基于分子动理论优化算法的最优潮流计算

最优潮流是一个离散的、非线性化、规模庞大的问题。用传统的方法求解时会存在收敛速度慢、局部收敛等问题。本文用分子动理论优化算法来求解最优潮流。并通过IEEE14节点系统对该算法进行测试,由测试结果可知,该算法收敛精度高、寻优能力强。     

启发式进化规划及其在最优潮流中的应用

针对连续变量优化问题，将进化规划同传统的梯度寻优技术相结合，设计了一析的启发式进行规划算法。它在保留了原进化规划特点的同时，又具有有较高的解题效率，并将它用于解算电力系统最优潮流，在优化编码、适合度函数及变异一取值方面进行了研究，结果表明获得了近乎全局最优的解。     

非线性规划最优潮流的可变容差法

针对非线性规划最优潮流的通用数学模型，提出了基于可变容差法模型的求解方法，该方法利用可变容差法的数值搜索优化机制，能较好地获得最优解．实例计算表明，与现有模型求解方法相比，可变容差法具有较好的寻优效果，可以作为非线性规划最优潮流的一种补充方法。     

混合遗传-模拟退火算法在电网规划中的应用

遗传算法是一种根据自然界优胜劣汰的进化机理进行搜索和寻优的方法．在求解电网规划问题时,基于遗传算法在电网规划计算中可能陷入局部收敛而无法达到全局最优,本文引入模拟退火技术,并提出了混合遗传－模拟退火算法．计算结果表明,经改进后的新算法能使计算跳出局部收敛而达到全局最优的目的     

基于改进的多目标量子行为粒子群优化算法的多无人机协同任务分配

为在给定的时间内以最小代价和最大效益完成任务,建立了多无人机协同任务分配问题的多目标优化模型.采用改进的多目标量子行为粒子群优化算法求解最优任务分配方案,定义了一种从所求候选方案中选取最优分配方案的自主选择准则.对比分析多目标粒子群优化、多目标进化算法和该文算法所求的最优分配方案.仿真结果表明该文算法能够较快地求解问题,而且所求最优任务分配方案的性能优于其它三种算法.     

基于文化算法的投资组合规划问题求解

运用两种版本的文化算法对投资组合的非线性规划模型进行求解,并与进化规划算法进行了比较.仿真实验表明,与进化规划相比,文化算法的两个版本均能以更快的速度稳定地收敛到全局最优解,因此采用文化算法求解此类非线性优化问题更为有效.     

模拟进化优化方法

本扼要介绍了模拟进化优化方法中的两个分支－遗传算法和进化规则,同时将进化规划与基于梯度的寻优技术有机地结合起来,提出了一种新的全局寻优算法一启发式进化规划,最后给出了数值算例,说明了此类方法在求解组合优化问题以及具有不可微的目标函数或约束条件复杂的非线性优化问题的优越性。     

基于自适应粒子群算法的增量配电网电源博弈规划

针对增量配电业务开放环境下多主体独立规划带来的资源浪费,以及传统粒子群算法在寻优时出现由于局部最优而无法找到整体最优解的问题,提出了一种基于自适应粒子群算法的增量配电网电源侧博弈规划方法。分析分布式电源投资运营商和储能运营商之间的利益关系,以各自收益最大为目标建立各决策主体的收益模型;从博弈参与者、策略集合及收益函数出发,构建非合作博弈规划模型;引入自适应权重系数对传统粒子群算法进行改进,利用改进的自适应粒子群算法对上述模型进行求解。通过对非博弈、传统粒子群博弈及自适应粒子群博弈3种不同场景的仿真分析,进一步验证所提出的博弈规划方法能平衡各主体收益,使整体经济利益最优。     

差分进化算法在机组组合问题中的应用

基于差分进化算法求解机组组合问题,差分进化算法具有全局寻优能力,通过群体内个体间的合作与竞争产生的群体智能指导优化搜索。给出了10台机组算例系统优化结果,验证了该算法用于求解机组组合问题时不易陷入局部最优解,有较好的收敛性和效率。     

采用能耗最优改进蚁群算法的自治水下机器人路径优化

针对传统路径优化算法中"距离最短能耗非最低"的问题,提出了一种基于能耗最优改进蚁群算法的自治水下机器人路径优化算法。该算法通过对水下机器人进行水动力学分析,建立了水下机器人移动过程中的受力模型;得到了机器人移动路径的能耗计算公式;提出了能耗最优的改进蚁群算法,采用路径能耗的倒数作为路径信息素值,实现了能耗指导蚁群进化的目的。实验结果表明:该算法规划的路径长433.51m,水下机器人能耗12 235.17J,算法寻优迭代次数22次;传统距离最优算法规划的路径长393.56m,水下机器春能耗12 864.99J,算法寻优迭代次数33次。该算法规划的路径距离虽比传统算法长10%,但是能耗却降低了5%,收敛速度明显比传统算法快,对降低水下机器人能耗、提高续航能力有一定的优势。     

免疫算法及其在电力系统无功优化中的应用

提出应用一种新的智能优化算法——免疫算法(IA)来求解无功优化问题.该算法模拟了免疫系统的基本原理,具有抗原模式识别及记忆功能,抗体多样性,抗体自适应调节等优点.在分析无功优化的数学模型和免疫算法的特点的基础上,详细研究了用免疫算法求解无功优化问题的实现方法.对IEEE30节点系统进行了仿真计算,并将优化结果与遗传算法(GA)作了比较,结果表明免疫算法(IA)能有效的应用于电力系统无功优化,并有着更好的全局寻优能力及更快的收敛速度.     

