遗传算法在组合优化中的应用

针对组合优化中规模较大问题用传统的优化方法求解耗时较长的缺点,将遗传算法应用于0-1规划中,用基于二进制表示的罚函数法和修正方法处理背包问题;并对指派问题进行遗传算法设计,使这两个问题得到很好的解决,从而说明了遗传算法具有超越传统方法的优势,为解决此类问题提供了一种新的手段,是传统方法的补充和完善.     

大电网可靠性评估最优负荷削减模型

研究电网可靠性评估中考虑最优负荷削减的问题。针对大电网系统，先在系统分析中将系统状态分为4种不同情形，对可能产生负荷削减的系统状态引入其最优负荷削减模型，在模型的目标函数中设置使负荷削减自动满足按临近原则和按负荷重要程度进行削减的加权因子，并在可靠性评估中的程序编制中予以实现。该最优模型与实际的负荷削减策略保持一致，能够得到反映电网真实可靠性水平的母线节点指标。文章给出了该最优负荷削减模型，以及相应算法，程序流程图。通过具体算例验证了该模型的有效性和实用性。     

STL在电网故障诊断遗传算法中的应用研究

电网故障诊断通常基于保护和断路器的动作信息,并经遗传算法实现故障元件识别．该文在研究故障诊断模型特征的基础上,以基于泛型技术的标准模板库为核心,分别抽象出简单遗传算法的染色体类及遗传算法类,给出具体的遗传算子源代码,并结合具体故障实例验证诊断结果．通过与传统遗传算法的c＋＋代码的对比,表明STL容器、迭代器及算法的使用不但增强了程序的可读性和健壮性,同时也降低了程序时间复杂度,最终达到提高电网故障元件识别速度目的．     

遗传算法在兰州西部电网规划中的应用

利用遗传算法进行电网规划，建立了电网规划的数学模型。将该模型应用于兰州西部１１０ｋＶ电网规划中，取得了满意的结果。     

大电网可靠性计算中的负荷削减策略

为了改善现有的电网可靠性评估算法，提出了失效事件流量、失效事件的送端和受端、受端削减域、负荷削减域的度等基本概念，阐明了相关定义，丰富了LCSN(Load Curtail Strategy by Near)的内涵。在此基础上，研究了求负荷削减域的算法，导出了相关公式，为进一步研究LCSN提供了理论基础。应用表明，该算法提高了可靠性的计算效率。     

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。     

潮流计算模型对大电网充裕度评估的影响分析

潮流计算是大电网充裕度评估的基础,潮流计算模型的选择会对大电网充裕度评估的结果产生影响.介绍大电网充裕度评估的原理,对交流潮流计算模型和直流潮流计算模型进行分析比较,以RBTS可靠性测试系统为例进行算例分析.算例分析结果表明,基于交流潮流的大电网充裕度评估能够计入无功功率和节点电压的影响,计算结果相对精确,但是计算时间代价大;采用直流潮流模型时大电网充裕度评估速度快,但计算结果存在一定误差.     

改进多种群遗传算法在中压配电网规划中的应用

针对电网规划的多目标性,提出一种改进的多种群遗传算法(Poly—Population Genetic Algorithm,简称PPGA)。子种群对应独立的目标函数,父种群对应归一化的目标函数,精华种群采用最优个体保存法保存父子种群中的最优个体,并作为收敛依据,保证了算法全局收敛性。父子种群采用改进自适应SGA,进行独自寻优,并通过迁徙算子以一定频度进行信息交换,打破“封闭竞争”。在原有配电网络的基础上实现网络的有效扩展,满足当前配电网络规划的多目标多阶段的要求。算例结果表明,该方法是有效的。     

电网运行风险分析及其控制措施探讨

随着我国电网的发展建设,电网运行中的风险性问题逐渐引起我们的重视。基于此,本文对多年来电网运行中存在的风险问题进行归类分析,并根据实践提出一些可行的控制措施。     

遗传算法在人工生命中的应用

讨论了人工生命仿真模型的建立方法,设计了一个基于遗传算法的人工生命模型及其模拟实现.计算和研究了虚拟环境中生物在进化过程中的演变规律和涌现特征,模拟和解释了一些简单的生态行为和进化规律,这种通过进化的方法进行系统复杂性模拟的思想,对于学习认知进化和群体智能具有一定的参照意义。     

