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。     

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.     

改进遗传算法在配电网无功优化的应用

提出了考虑配电网运行费用和节电效益的综合目标函数,对于目标函数中的电压越界点和无功补偿容量越界点采用惩罚函数予以解决.无功优化主要采用调整变压器分接头和并联电容器2种方法,笔者采用改进遗传算法实现了配电网无功优化计算,该算法有较好的计算效率和全局寻优能力.通过实例验证了该方法的实用性和有效性.     

基于改进免疫遗传算法的水电站优化调度应用研究

根据免疫算法的生物学机理,提出了一种改进的免疫遗传算法.该算法将微粒群算法作为免疫算法的全局搜索策略,提高算法的全局搜索能力;利用逐步优化算法对免疫算法的控制策略进行进化操作,提高算法的局部搜索能力;利用免疫算法本身基于浓度的自我调节机制,提高群体的多样性,避免算法过早陷入局部最优解.最后给出了该算法实现的具体步骤,并将其应用于水电站的优化调度中,取得了较为满意的结果,且与动态规划、遗传算法、免疫算法和微粒群算法等比较,验证了算法的有效性和优越性.     

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.     

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。     

应用遗传算法实现配电网的无功规划优化

以配网系统全年电能损耗和无功补偿设备投资之和最小为目标，建立了考虑系统不同运行方式下无功规划的数学模型。采用结合灵敏度分析的改进遗传算法求解数学模型，提出容性和感性无功的补偿规划原则。实例验结果表明，应用该模型和算法可以有效地对配电系统进行无功优化，优化后系统的网损明显降低，节点电压明显提高。     

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.     

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。     

改进遗传算法在齿轮减速器优化中的应用

以一个标准齿轮减速器体积（中心距）最小为优化目标的优化模型,描述一种改进遗传算法的实现,并将之应用于两级圆柱齿轮传动的优化设计。其优化结果与单纯形的比较表明,遗传算法更能脱离局部解而取得更优解,在工程设计中具有一定的应用价值。     

基于改进遗传算法的配电网动态无功优化

综合混沌变异的泛化能力和邻域搜索的局部寻优能力,实现配电网动态无功优化问题的快速求解.利用混沌神经元的输入输出特性建立变异算子与种群多样性测度的自适应关系,实现种群多样性的动态调节,提出基于优秀个体特征信息的邻域搜索,实现局部寻优.在编码过程中,结合配电网动态无功优化的特点提出一种由投运组数和投运时间构成的两段式整数编码方式,缩短了染色体长度、消除了不可行码.IEEE69配电网算例结果表明本文方法在全局收敛性以及克服早熟等方面具有优势.     

基于改进遗传算法的配电网无功优化

为了提高配电网无功优化的收敛速度,结合配电网根节点电压稳定特性,提出以首端已知电压和计算功率向末端递推,且在回代递推支路末端电压中用第K次电压新值的方法,提高了常规支路电流法的收敛速度,在用遗传算法进行无功优化的过程中,提出了局部搜索替换过程,增加了个体多样性,同时加速了适应值较低的个体的淘汰,提高了每一代个体的平均适应值水平,从而显著提高了常规遗传算法的收敛速度,通过对120节点与53节点的实际算例计算,验证了改进方法能提高电网无功优化的收敛速度和优化效果。     

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%。     

遗传算法的改进及其在电机全局优化中的应用

在描述遗传算法（ＧＡ）过程的基础上，指出了遗传算法所存在的缺点，并提出了改进措施．算例表明，按照文中提出的改进思路进行优化，效果是明显的，成本得到更进一步的下降，运算时间大为缩短．     

改进混合遗传算法在无功优化的应用研究

根据电网现有的运行状况,在国家电力市场环境下充分考虑了电力系统的安全运行约束,以目标函数为线路网损最小、电压质量最优为目标建立了数学模型,并将改进混合遗传算法应用到此无功优化问题中,并采用MATLAB编程实现算法,对IEEE-6节点测试系统进行了仿真计算,验证算法的有效性和可行性.     

基于遗传算法的电力系统无功优化

将遗传算法应用于电力系统无功优化,建立了基于遗传算法的电力系统无功优化模型,成功地解决了无功优化中变量的离散问题,避免了常规数学优化方法的局部最优问题,给出的多种优化方案,为电力系统无功优化提供了一种新算法．该算法已用于ＩＥＥＥ５７节点系统,取得了较好的效果．     

遗传算法的改进及其在水库优化调度中的应用研究

遗传算法是通过对样本中个体的不断改进来寻找各类问题的最优解。由于标准遗传算法（SGA）存在收敛性及个体适应度求解方面的困难，在研究中，通过对SGA中遗传算子改进，特别是对选择算子的改进，提出了一种改进遗传算法（AGA），并将它应用于水库优化调度中。改变通常以水位变化序列为基础的遗传算法编码方案，通过数组存储水库库容状态，并以各库容状态对应的数组下标为基础进行遗传算法编码，通过实例，表明AGA对水库优化调度问题具有良好的适应性，同时结合数组存储理论的遗传算法编码方法简化了水库优化调度遗传算法的实现过程。     

改进遗传算法在建筑结构优化设计中的应用

针对标准遗传算法在迭代过程中经常出现未成熟收敛、发生振荡、随机性太大等缺点,提出一种新的遗传算子转基因算子,用于对标准遗传算法的改进·这种转基因算子有效地利用了计算适应度的信息,很好地保护了最优个体,并能提高群体中个体的适应度·包含转基因算子的改进遗传算法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题·算例结果表明,改进遗传算法的收敛特性和优化设计结果远好于标准遗传算法,是一种理想的建筑结构优化设计方法·     

改进的自适应遗传算法在结构优化设计中的应用

普通遗传算法经常出现易早熟、随机性较大、收敛速度较慢等问题,基于Sigmoid函数,提出了一种新的改进的自适应遗传算法.该算法可以有效提高收敛速度并防止算法陷入局部最优解,通过算例分析,证明了该方法的可行性和有效性.结果表明,提出的新型遗传算法可以为其在大型土木建筑结构的优化设计中的推广应用提供理论支持.     

改进遗传算法在TSP中的研究应用

遗传算法(GA)是一种基于自然群体遗传机制的有效搜索算法,由于在搜索空间中存在早熟及计算偏大的不足,本文提出优化遗传算子来改进遗传算法的搜索性能,提高遗传算法在研究典型的组合优化实例-TSP问题的求解效率,最后计算机模拟结果表明,改进遗传优化算法不仅在收敛速度方面提高,而且更接近于最优解的满意解。