模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段.针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法(GA)和模拟退火算法(SA)的基础上,提出了更加有效的算法即模拟退火遗传算法.使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的.     

基于遗传算法和粒子群优化算法的电力系统无功优化

从数学的角度分析,电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题,因此,优化过程十分复杂.以减少有功网损为目标函数建立电力系统无功优化计算的数学模型,基于遗传算法和粒子群优化算法,提出一种新颖的混合策略来求解无功优化问题.IEEE 6和IEEE 14节点系统的仿真计算结果表明:与单一的遗传算法或粒子群优化算法相比,该混合策略在优化效果方面具有明显的优势.     

交直流混合电力系统的无功优化研究

本文对交直流混合电力系统的无功优化问题进行了研究．建立了交直流混合电力系统的无功优化数学模型,该模型的目标函数为交流网络的有功损耗和直流网络的有功损耗之和,优化控制变量考虑到混合电力系统中交流部分以及直流的影响．针对交直流混合系统的特点,提出了适合求解混合系统无功优化问题的实用算法．     

无功优化方法的研究

无功优化是电力系统安全经济运行的核心问题之一,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。本文较为详细地分析了人工智能方法在无功优化中的应用,即遗传算法、模拟算法、专家系统、人工神经网络法等应用于无功优化的基本思想。     

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.     

改进灾变遗传算法及其在无功优化中的应用

针对灾变遗传算法的早熟和稳定性问题,提出了一种改进灾变遗传算法,设计了与进化代数相关的改进灾变算子;为了兼顾算法的全局性能和收敛速度,设计了与进化代数相关的交叉概率和与个体适应度相关的变异概率.IEEE14节点和IEEE30节点无功优化算例表明,该改进算法具有良好的全局性能和收敛速度,适合求解电力系统的无功优化问题.     

粒子群算法及其在电力系统无功优化中的应用综述

粒子群优化(Particle Swarm Optimization, PSO)算法是一种基于群体智能的启发式全局优化技术.本文首先介绍了粒子群优化算法的基本原理,给出了算法实现的基本步骤、多种改进形式以及研究现状:其次分析了电力系统无功优化的特点,并对PSO算法在无功优化中的应用做了相应的论述.由于电力系统无功优化是一具多变量、多约束、非线性的组合优化问题,使得PSO算法在电力系统无功优化方面具有广泛的应用前景.     

基于遗传算法的电力系统无功优化

电力系统无功优化主要是指在负荷给定的情况下,有载可调变压器分接头位置、无功补偿的最佳容量和发电机机端电压大小的优化确定。以有功网损最小为目标函数建立了主网无功优化的数学模型,对于目标函数中的无功电压越界和发电机无功出力越界,采用罚函数予以解决。采用遗传算法,针对遗传算法应用于求解无功优化等复杂非线性优化问题中容易发生"早熟"和收敛速度慢等问题,作了一些改进。通过改进,遗传算法能够跳出局部最优解,增强了全局寻优能力,使寻优速度和精度在一定程度上得到了提高。根据上述算法使用C++语言编制了求解程序,并对IEEE-14节点系统进行了优化计算,通过与初始有功网损比较,在各设备的正常运行范围条件下,系统有功网损降低了4%。     

电力系统无功优化的分段线性同伦算法研究

提出了采用分段线性同伦算法进行电力系统无功优化的新方法。文中以系统有功损耗最小为目标函数，以运行变量为约束条件，利用状态变量与控制变量之间的灵敏度矩阵建立了无功优化数学模型。经过ＩＥＥＥ－６节点实验系统的计算分析，取得了满意的结果。     

遗传算法的改进及其在无功优化中的应用

遗传算法是模拟生物进化过程中所得到的一种优化方法。本文介绍了遗传算法的基本理论,然后,首次提出了两蹼改进措施并应用于无功优化中,通过算例,论证了改进后的方法可有效地解决大规模电力系统的无功优化问题。     

基于果蝇优化算法的电力系统无功优化

针对电力系统无功优化存在的问题,提出了一种基于果蝇优化算法的无功优化。首先将该算法运用到无功优化问题中,并对IEEE30节点进行仿真计算,结果表明,该算法对于求解复杂无功优化问题具有可行性和有效性,同时运用PSO优化算法对IEEE30节点进行了优化,对比结果表明果蝇优化算法具有更好的优化能力。     

采用改进遗传算法的配电网无功优化

针对常规遗传算法收敛速度慢、易早熟等缺陷,提出一种改进的遗传算法。该算法结合电力系统无功优化特点,对传统二进制编码、初始化种群、交叉、变异及适应度函数等进行改进,采用IEEE14和IEEE30节点系统对所提出的算法性能和求解精度进行了测试。结果表明,该模型和算法能够有效地抑制早熟现象,降低电力系统有功网损。     

基于电子电力变压器的无功优化研究

EPT应用于配电系统原、副方无功功率可独立灵活调节,电力系统无功优化问题可以转化为局部网络无功优化问题,大大降低了求解规模和难度,从而容易实时实现全网无功优化控制。通过改进的遗传算法验证了配电系统采用EPT后,对无功潮流有更灵活的调节能力,在实现无功潮流优化调度时,具有比OLTC更好的效果。     

计及静态电压稳定的变尺度混沌无功优化

选择系统有功网损作为目标函数,同时考虑满足电压水平和电压稳定性两个约束条件来探讨无功优化问题,介绍了变尺度混沌优化算法,该算法不断缩小优化变量的搜索空间并不断提高搜索精度,从而有较高的搜索效率,将该算法应用于计及静态电压稳定的电力系统无功优化问题,并对IEEE14节点系统进行了仿真计算,计算结果验证了算法的有效性．     

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.     

基于蜜蜂进化型遗传算法的电力系统无功优化

采用蜜蜂进化机制与遗传算法相结合的蜜蜂进化型遗传算法(bee evolutionary genetic algo-rithm,BEGA)对电力系统进行无功优化计算.该算法以一定概率将蜂王(最优个体)与雄蜂(被选的个体)2部分进行交叉,因此对最优个体包含信息的开采能力得以增强.随机种群的引入,降低了算法出现过早收敛的可能性,保持了种群多样性.应用BEGA对IEEE6节点系统进行无功优化计算的结果表明:较其他算法,BEGA具有更强的全局寻优能力和更快的收敛速度.     

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.     

粒子群优化算法在无功优化问题中的应用

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.在分析配电网无功优化所面临困难的基础上提出了一种粒子群优化算法,并结合IEEE30节点试验系统利用粒子群算法以实现.计算结果表明,这种优化方法有利于提高配电网的无功优化水平.     

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。     

基于改进遗传算法和内点法的无功优化混合算法

文章针对具有离散变量和连续变量共存的高维大规模无功优化问题,采用非线性内点法和改进遗传算法交替求解的混合算法,在迭代的不同阶段,分别对内点法和改进遗传算法进行收敛条件改进,使二者的优化结果互为基础、相互利用,保证了混合算法的整体寻优效率.IEEE118节点系统的无功优化计算表明,所提混合算法可有效提高单一算法的收敛性能和运算速度.