEEE 30节点系统进行仿真,结果表明:该算法具有解的质量高、收敛性能好等优点。     

基于改进遗传算法的配电网无功优化

在传统无功优化模型的基础上,引入静态电压稳定裕度指标,建立了综合考虑系统有功网损最小、无功补偿容量最小和系统静态电压稳定裕度最大的配电网无功优化模型。根据节点无功2次电阻矩的大小,确定了待补偿节点以及各节点补偿容量的上下限。在基本遗传算法的基础上,对遗传操作进行了改进,提出了1种改进遗传算法。实例计算表明,采用该方法对配电网进行无功优化不仅可以降低有功网损,还能提高系统静态电压稳定性。     

改进遗传算法的无功优化

电力系统实现无功优化控制是保证系统电压质量、降低网损的重要措施。对于高维、非线性和连续变量与离散变量共存的电力系统无功优化数学模型,对一般遗传算法的无功优化算法在遗传操作过程中,进行了“灾变”,在选择操作中将轮盘赌和竞标赛方法相结合,对交叉变异算子根据每代个体的实际状况进行自适应调整。通过IEEE30节点算例表明了本文方法可有效提高每代种群的多样性,从而提高了一般遗传算法的无功优化的收敛速度和全局优化特性。     

基于改进GSA的电力系统无功优化

针对引力搜索算法(GSA)初始群体随机和易陷入局部最优的缺点,提出了一种改进引力搜索算法(CLGSA),该算法引入混沌运动优化初始群体,提高种群的多样性,并结合Levy飞行的随机游走策略更新粒子的位置,降低算法陷入局部最优的可能。将GSA和CLGSA对IEEE14节点测试系统进行电力系统无功优化仿真。仿真结果表明,CLGSA不仅具有良好的优化效果,且能有效降低系统的有功功率损耗。     

基于DNA算法的电力系统无功优化

针对DNA算法具有遍历性、随机性和规律性的特点,介绍了DNA算法的机理和应用,并讨论了DNA计算在解决电力系统无功优化问题中的应用.通过对IEEE30节点的仿真计算,证明了该算法的可行性和有效性.