遗传算法及其在电力系统无功优化中的应用

遗传算法是基于自然选择规律的一种优化方法,算法能成功地解决无功变量中的离散问题,避免常规数学优化方法的局部最优现象。本文阐述了遗传算法的特点以及遗传算法与其它算法相结合的算法在电力系统无功优化中的应用。     

星状原油集输管网拓扑优化的混合遗传算法

以投资最小为目标函数，建立了星状原油集输管网拓扑优化数学模型。根据模型特点，利用改进的整数编码遗传算法优化井站隶属关系，利用非线性优化方法优化出相应的计量站最佳位置。针对遗传算法的局限性，对操作过程进行了改进，结合了模拟退火算法，调整了适应函数，给出了初温的确定方法，改进了选择复制操作，从而形成了混合遗传算法，并采用随机多父辈适应函数值加权交叉和多种改进变异操作方法。同时在操作过程中给出了约束条件的处理方法，减少了不可行解的产生，提高了算法优化效率。算例显示了该优化方法的有效性。     

基于改进遗传算法进化神经网络

本文提出一种新颖的基于实数编码的改进遗传算法用于神经网络的训练，该算法采用基于代沟最小的代选择模型，选用BLx—α混合交叉算子。算法简单、鲁棒性强，优化兆效率高，并将该神经网络应用于非线性系统预测，仿真结果证实该方法是快速有效的。     

基于改进量子遗传算法的小波神经网络优化及其软测量应用

针对简单量子遗传算法在优化高维问题寻优速度慢、收敛率低的缺陷,提出一种改进的量子遗传算法,通过搜索各种群中最优染色体组成当前最优个体,并依此个体来确定量子门的全局最优搜索方向。将改进算法用于优化小波神经网络,藉此建立了4-CBA浓度的软测量模型。仿真结果表明:与简单量子遗传算法相比,改进算法对复杂优化问题具有全局快速寻优性能。     

动态多目标无功/电压规划的Pareto最优集的求取

动态多目标无功/电压规划问题是一个复杂的多目标非线性优化问题。广泛使用的先评价方法通常只能得到这一问题的单一解,并且在确定各目标间的权重关系时难以给出统一的标准,因而不利于作为实际控制的参考。该文通过创建该问题的多目标数学模型,将动作次数限制归纳为优化目标之一,并应用改进的非支配遗传算法(NSGA-II),实现了动态多目标无功优化问题的Pareto近似最优集的求解。通过IEEE14、30节点电网模型及实际电网模型的计算,验证了该方法的有效性。     

水电站(N+M)容错系统优化模型求解的遗传算法

本文根据(N M)容错系统优化模型高度非线性和复杂性的特点，采用具有高效、并行、全局性的遗传算法来实现此类复杂模型的优化求解．针对改进模型的特点。从编码、适应值、复制算子、交叉和变异算子以及控制参数的选取等多方面进行了遗传算法设计；用MATLAB语言实现了遗传算法．求得的结果验证了算法的正确性和有效性；算法性能分析证明了所设计的改进的交叉算子和随遗传代数成正态变化的变异概率等对改善遗传算法的搜索效率具有明显效果．     

基于改进遗传算法的单级多项目无能力约束生产批量问题研究

通过对单级多项目无能力约束生产批量问题(SMULP)模型进行分析，得出了一些重要的结论．分析了基本遗传算法的缺陷及其产生的原因．对该问题在遗传算法的编码、适应度函数、选择复制操作、交叉方法、交叉概率、变异概率和终止条件等各个环节进行了改进．采用VB6．0对SMULP改进遗传算法编程实现，能很好地与ERP软件集成．并对SMULP改进遗传算法进行了性能分析．     

遗传退火进化算法在背包问题中的应用

从增强算法收敛性和减少参数依赖性的角度出发，提出应用遗传退火进化算法求解背包问题，遗传退火进化算法结合了遗传算法和模拟退火算法的优点，并有效地克服了各自的弱点，使其在优化性能、优化效率和可靠性方面具有明显的优越性．阐明了用该算法求解背包问题的具体实现过程，并通过实际数值计算和结果比较表明，该算法优于遗传算法和模拟退火算法．     

