基于基因算法的水电补偿方法

通过对电力系统水电站群联合补偿调节原理的分析和研究,建立了水电站群联合补偿调节模型;为了提高基因算法的计算效率和精度以及改善其全局收敛性能,结合水电补偿问题的目标函数,构造了基因算法的动态变指数适应度函数,在标准基因算法中,引入了移民操作,隐含了最优个体保护策略;给出了基于基因算法的电力系统水电站群联合补偿调节新方法．该方法可在一定程度上克服传统算法应用于求解水电站群联合补偿调节问题的不足之处,从而为电力系统水电站群联合补偿调节方法研究提供了一条新的思路．     

非线性最小费用网络流新算法及其应用

本文提出了新的非线性最小费用网络流的最优性定理和相应的算法，建立了适用于梯级水电站群短期经济调度的计算网络模型，给出了适于求解这个模型的最小费用增广路径和最大费用减广路径的算法。应用本文提出的理论和算法进行梯级水电站群短期经济调度计算，计算速度有明显提高，优化结果也更为精确。     

跨流域补偿调节优化数学模型

本文应用高维DP建立了跨流域补偿调节优化数学模型,并提出了系统和子域循环迭代、多级逼近和降维交错使用的算法,及采用了库群结构矩阵和排队技巧,使模型适用于大范围、动态的跨流域水电站群补偿调节计算.本文以分布于长江、澜沧江和珠江上近百座水电站群为算例,较好地解决了水文补偿和库容补偿的相互影响.     

跨流域水电站群补偿调节的递阶多目标控制

本文应用大系统多目标优化理论和方法,建立了跨流域水电站群补偿调节优化的数学模型,提出了两级的多目标控制及其应用对偶分解得到了多级计算结构,在求解子问题时,应用了逐步优化算法。以四川省大渡河、雅砻江六个水电站计算为例,验证了模型及方法的可行性,并得到了对水电站群最优规划具有实际意义的成果。     

大型水电站整体时空经济运行模型及其算法

针对大型水电站厂内经济运行问题的高维性、复杂非线性和实时性,将空间负荷优化分配模型与时间机组组合优化模型相耦合为整体时空经济运行模型,提出一种扩展蚁群算法.采用多蚁群、多起点、多路径模式进行机组组合优化,依据动态规划法制定的稳定最优表进行经济负荷分配,避开空蚀振动区.引入信息素平滑机制避免优化算法的收敛早熟,采用启发式开停机策略和备用容量补充策略有效处理多重约束,运用全程开停机策略在大型水电站机组台数较多的情况下缩小搜索空间的大小,使算法更快收敛于最优解.以三峡水电站为应用实例对算法的可行性进行了验证,计算结果表明所提出的算法模型不仅具有较强的收敛性和稳定性,而且能够兼顾计算速度和优化精度.     

一种启发式粒子群优化算法(HPSO)及其在结构优化设计中的应用

在介绍了标准的粒子群优化算法(PSO)及被动群集的粒子群优化算法(PSOPC)的基础上,指出了两者使用"回飞技术"(fly-back mechanism)方法处理约束条件的不足之处,在基于"和谐搜索"算法(harmony search)产生新解的思想基础上,提出了一种新的启发式粒子群优化算法(HPSO),该算法可以明显提高离子群算法的收敛速度和稳定性.应用PSO、PSOPC及所提出的HPSO三种算法分别对两个桁架结构进行了截面优化设计,并对算法的收敛性和稳定性进行了分析.结果表明,本文提出的启发式粒子群优化算法(HPSO)可以有效地搜索到最优解,并且比PSO和PSOPC两种算法拥有更高的收敛速度和稳定性,尤其在迭代计算的初期,收敛效果非常明显.     

