水火电混合系统经济调度的双链态遗传算法

遗传算法（GA）为求解电力系统经济调度问题提供了一条新的途径．研究了基于双链态基因模型的遗传算法（DGA），给出了显性基因和隐性基因选优准则．应用DGA建立了电力系统经济调度的遗传算法模型，该模型易于考虑系统负荷平衡、用水限制和梯级水电厂之间的水流流达时间等约束条件．在pentium计算机上对由两个火电厂和含有四个梯级水电厂组成的系统进行了仿真计算，取得了满意的效果．     

水火联合电力系统的优化调度

本文研究大系统分解协调法用于大型水火电力系统的短期经济调度。算法采用实用的系统数学模型，考虑了水电厂上、下游水位的变化，梯级水电厂间的水流时间延迟和电网的输电损失等。并用对偶分解法得到多级的计算结构。文中讨论了各级采用的计算方法，介绍了枯水期水电厂多次停机时问题的解法。用本法编制了一个肩梯级水电厂的大型电力系统优化调度程序，目前已被国内一大型电力系统所采用。     

电网调度管理多AGENT系统研究

针对日益突出的电力系统智能“孤岛”问题，基于已有的三个独立的运行于调度中心的专家系统，研究了电网调度管理多ＡＧＥＮＴ系统（ＭＡＳ），分析了ＭＡＳ的成员及其协作关系，给出集成电力系统中现有智能软件的ＭＡＳ的实现框架和协作问题求解方法，为提高电风调度管理智能化水平提供了一条有效途径。     

大系统分解协调法和非线性规划法应用于电力系统经济调度

讨论了含梯级水电站的大型水火电力系统有功功率最优分配的数学模型，考虑了水电厂上、下游水位的变化、梯级水电厂间的水流时间延迟等因素。通过两次运用对偶分解原理将整个系统分解成一个三级协调系统而得到三级计算结构，文中讨论了各级采用的非线性规划的多种最优化计算方法，并对实际电力系统进行试算和分析，文章对大系统分解协调法，乘子法和一种新变尺度法在水火电力系统短期经济调度中的应用作了探讨。     

ASVG的系统仿真

本文从电力系统研究的角度建立了ＡＳＧＶ的数学模型，并提出了相应的仿真控制模型，在此基础上编制了ＡＳＶＧ的系统仿真控制软件ＭＴＳＰ－ＡＳＶＧ，仿真结果表明，本文建立的数学模型是合理，可行的，在系统中装设ＡＳＶＧ能够有效地提高系统的暂态稳定性，所编制的仿真软件具有一定的通用性和实用性。     

基于GA的多区域互联电力系统的经济调度

针对电力系统规模的不断扩大,多区域互联系统经济调度的目标逐步向市场化过渡这一特点,把能够获得最大经济效益作为主要研究内容,将遗传算法引入到经济调度问题的研究中,实现了互联网在运行中网络损耗最小,运行最经济的分配目标.并通过模型系统的算例进行了证明.     

基于实例FMS的AGV调度数学模型与算法

本文讨论柔性创造系统中自动导引小车（ＡＧＶ）的调度问题，基于实例系统建立了ＡＧＶ小车的动态调度数学模型，并给出了调度算法．     

基于FGA的丁烯氧化脱氢过程建模

用模糊遗传算法（ＦＧＡ）建模有极大的优越性，ＦＧＡ具有使用简单，鲁棒性强，易于并行性和无局部最小解等优点，本研究在避免了遗传算法“早熟”问题的前提下，成功建立了ＦＧＡ丁烯氧化脱氢的过程模型。从模型的泛化能力方面地仿真结果进行了分析，结果表明该模型为复杂化学反应过程的优化提供了一种比较简单可行的办法。     

考虑风电场并网的电力系统短期多目标经济调度

风力发电的优势使得风电装机容量在电力系统中不断增加,但风速的随机性和间歇性使大规模风电并网后会对电网的安全性造成影响,这对传统的电力系统经济调度问题提出新的要求.在风速和风功率预测的基础上,将风电场运行时的总费用函数纳入到短期经济调度模型中,并对风电功率进行修正.同时考虑到风电功率的波动对电网安全性和调度策略的影响,在模型中加入风电场功率调整量函数,从而建立考虑风电场的电力系统短期经济调度多目标优化模型.采用向量评价遗传算法(VEGA)对一典型算例进行优化求解,确定合理的经济调度方案,验证该模型的可行性和有效性.     

静止无功电源的动态特性研究

推导了新型静止无功电源（ＡＳＶＧ）的动态模型，实现了 ＡＳＶＧ动态模型和电力系统暂态稳定分析程序的接口，编写了相应的软件，在多机系统中进行了 ＡＳＶＧ动态性能分析。计算机实例表明了 ＡＳＶＧ对系统稳定性、临界故障切除时间以及输电线路传输能力的改进和负荷突变时ＡＳＶＧ对系统电压的动态支撑作用等。     

基于混合智能算法的电力系统经济调度优化模型研究

在以电力系统的发电总燃料量、氮氧化物排放量和电价等3个因素为目标函数,以系统有功平衡、系统正负备用、输出功率以及输出功率上升速率等相关约束条件的基础上建立了电力系统经济调度的加权优化模型.同时,在综合了粒子群-人工鱼群算法的基础上构建了混合智能算法.最后,用10个机组所组成的火电厂的优化调度问题作为案例,采用混合算法进行求解及结果分析,以说明电力系统经济调度加权优化模型的有效性以及综合智能算法的收敛性和稳定性.     