基于遗传算法的商业银行风险评估

以遗传算法为主,结合了数据挖掘中的粗糙集理论,从商业银行的主要业务之一信用卡审批问题入手,初步研究了遗传算法在商业银行风险评估中的工作原理。从数据的预处理到系统应用的方法和流程做了详细的描述,实验显示该方案是可行有效的。     

非接触电能传输系统参数优化的改进遗传解法

为了解决非接触电能传输系统设计中的参数优化问题,提出了一种混合改进遗传解法.首先建立了非线性规划数学模型,其中对频率稳定性约束条件进行了修正;其次在遗传算法中采用虫口模型产生优良的混沌初始种群,采用"两次归一化"来处理目标及约束函数,并利用可行性规则代替罚函数法来选择优良个体以减少额外的经验参数;最后设计了均匀变异加高斯变异的混合变异算子以提高算法的全局搜索能力.仿真及实验结果表明:改进后的算法能够较好地突破局部最优解的限制,较快地找到了系统的全局最优参数;优化后的系统达到了设计要求,且对于负载在约束范围内的动态大范围变化有较强的鲁棒性,如当负载增大为原来的2倍时,输出电压及原边电流的大小及频率基本保持不变.     

混合遗传算法在电厂机组负荷分配中的应用

机组负荷优化分配是一种可提高电厂经济性的手段,越来越成为一个令人有兴趣的研究课题,但目前还没有得到一种绝对严格的算法.引入模糊理论建立了电站机组负荷分配模型,并运用混合遗传算法求解,该算法不同于常规优化算法特点在于:容易得到全局最优解,有较强的鲁棒性,适合大规模的复杂系统求解.最后给出了一个具体的例子来阐述方法的有效性.     

电力系统负荷恢复优化的并行遗传算法实现

对电力系统的负荷恢复问题进行了研究.将该问题建模为一个多约束条件的组合优化问题,根据遗传算法特别适合求解大规模组合优化问题的特点,设计了一种粗粒度并行遗传算法来对此优化问题进行求解.在消息传递类并行软件开发环境提供的基于消息传递的并行虚拟环境下,采用master/slave的并行编程模式,有效地提高了算法的计算速度.将各种约束条件与目标函数融合在一起,建立一种序关系,来处理负荷恢复中的约束条件.求解过程满足系统的约束条件,不会出现系统的越限.算例结果表明,所提出的并行遗传算法不仅可以最大限度地恢复负荷,而且可有效提高算法的计算速度.     

模糊罚函数遗传算法及其在曲线光顺中的应用

基于遗传算法中处理约束条件使用的传统罚函数方法效果并不理想,文中指出了一种处理约束优化问题的模糊罚函数遗传算法,并将这种方法用于计算机辅助图形设计中的扫描光栅曲线的光顺问题,得到了很好的效果。     

考虑新能源不确定性多场景下互联电网停电风险评估

为了探究新能源出力不确定性对电网停电事故的影响并在互联电网中选择合适的新能源接入节点,提出了一种非时序蒙特卡洛停电事故演化模型和分场景研究新能源接入互联电网停电风险评估的方法。首先,对以风电、光伏为代表的新能源出力的不确定性进行建模;然后,通过非时序蒙特卡洛法得到新能源的出力,结合SOC-Power Failure模型形成了改进的停电事故演化模型;最后,利用该模型分多场景对IEEE118电网做了停电事故演化仿真,通过层次分析法(analytic hierarchy process,AHP)法综合事故损失负荷概率(loss of load probability,LOLP)、事故损失负荷期望值(expected loss of load,ELOL)、事故相关节点期望值(expected power failure bus,EPFB)指标得到了综合性评估指标RISK,并利用RISK评估确定了新能源最佳接入场景,验证了模型的可行性及分场景仿真方法的实用性。     

基于精确目标罚参数的遗传算法

结合一种精确目标罚函数和遗传算法,提出新的算法;算法能将约束优化问题转化为无约束优化问题,同时具有遗传算法的全局搜索能力,避免陷入局部收敛;给出并讨论了精确罚定理,实验结果表明了算法的有效性.     

基于学习策略的遗传算法在最优潮流中的应用

最优潮流问题是电力系统中一个重要的问题,从数学角度上讲,它是一个非线性规划问题。提出了一种基于学习策略的遗传算法用于解决最优潮流问题。学习策略使得种群中的普通个体可以向优良个体学习其优秀的基因结构,从而提高了个体的适应度,加快了算法的寻优速度,增强了算法的搜索能力。该算法中还采用排挤策略来避免个体的过度拥挤,增强了算法的全局搜索能力。通过算例验证了算法的可行性和有效性。