免疫遗传算法在配电网重构中的应用

配电网重构是配电网络优化的主要措施，其实质是一个多目标非线性混和优化问题．采用免疫遗传算法来研究重构问题的求解方法．免疫遗传算法在传统遗传算法的基础上，借鉴生物免疫机制中抗体的多样性保持策略和记忆抗原的特点，大大提高了算法的全局搜索和局部搜索能力．实验表明，免疫遗传算法具有很好的全局收敛性，能有效解决配电网重构问题．     

考虑分布式电源出力调整的多目标配电网重构

配电网重构可以提高配电网运行的经济性和安全性,而分布式电源(Distributed Generator,DG)加入配电网直接影响潮流分布,对配电网重构将产生较大影响。考虑到DG对配电网重构的影响,以开关状态、DG出力为优化变量,建立了以网络损耗、负荷均衡化率最小为目标函数的多目标优化模型。将生成树、蚁群算法和遗传算法相结合,提出了求解上述模型的多目标混合优化方法,以实现配电网结构和DG出力的协同优化。该方法利用基于生成树原理的蚁群算法对配电网结构进行优化,保证蚂蚁路径满足网络拓扑约束,有效提高了可行解的数量;采用Pareto最优遗传算法对分布式电源出力进行优化,可获得满足多目标需求的若干优化方案。仿真结果表明所提出方法能够实现DG出力和网络重构的综合优化和多目标优化。     

基于动态拓扑分析的遗传算法在配电网重构中的应用

针对遗传算法在求解配电网重构过程中易出现不可行解和适用性差的问题,提出了一种基于动态拓扑分析的遗传算法应用于配电网重构。通过动态拓扑分析实时简化网络并寻找所有可行树基,为遗传算法编码和校验提供基础;引入校验遗传算子,将子代种群中的不可行解转变为可行解。选取IEEE33节点配电网正常与故障后2种状态,基于Matlab软件进行仿真验证,计算结果验证了所提方法的有效性和适用性。     

网络重构中基于配电网拓扑特征的改进遗传算法

网络重构是配电系统运行和控制的重要手段,利用遗传算法求解配电网络重构问题可以较好地利用其智能计算的特点,但也存在计算速度慢与收敛于非可行解等问题.结合配电网络拓扑结构特征和遗传算法特点具体探讨了如何实现遗传算法的网络重构,对遗传操作中的选择、交叉和变异提出了基于配电网络拓扑的改进方法,提高了算法的收敛速度和收敛性,算例验证了所提方法的可行性和正确性.     

基于拓扑分区并行的高压配电网优化重构

高压配电网备供线路多、网架结构灵活,利用网架重构能够提高系统运行的经济性与安全性,有效降低电网阻塞风险。为实现高压配电网拓扑放射性约束的在线实时判别,针对其拓扑结构特点对其进行分区,同时考虑网络拓扑放射性约束的必要条件与不可开断支路缩小分区网络拓扑可行解搜索空间,提出快速判别算法。构造了以网损率、110 kV线路负载率均方差、220 kV变电站负载率差异度均方差的高压配电网多目标优化重构模型,以支路通断状态为控制变量应用非支配排序遗传算法（NSGA-II）求解,并将分区网络支路集合作为遗传算法交叉与变异的操作对象,加快智能算法的寻优速度。以某城市电网为例进行仿真分析,结果表明,所提模型能够有效降低网损,提高系统全局的负荷均衡性,消除局部输电阻塞,同时拓扑约束分区判别能够有效提高算法的求解效率,满足在线实时重构的要求。     

遗传算法在配电网重构中的应用

配电网重构是配电网络优化的主要措施,通常可以降低整个网络的网损。本文采用遗传算法来确定开关的开／合状态,以解决降低网损的问题,并给出了一个３３节点的算例以验证本算法的有效性。     

基于门当户对遗传算法的配电网多目标主动重构研究

基于主动配电网的发展潮流,提出了一种基于改进遗传算法的主动配电网多目标重构模型。首先,将功率损耗、电压偏移和系统稳定裕度等指标融合到目标函数中,并引入判断矩阵法和线性加权法确定各个指标的权重和实现多目标函数的转化。其次,针对传统遗传算法的弊端,提出了基于"门当户对"原则的多种染色体交叉策略,丰富了种群进化方式的多样性,算法计算效率和寻优能力得到大大加强。最后通过设定临界值,实现主动配电网的自我感知和主动重构,提高配电网安全性和稳定性。仿真算例表明,所提出的模型和算法以及主动重构的理念符合当前主动配电网主动运行和主动控制的思路,具有较为广泛的应用前景。     

基于自适应多种群遗传算法的配电网重构

配电网重构是配电管理系统的重要内容,从本质上讲,它是一个非线性组合优化问题,若采用传统的遗传算法处理,由于其易于陷入局部最优解和随着配电网规模的扩大搜索效率低的问题,难以得到理想结果。提出一种改进的遗传算法来处理配电网重构问题,借助多种群进化和种群间个体移植的概念,通过自适应控制参数的调整,有效地避免了早熟,提高了算法的搜索范围和效率,较好地解决了配电网重构问题。理论分析和算例表明,该方法高效可行,适合配电网自动化的实际应用要求。     

