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。     

改进遗传算法在电力系统无功优化中的应用

将遗传算法用于电力系统无功优化,并对传统遗传算法的编码方式、遗传操作算子、交叉和变异概率以及迭代终止判据等方面进行了改进,同时使用本文的算法对IEEE6及IEEE14节点系统进行了无功优化计算,结果表明改进后的遗传算法合理可行。     

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.     

负荷不确定性的配电网无功规划优化

提出一种考虑负荷不确定性的配电网无功规划优化的方法。该方法把不确定负荷表示成模糊数的形式并通过拟合误差服从正态分布来求取模糊集合参数;然后建立无功规划优化的模型。并采用模糊分析法,使模糊负荷能运用到求解模型中去;最后采用改进的二进制粒子群算法来求解无功优化模型。算例分析证明了此方法的有效性。     

基于改进遗传算法的配网滤波装置优化配置

在配电网中装设有源滤波装置是抑制谐波有效的方法。文章运用改进型的遗传算法对有源滤波装置在配电网中的配置进行优化,提出最优个体保留与最大遗传代数相结合的终止进化准则,即必须经过一定的迭代次数,最优解经过后面的多次迭代后仍为最优。最后通过一经典算例验证,改进型遗传算法既满足了抑制谐波的要求,又将投资费用控制在尽量小,应用于配电网有源装置优化配置具有可行性。     

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。     

基于改进遗传算法的动态路径优化研究

日常出行中,由于道路养护、天气变化等原因,导致部分路段交通受阻甚至禁止通行,这种情况下需要避开此路段。在基于改进遗传算法查找最优路径的基础上,对如何根据路况变化动态寻找更为合适的最优路径进行了探讨。     

基于改进引力搜索算法的无功优化仿真研究

针对引力搜索算法(GSA)在求解电力系统无功优化时出现早熟收敛和局部搜索能力差的问题,引入粒子群算法的记忆功能和加速机制,形成改进引力搜索算法(IGSA)。将GSA和IGSA基于Matlab对IEEE30节点测试系统进行电力系统无功优化仿真。仿真结果表明:IGSA算法避免了早熟现象,增强了局部搜索能力,能获得质量更高的最优解。该仿真实验可加深学生对电力系统无功优化的理解和对智能算法的认识。     

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。     

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.     

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。     

基于改进遗传算法的自动组卷系统的研究

针对基本的遗传算法在自动组卷系统中容易陷入局部最优解、迭代后期容易早熟收敛等缺点,提出了改进的初始种群选择方法、自适应的交叉概率和变异概率的改进遗传算法。并且通过对组卷数学模型的改进,使得系统对多门课程具有通用性。实验结果表明,改进遗传算法改善了算法的全局搜索能力,更好地克服了迭代后期的早熟现象,因而在组卷效果及效率上优于基本遗传算法。