水电站最优负荷分配改进退火粒子群算法

针对大型水电站厂内经济运行中最优负荷分配问题的高维性、复杂非线性和实时性,提出一种收敛性全面改善的改进退火粒子群算法.改进算法采用了整体改进策略:初始种群生成方面,采用初始种群解空间生成法避开机组空蚀振动区;适应度函数设计方面,加入惩罚项提高算法搜索效率;进化操作方面,加入自适应惯性权重、交叉运算、变异运算,改善算法的全局与局部收敛性能;引进模拟退火算法,提高算法的局部收敛性,保证算法以较大概率收敛于全局最优解.以三峡水电站厂内经济运行为实例,与现有算法进行了对比,结果表明:改进的退火粒子群算法在收敛速度与收敛精度方面均有一定的优势,适用于求解水电站负荷分配优化问题.     

梯级水电站优化调度的模糊自适应粒子群算法

针对粒子群算法容易早熟和易于陷入局部极值的缺点,提出一种梯级水电站优化调度的模糊自适应粒子群算法.在该算法中将惯性权值表示为粒子群进化速度因子和群体适应度方差的模糊函数,在每次迭代过程中动态改变惯性权值,以适应非线性优化搜索过程.针对违反约束的粒子,设计了一种动态空间调整策略来修复约束要求.为了验证算法的性能,用2个测试函数和拥有4个水电站的系统进行了测试,在求解精度和速度上与标准粒子群算法和改进惯性权值线性递减粒子群算法进行了对比,结果表明模糊自适应粒子群算法收敛速度快、精度高.     

一种保留非线性状态估计新算法

在快速解耦的前提下，提出了一种保留非线性的状态估计新算法，该算法在保留量测方程非线性的同时又利用了改进的Givens正交变换法，从而大大减少了计算量，提高了计算速度。实例计算表明了该算法的可行性。     

基于Monte Carlo和启发式算法的网络可靠性分配

在AGREE分配法的基础上,提出一种基于Monte Carlo仿真和启发式算法的网络可靠性分配方法,实现了对网络部件重要度和网络可靠性的仿真计算,并采用启发式算法迭代实现了网络可靠性分配. 该方法适合对拓扑结构复杂的网络进行可靠性分配工作,可有效解决网络部件重要度计算复杂性问题. 以中国教育网（CERNET）骨干网为案例,应用本方法实现了75%网络节点连通可靠性指标的分配,并通过与基于解析计算得出结果的对比分析,证明了本方法的有效性和实用性.      

基于可行解搜索和自适应免疫算法的配网重构

为提高配网重构的计算速度及效率,将自适应免疫算法（adaptive immune algorithm,AIA）用于配网重构;在此基础上结合GENOCOPⅢ（genetica algorithm for numerical optimization of constrained problems）算法对AIA进行改进,提出了对不可行解进行修复的AINOCOP（adaptive immune algorithm for numerical optimization of constrained problem）算法用于配网重构,该方法综合了AIA的双层优化特点以及GENOCOPⅢ的可行解搜索方法;在基因的编码技术上,基于启发式规则,采用方便的十进制编码策略．将多种方法用于69节点系统的配网重构计算,GA、IA、AIA和AINOCOP的平均迭代次数分别为300、30、25次和12次,连续运算50次,AIA和AINOCOP在50代内可得到最优解的次数分别为8次和15次．     

基于经济流速的管径优化方法

针对已有供水管网管径优化方法的缺点,该文提出了一种基于经济流速的启发式管径优化算法.该算法在应用前,无需人为规定管网的流量分配方案.算法分析步骤明确,计算简单.为了评价所提出的启发式算法的计算效率和优化结果的合理性,文中将计算时间和分析结果同广义简约梯度法和遗传算法的结果进行了对比.结果表明,该文的启发式算法计算效率远高于上面两种方法,计算结果接近遗传算法得到的最优解.     