基于改进遗传算法的配电网优化重构

介绍配电网重构的基本原理及其研究意义,研究了遗传算法的编码并对遗传算法染色体编码进行了改进。在优化过程中采用精英策略及改进的自适应算子,加快了算法的搜索速度,有效避免了不成熟收敛。结合配电网与自适应遗传算法特点采用可操作开关集的快速环分解策略,提高了算法的搜索能力和速度。PE＆G33节点系统算例表明改进的遗传算法在配电网优化重构应用的有效性。     

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。     

基于环路的配电网络重构遗传算法及其改进

结合配电网络的运行特点,本文对传统的遗传算法（GA）从染色体编码、开关顺序的选择、不可行解的排除以及收敛判据等方面进行了改进,提出了一种基于环路的配电网络重构算法,在二进制阶段就有效排除了大量的不可行解。算例表明,该算法具有一定的有效性和实用性,具有在线运行的潜力。     

遗传粒子群混合算法在配电网络重构多目标优化中的应用

针对配电网络重构多为单一性能最优重构的问题,文章提出了使配电网线损、负荷均衡、供电电压质量最佳的多目标配网优化模型。结合GA中的进化思想和粒子群算法(PSO)中的群体智能技术,采用遗传粒子群混合算法寻优,通过随机权重方法来获得目标是Pareto前沿面的可搜索方向,体现出较GA和PSO更好的寻优性能。寻优过程中,部分个体以PSO方法迭代,其它个体进行GA中的选择、交叉和变异操作,整个群体信息共享,同时采用自适应参数机制和优胜劣汰的思想进化。在此基础上制定的配网优化方案能够在保证配网呈辐射状、满足馈线热容、电压降落要求和变压器容量等的前提下,最大限度地提高配电系统安全性和经济性。算例表明该算法在求解性能和效率两方面都有比较显著的优势。     

基于混合算法的多目标配电网重构

配电网重构是配电管理系统的重要内容,从本质上讲,它是一个非线性组合优化问题,若采用传统的遗传算法处理,由于其易于陷入局部最优解和随着配电网规模的扩大搜索效率低的问题,难以得到理想结果。提出一种混合算法来处理配电网重构问题,根据遗传算法和粒子群算法各自的原理特点,将遗传算法和粒子群算法相结合,充分地利用粒子群算法的快速性、随机性、全局收敛性,较好地解决了遗传算法用于配电网重构时的缺点和不足。理论分析和算例表明,该方法高效可行,适合配电网自动化的实际应用要求。     

一种适用于配电网络重构的改进遗传算法

提出了一种基于“学习范例数组”、“学习算子”和“学习率”的改进遗传算法．可以有效地解决配电网络重构问题。因配电网络辐射状运行条件的限制，常使得简单遗传算法无法求解配电网络重构问题。但使用文中提出的改进方法后，却可以较好解决这一问题。文中采用IEEE14节点配电系统作为算例．将改进遗传算法的优化结果和其它算法的结果进行了对比，相关数据表明了改进遗传算法的正确性和有效性。     

基于改进免疫遗传算法的配电网重构

提出一种改进的免疫遗传算法应用于配电网重构。针对十进制的染色体编码特点,对遗传算子进行了改进。种群中采用了基于矢量距的概率选择方法,同时采用非线性的自适应交叉变异算子,并加入了免疫算子。针对进化过程中的不可行解问题,提出一种基于支路-环路关联矩阵与T接点度数法的不可行解辨别方法,能适应复杂的环网情况,有效保留了反映进化的有利信息,提高了解的质量。算例结果表明所提方法可行有效,收敛性好。     

混沌遗传混合算法在配电网重构中的应用

指出网络重构是配电系统运行和控制的手段,也是配电管理系统的重要内容。考虑配电网运行特点,建立了以有功网损最小为目标的配电网重构数学模型,并计及潮流、电压、容量及辐射状运行等约束条件。针对该模型的特点,采用一种新型混沌遗传混合算法对配电网进行重构计算,该算法既具有遗传算法的全局性和并行性,又具有混沌搜索的遍历性和快速性。将该算法用于IEEE33节点系统重构计算,并与重构前、单一遗传算法重构结果进行比较,证明了所提出混沌遗传混合算法的有效性和快速性。     

模糊自适应遗传算法在配电网络重构中的应用

以网损最小为目标函数,节点电压、网络辐射性和电源容量的限制为约束条件,建立了配电网络重构的优化数学模型。针对遗传算法的局限性,提出了一种新的模糊自适应遗传算法,缩短了染色体编码长度、设计了与进化代数、适应度、及个体排序相关的自适应交叉率与变异率,从而使得该算法能够有效地提高收敛速度,避免早熟收敛。重构算例说明该优化方法有效、实用。     

一种适用于配电网络重构的改进遗传算法

提出了一种基于“学习范例数组”、“学习算子”和“学习率”的改进遗传算法,可以有效地解决配电网络重构问题。因配电网络辐射状运行条件的限制,常使得简单遗传算法无法求解配电网络重构问题。但使用文中提出的改进方法后,却可以较好解决这一问题。文中采用IEEE14节点配电系统作为算例,将改进遗传算法的优化结果和其它算法的结果进行了对比,相关数据表明了改进遗传算法的正确性和有效性。     

基于自适应遗传算法的配电网络重构

建立了兼顾经济性和可靠性的多目标配电网络重构数学模型，采用自适应遗传算法进行求解，根据个体适应度的变化自动调整交叉与变异概率，克服了遗传算法易早熟的缺点，加快了算法寻优速度。通过仿真算例分析比较，该方法是可行有效的。