最小收益风险模型在水库发电调度中的应用

为了在水电站水库优化调度中能对调度方案风险的大小进行量化,应用离散时间、非时齐马尔可夫决策过程,建立了水库中长期调度发电收益最小风险模型,以整个调度期发电收益未超过预先给定目标值的风险(概率)最小为优化准则.考虑到水电尽可能在高电价时段运行以获取更大利润,通过对电力系统的典型日负荷过程分析,确定水电厂时段收益电价与出力的函数关系.与期望发电效益最大模型相比,该模型适合需要对风险有直接限制的决策制定,以体现决策者的意愿或风险偏好.采用随机动态规划法对模型进行求解,并以三峡水电厂为实例,对所建立的模型进行检验,结果表明:该模型有利于水电厂调度人员作出风险决策,并实现水电厂的优化运行.     

用遗传算法设计模糊控制器

对遗传算法（ＧＡ）进行改进，将改进后的遗传算法应用到模糊控制器的设计中．以工业过程控制为对象，通过二阶系统模型的计算机仿真表明：改进后的遗传算法比传统方法具有更好的控制性能，可实现模糊控制规则的自校正和量化因子的寻优．     

电力经济环境负荷调度的模糊多目标模型

电力经济与环境负荷调度(Environmental/Economic Power Dispatch,EED)已成为当前经济与环境和谐发展下电力系统需考虑的问题。针对EED问题中以发电单元实际发电量作为决策变量的非线性燃料成本函数和微粒排放函数,引入模糊集方法构造发电单元实际发电量的模糊变量,以贴近电力系统中发电单元发电量的特点,使得EED问题的模糊化多目标模型更贴近实际,并采用一种改进遗传算法来找出EED问题模糊化多目标模型的优化方案。最后采用一个3发电单元的测试系统进行仿真并与其他方法进行对比,结果证明采用本文模型和方法得到的系统负荷调度方案在系统经济成本与微粒排放量上有明显的改善。     

自适应遗传算法优化模糊小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络（ＦｕｚｚｙＣＭＡＣ）的隶属函数．提出一个自适应ＧＡ优化算法，并且以优化模糊小脑模型ＦｕｚｙＣＭＡＣ学习正弦曲线．仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级、比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级．自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习速度比普通ＧＡ优化的速度快且进化过程的振荡明显减小，仿真证明该方法比普通ＧＡ优化方法稳定，收敛效果好．     

自适应遗传算法优化模型小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络的隶属函数，提出一个自适应ＧＡ优化算法，并且以优化模型小脑模型ＦｕｚｚｙＣＭＡＣ学习正弦曲线，仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级，比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级，自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习速度比ＧＡ优化的速度快且乾化过程的振荡明显减小，仿真     

关于旅行售货员问题的混合遗传算法研究

遗传算法（ＧＡ）是一类仿生算法，广泛应用于大型优化问题的求解，本文介绍孤原理和算法，并用简单遗传算法（ＳＧＡ）和混合遗传算法（ＨＧＡ）对旅行售货员问题（ＴＳＰ）进行了研究。     

基于遗传算法的环形供热网可及性分析

针对集中供热环形网提出了可及性分析的概念,建立了相应的数学模型。在算法上,针对这一复杂的多变量非线性优化问题的特点,提出关于环形网的几个定理,并在此基础上对问题进行简化处理,采用最佳保留机制的变形标准遗传算法ＶＣＧＡ进行求解,利用遗传算法的强鲁棒性寻找问题空间的全局最优解。为弥补遗传算法后期局部搜索不力的缺陷,在ＶＣＧＡ搜索的基础上,采用直接搜索的方法进行局部微调,形成了一种混合算法。本文提出的可及性分析方法,可以为环形供热网的运行调节和优化调度提供指导,为系统的扩容改造提供依据。本方法已经在几个集中供热网等工程中具体应用。     

基于GA学习的模糊小脑模型控制器

提出一种基于遗传算法学习的模糊不脑模型神经网络控制器,即利用遗传算法学习和优化ＦＣＭＡＣ控制器的连接权重,构成一个ＧＡ－ＦＣＭＡＣ控制器,该算法适用于多输入－多输出系统,对于倒立摆非线性系统的仿真结果证明,本算法的有效性和适应性。     

启发式遗传算法及其在电力系统调度中的应用

在遗传基因算法（ＧＡ）基础上，加入区域变化环节和其他改进措施，提出一种新的启发式遗传基因算法．该算法由基因编码、产生祖先、评价优劣、选择、杂交、突变、父代替换、区域变化、搜索寻优等环节组成，提高了解题速度和解的最优性．将其用于求解电力系统水火电站联合优化调度问题，获得全局最优解．仿真计算表明，能取得显著经济效益．