电力系统电压无功多目标的优化控制

电力系统电压无功多目标的优化控制是主要的复杂优化和控制问题之一. 本文在明确电压无功多目标控制方式及意义的基础上, 剖析了电力系统中的电压问题, 进一步详细研究了电压无功多目标优化算法的实现, 并通过在IEEE-6节点网络的无功优化计算结果的分析, 表明本文所研究优化控制方法的有效性.     

基于遗传算法实现电网的无功优化

在无功优化问题中引入了遗传算法（GA），着重解决了无功优化中离散变量的处理、目标函数及相关参数值的选取等问题。该算法可有效地减少系统的网损，在电网中实现无功优化。     

配电网多目标无功优化方法研究与应用

无功优化是电力系统安全经济运行的核心问题之一,电力系统无功优化规划是一个较复杂、多目标、非线性的混合规划.它的目标是在满足约束条件的前提下,使系统的某个指标或多个指标达到最优.文章在分析配电网无功优化所面临困难的基础上提出了一种优化方法,并结合一配电网实例利用PowerStation软件的优化潮流程序加以实现.计算结果表明,这种多目标无功优化方法及应用软件有利于提高配电网的无功优化水平.     

分块稀疏矩阵因子表的修正

结合稀疏矢量法中因子分解道路的概念，研究了对６×ｂ分块稀疏矩阵的因子表进行 直接修正及部分再分解的算法，在电力系统计算中两种算法能显著提高计算速度。在各 类与稀疏矩阵有关的工程问题中，本文导出的算法同样具有非常广泛的应用前景。     

互联电力系统最优无功控制的分层协调法

将工业大系统稳态控制的关取预测法和实时无功优化的增量型线性规划法相结合,提出了一种新的互联电力系统最优无功控制的分层协调法,并编制了计算机程序。本方法保持了增量型线性规划法的优点,并有效地解决了大型互联电力系统所谓的“维数灾难”问题。本方法也适用于大型互联电力系统的无功校正安全分析。     

考虑风力发电的系统无功优化模型和算法

针对风力发电需要吸收电网大量无功而影响电网无功分布和电压稳定的问题,研究了含风电场的系统无功优化,给出了风电场在恒功率因数运行情况下其并网点处无功补偿容量的计算方法．在满足风电场无功补偿的前提下,建立了以全网的有功网损最小为目标函数的无功优化模型,并用遗传算法求得最优解．将风电场接人IEEE-30节点系统进行仿真计算,验证了该方法和程序的有效性和实用性．     

电力市场下的一种无功优化方法

针对市场环境下无功优化目标由最小化一次能源消耗量转变为最大化经济利益这一问题，通过对能量交易过程的分析，提出在电力市场环境下，电网公司为购买无功电量的支出应计入无功优化目标函数；无功优化有可能对电网公司为购买有功电量的支出产生较大的影响；网损减少而节约的支出不等同于购电支出的减少，数字仿真结果表明，所提出的无功优化数学模型是可行的，并具有较好的经济性。     

基于PPSO算法的电力系统无功优化

电力系统无功优化可以降低系统的有功损耗,保证系统运行的安全性和经济性.采用向量粒子群优化（PPSO）算法求解电力系统无功优化问题,在算法中通过初始化得到向量的相位角,并将相位角引入速度更新过程,这样可以更有效地提高搜索精度.在IEEE-14节点系统中,采用PPSO算法、标准粒子群优化算法、随机惯性权重粒子群优化算法和改进吸引排斥粒子群优化算法进行无功优化仿真实验对比,结果表明,PPSO算法可以更好地降低有功损耗.     

基于参数控制变量最优潮流算法在电力系统配网无功优化中的应用

在电力系统配网无功优化计算中,由于总的无功最优补偿容量无法确定,所以传统的等网损微增率方法无法得到一个较优的补偿方案;另外,在配网的实际运行中,当电压偏差较大时,有载调压变压器往往作为调节电压的手段而对无功功率的分布产生影响,这也使得等网损微增率方法难以实现.为了解决该问题,提出了一种将基于参数控制变量的最优潮流算法作为主要手段的新型无功优化方法.该方法以最小化平衡节点的注入功率为目标函数,将并联补偿的电容器组的电纳值和可调变压器的变比作为控制变量,在计算过程中计入了由于进行无功补偿所造成的网络参数变化,从而提高了计算精确度.最后给出了该方法应用于IEEE-30节点系统的计算实例.