电力系统无功优化的改进遗传算法研究

针对传统遗传算法在无功功率优化中不能收敛的情况,选用了混合整数编码、锦标赛选择机制和临近变异等措施对遗传算法进行改进.这些改进符合电力系统运行的实际,具有较好的收敛精度和收敛速度.IEEE14节点系统的优化结果表明该方法优化性能较好,能较快地搜索到最优解.     

电力系统的无功优化和无功补偿

电力系统的无功优化和无功补偿是提高系统运行电压，减小网损，提高系统稳定水平的有效手段。本文对当前国内外的无功优化和无功补偿进行了总结，对目前无功补偿和优化存在的问题进行了一定的探讨和研究。     

基于改进遗传算法的配电网无功优化控制

电力系统的无功优化以及无功补偿对于电网的安全、经济运行有着重要意义。实现配电网无功优化的主要控制手段是调整有载调压变压器的档位和并联电容器的投入组数,本文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,并且通过实例验证了本文方法的实用性和有效性。     

LDW PSO算法及其在电网无功优化中的应用

利用LDW PSO算法解决了输配电网的无功优化补偿问题。阐述了无功优化补偿的数学模型以及LDW PSO算法优化步骤。工程实例验证表明,该方法降低了网损,且所有节点电压都满足要求,在节能降耗方面具有较大优势。     

基于混合智能算法的电力系统无功优化研究

研究了电力系统的无功优化功问题,给出了结合电力市场实行的无功优化目标函数。在分析了遗传算法和蚁群算法各自优缺点的基础上,将遗传算法与蚁群算法融合,利用遗传算法的交叉、变异操作产生蚁群算法新的搜索路径,以此提高混合智能算法的全局搜索能力和收敛速度,并将混合智能算法应用于实例进行仿真。仿真结果表明,该混合智能算法具有快速的收敛速度和优良的全局优化能力。     

基于改进PSO算法的电力系统无功优化

本文采用的无功优化数学模型虑了系统的实际约束条件和无功调节手段,能够准确直观地反映电力系统无功优化的实际问题。在此基础上对基于粒子群算法的无功优化作了深入的研究,尝试利用粒子群优化算法对无功优化问题进行求解。对常规粒子群算法的搜索策略进行了改进,对约束条件、离散变量都采取了一定的改进处理措施。以IEEE-6节点系统为例进行了仿真计算,验证了本文模型和算法的正确性、适用性和经济性。     

改进遗传算法在企业经营参数优化中的应用

鉴于遗传算法固有的缺陷，提出了一种改进遗传算法，并指出了这种算法的优越性。本文将改进遗传算法引入到企业经营参数优化的问题中，以一个矿山企业经营参数优化实例证明了改进遗传算法具有很好的应用效果。     

改进的遗传算法及其在优化IC中的应用

本文介绍一种改进遗传算法，通过引入强制变异算子，避免了超级个体的出现，保证了杂交算子的有效性，提高了遗传算法的全局寻优能力，用改进的遗传算法优化仿人智能控制器，得到了理想的结果，由此得出一阶纯滞后对象的ＯＩＣ参数整定公式。     

基于改进遗传算法的地区电网优化规划

阐述与分析遗传算法的原理与技术特点,并通过在某地区电网的优化规划,仿真结果表明,该算法能够带来较大的经济效益。     

改进的遗传算法及其在优化IC中的应用

本文介绍一种改进遗传算法，通过引入强制变异算子，避免了超级个体的出现，保证了杂交算子的有效性，提高了遗传算法的全局寻优能力．用改进的遗传算法代化仿人智能控制器．得到了理想的结果，由此得出一阶纯滞后对象的OIC参数整定公式．     

基于改进遗传算法的无源滤波器优化设计

针对目前根据工程经验或简单的技术经济指标来设计无源滤波器的现状,以及现有优化设计方法中假设条件较多、寻优空间较小、寻优能力不强、对实际因素考虑不全面等问题,提出了一种改进的遗传设计方法.将无源滤波器的初期投资、无功功率补偿容量、滤波后电网谐波含量作为三个目标,利用遗传算法对无源滤波器的参数进行优化设计.通过适应度函数的阈值制约以及以不同概率进行染色体选择操作,使得种群朝三个目标最佳协调点的方向演化;为克服算法的早熟收敛问题也进行了有益探讨.最后对一个混合滤波实验系统进行了无源滤波参数的优化设计,并和传统的方法进行了比较.仿真和实验表明设计出的无源滤波器具有良好的综合性能.     

基于Pareto遗传算法的多目标优化

在工程实际当中存在着大量的多目标优化问题,传统的多目标优化方法存在着明显的缺陷.本文介绍一种基于Pareto最优概念的遗传算法来求解多目标优化问题.这种方法能够给出多目标优化问题的Pareto解集,而不是单纯的一个解,从而可以帮助决策者在Pareto解集中挑选适合设计要求的解作为最终解.     

关于配电网无功优化控制

针对我国电网电能损耗过大,提出在配电网装设无功优化控制以降低线损,提高电能利用率。     

免疫遗传算法在BP网络结构优化中的应用

免疫遗传算法是基于免疫原理的改进遗传算法，它能克服遗传算法易早熟、搜索效率低、不能很好保持个体的多样性等缺点。本文将免疫遗传算法用于BP网络结构优化设计中，仿真实验结果表明，该方法有很好的效果。     

改进的蚂蚁遗传混合算法及应用

车间作业调度问题是一个典型的NP-hard问题。分析了蚂蚁算法和遗传算法的特点,就遗传算子、交叉概率和变异概率上对传统遗传算法进行了改进;同时为了加速蚂蚁的搜索效率、减少迭代次数,重构了传统蚂蚁算法的下一个结点选择策略、信息素的局部更新策略,并将改进后的两个算法进行混合求车间作业调度的最优解。试验表明,算法的改进和混合提高了搜索效率及搜索结果的准确性。