基于遗传算法的最优潮流

提出一种基于遗传算法的最优潮流模型。该模型以节点电压幅值和网络拓扑图的一个支撑树的各支路两端节点电压相角差及可调变压器变比为编码对象，采用实效染色体编码法和改进两点交叉，成功地解决了基于遗传算法求解最优潮流问题。算例结果表明该模型的有效性。     

基于自组织特征映射神经网络的短期负荷预测

提出了一种基于自组织特征映射神经网络(Kohmonen网络)的短期负荷预测方法，根据Kohonen网络的聚类特性，样本在输入时就已分好类。输入既有与负荷曲线平滑性有关的数据又有反映负荷周期性变化的数据。在学习训练时，区别于普通的无监督竞争学习采用有监督竞争学习方式，缩短了学习时间，提高了学习精度。实例分析征明了该方法的有效性。     

电力系统短期负荷组合预测

基于三种单一预测模型，给出了电力系统短期负荷组合预测模型。为求解固定权系数，引入智能优化算法求解。通过计算结果比较表明，组合预测法具有较强的实用性和优越性。     

基于模糊控制的自动发电控制

为更好地跟踪电力系统负荷变化，将模糊技术引入自动发电控制（AGC），区别于传统的AGC中的比例积分（PI）控制，从已有的运行经验中提取归纳出经验规则，并用相关的模糊逻辑构建一个AGC的模糊控制器。仿真结果表明，用模糊控制器实现的AGC，其控制性能优于传统的比例积分控制。