含静态电压稳定裕度约束的无功优化计算

提出了一种电压稳定裕度约束无功优化新方法,通过调节系统的控制变量,能真正有效地提高系统的静态电压稳定裕度,同时取得较小的网损。该方法将电压稳定裕度约束无功优化问题分解为非线性无功优化和电压稳定裕度及其对控制变量灵敏度分析两个子问题,通过两者的交替求解实现寻优。前者采用非线性原对偶内点法求解,后者则是以连续潮流计算为基础。该方法计算速度快,对多种系统具有一定的普适性。在IEEE 14、30、118节点系统的试验结果验证了它的有效性,并发现一个系统在特定的负荷增长方式下,由于无功潮流的改变其分岔类型可能会在极限诱导分岔和鞍结分岔之间转换。     

贪婪随机自适应搜索法在电网规划中的应用

基于贪婪随机自适应搜索法(GRASP)能有效地解决电网规划的组合优化问题,其每一次迭代包含构造和局域搜索两阶段.在构造阶段,以改进线路综合有效性指标为贪婪函数,采用比例法形成限制候选列表,并随机选择元素构成可行方案.根据线路的实际效用比剔除可行方案中的冗余线路,为局域搜索提供一个简练经济的初始网络,并采用1-1交换产生邻居集来拓展搜索空间寻找局优解.所有迭代中的最好方案作为电网规划问题的最优解.对于网络规模增大所引起的“维数灾”,提出5种邻居删减技术来提高算法的解算速度.算例分析证明了该方法的可行性、有效性.     

并行机优化调度问题的新算法

将调度规则的简洁性与遗传算法的强大搜索能力相结合,提出一种能用于最小化拖期任务数并行机调度问题的基于遗传的新的调度算法,并用计算实例表明了该调度算法优于迄今最好的启发式算法,并能适用于大规模并行机调度问题,本算法计算量小,具有很强的鲁棒性。提出的基于遗传的调度算法不仅能用于生产调度领域,在大规模数值计算及计算机网络技术等方面都有很好的应用前景。     

基于解空间高效编码的配电网重构连续化算法

提出一种基于解空间高效编码的配电网重构连续化算法.推导基于负荷电流的网损计算近似公式以估计开关交换支路范围,压缩解空间,提高寻优效率;建立连续变量解与离散变量解存在映射关系的双种群解空间,避开直接求解离散变量,减小计算量且适用连续变量优化方法求解;在一定编码规则下降维并减小变量置信区间半径后,通过编码规则和算法特性从概率上规避第一类非有效解,比对专家库完全规避第二类非有效解,使潮流计算次数大幅减少;改进纵横交叉算法,横向交叉引入方向性,采纳模糊聚类思想将静态纵向交叉因子动态化,收敛速度和精度得到改善.仿真结果验证了该方法的正确性和有效性.     

基于改进PSO算法的电力系统机组优化组合

机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题，因此求解非常困难．粒子群优化（PSO）算法是一类随机全局优化技术，它通过粒子间的相互作用发现复杂搜索空间中的最优区域．采用二进制粒子群优化方法解决机组状态组合问题，用遗传算法结合启发式技术解决经济分配问题，并对最小开停机时间及启停费用进行了处理，使得运算速度大大加快．方法的可行性在10台机组系统中检验．模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点．     

基于启发式混合计算方法求解频谱分配问题

为了对通信网中紧张的频谱资源进行合理指配,通过遗传交叉、模拟退火以及粒子群优解信息共享机制等融合的方式,构建出启发式搜索的混合计算方法。为验证该计算方法的有效性,基于保护比的标准,建立了干扰最小的计算模型,用于判决频率分配结果的合理性。通过对不同频谱资源情况下的频率分配进行仿真,不仅验证了该计算方法的正确性和适用性,而且表明在寻找最优解方面优于其他启发式计算方法。     

一种配电网Zbus潮流算法

针对Zbus高斯算法处理配电网PV节点能力弱、计算量大,忽略平衡节点的三相不对称问题,提出一种新的配电网Zbus潮流算法.该算法从基于叠加原理的改进Zbus算法出发,用补偿法处理PV节点,对网络方程进行虚实部分解,得到简单的雅克比矩阵;通过引入内电势节点来处理平衡节点处的三相电压不平衡问题.算例分析表明该算法计算速度快,收敛性和稳定性较好,克服了Zbus高斯算法的弱点.