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%。     

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.     

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。     

改进遗传算法在水电站无功优化中的应用

文中阐述了遗传算法与其它算法相结合的多种改进遗传算法进行水电站无功优化中的应用和今后的发展方向。     

模拟退火改进遗传算法在股市投资决策中的应用

针对遗传算法的欺骗问题,指出了变异率对全局最优解获得及解的稳定性的影响,提出了模拟退火算法改进的遗传算法,并结合股市投资决策方案选择问题进行了实例验证。     

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．     

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.     

基于模拟退火遗传算法的板材优化下料

通过对板材优化下料问题的研究,给出了一种较为实用的具体的模拟遗传算法,该算法融合了遗传算法和模拟退火算法的优点,兼有遗传算法中种群个体、交配、基因、遗传、变异等淘汰劣质解的操作,也有模拟退火算法中冷却进度表和接受概率等寻优控制技术,可以更好地实现板材下料问题的快速求解。     

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.     

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。     

基于模拟退火算法的低温余热发电系统参数优化

为提高低温余热发电系统的综合性能,以单位发电量所需换热面积为目标函数,采用模拟退火算法对ORC系统的参数进行优化。研究结果表明:当热源温度和流量分别为120℃与62 kg/s,蒸发器内最小传热温差为10℃时,蒸发器内的最佳压力和流速分别为0.615 MPa与1.23 m/s;冷凝器内的最佳压力和流速分别为0.102 MPa与1.37 m/s;与传统算法相比,优化结果使单位发电量所需换热面积减少23%。随着热源温度的升高,最优目标函数值先降低后升高,在热源温度为200℃时达到最低值;综合考虑目标函数值及系统输出净功,蒸发器内合适的最小传热温差为15℃。     

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。     

一种求解TTP问题的SAGA算法

分析了高校课程表编排中涉及的各种约束条件和特殊要求,给出了一种求解TTP问题的模拟退火遗传算法(SAGA),并且对遗传算法中的交叉、变异操作采用自适应方式进行了改进,提高了算法在解空间中的探索能力和效率.数值实验证明了该方法的有效性和可行性.     

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.     

一种混合遗传模拟退火算法及其应用

分析了遗传算法和模拟退火算法的优缺点，提出了一种混合遗传模拟退火算法，对其进行优化，并将该算法应用于TSP问题的求解之中，理论分析和实验结果表明了这种混合遗传模拟退火算法优于普通的遗传算法和模拟退火算法．     

基于模拟退火算法营养膳食优选的研究

通过模拟退火算法实现对各种慢性疾病进行营养膳食配餐的快速优选,并且把研究结果在膳食系统中加以应用.对慢性疾病配餐算法的研究体现了营养学平衡膳食的科学原理和数学建模思想,实现了计算机与多学科的综合应用.     

免疫蚁群算法在电力系统无功优化中的应用

将人工免疫算法和蚊群算法相结合形成免疫蚁群算法,运用免疫机理提取疫苗获得初始解,通过免疫操作加快算法收敛速度,并用基于浓度的选择机制抑制算法的"早熟".将该算法用于求解电力系统无功优化问题进行仿真,结果表明它的收敛速度和计算精度都有较大提高.     

基于遗传模拟退火算法的电磁齿轮结构参数优化

针对电磁齿轮优化设计属于多极值点非线性规划的问题,在分析了电磁齿轮结构参数与电磁性能关系的基础上,提出一种以体积最小为目标函数的电磁齿轮参数优化数学模型.采用在遗传算法中引入模拟退火算法接受准则的优化设计算法,较好解决了传统遗传算法局部寻优能力差和搜索效率不高的问题.用复合形法与本方法对比,对于电磁齿轮的体积,前者为原设计的60.49%,本方法为原设计的47.57%.算例表明所提出的方法具有良好的性能.