电力系统无功优化的一种新算法

本文提出了一种应用新的粒子群优化(NPSO)算法求解电力系统无功优化的新方法。给出了适合无功优化问题的具体实现方法以及应用NPSO算法求解电力系统无功优化的步骤。对IEEE30节点测试系统进行了无功优化计算。并与粒子群优化(PSO)算法的测试结果进行了比较。仿真结果表明,与PSO算法相比,应用NPSO算法求解无功优化问题是有效的。     

基于移民算子遗传算法的配电变压器优化设计

本文将改进的遗传算法用于求解配电变压器优化设计问题,该方法是将移民算子引入到传统的遗传算法中,克服传统遗传算法在求解工程优化问题时出现的“早熟”现象、收敛效率低等问题．以型号为S9—315／10型配电变压器为例,采用改进的遗传算法对配电变压器进行优化设计,优化结果表明,采用改进的遗传算法能够取得令人满意的结果．     

一种新型智能型无功补偿控制系统

针对工厂企业供电系统无功功率多变及其对供电质量影响的问题,设计了一套基于并联电容器自动投入的功率 因数自动补偿控制系统。提出了依据系统负荷及功率因数变化统计值为基础的优化算法,准确求出某一时段所需投切 的最佳的电容值,达到保证系统功率因数最佳,同时使得电容的投入或切除充放电引起的电流波形变化最小。该统计方 法采用针对不同运行工况某时段平均功率因数,再利用ARM处理器数据处理能力强,算法功能优越的特点,利用神经网 络预测下一时段无功功率的变化规律,实现电容器的正确投、切控制。仿真及实际运行数据表明,该系统具有良好的补 偿精度,同时明显降低补偿电容器组的投切次数,可以有效地改善系统供电品质。     

峰值功耗优化的力引导调度算法

提出了基于单周期操作和多周期操作的峰值功耗优化的力引导调度算法。该算法运用传统力引导调度算方法的基本思想,通过对力相关参数的重新设置,实现了调度过程对周期功耗的平衡分布,从而达到了峰值功耗最小化的目标。实验结果显示,在控制步数目和资源数目相同的情况下,该算法在峰值功耗优化方面比传统的力引导调度算法有所改进,与基于整数线性规划的算法基本相当。     

遗传算法中交叉操作的两种改进方法

通过分析交叉算子，提出了分别与模拟退火算法以及神经网络相结合的改进型遗传算法，改进型遗传算法的收敛性能远远优于标准遗传算法。     

电力系统无功规划优化的一种解析方法

基于解耦方法,以各支路无功潮流为规划变量,并考虑了支路无功损耗的影响,构造了无功优化的非增量2次规划模型,其目标为因无功补偿使有功网损减小获得的收益并扣除补偿费用后的净收益现值最大。采用可完全消除增量变量迭代收敛性问题的拉格朗日乘子法和处理不等式约束的“违限取限”法,求解具有环网的电力网无功优化问题并附有算例。模型适用于35～110kV电力系统的无功优化。     

基于可穿戴计算机电源管理的蚁群算法

功耗管理是可穿戴计算系统低功耗设计的一个重要手段。该文提出了一种基于蚁群算法的可穿戴计算机动态电源管理方法,通过自适应的优化功耗切换时间,在基本保证系统实时性能的条件下,能有效地减小系统各模块的平均功耗,延长系统的工作时间。仿真结果证明了其有效性。     

无线传感器网络功率控制的质心定位算法

在无线传感器网络的诸多应用中,迫切需要对事件发生区域或者数据来源进行定位,特别是在无锚节点的情况下。为此该文提出一种基于功率控制的质心定位算法(CLAPC),采用离散功率控制的方式对目标区域进行虚拟网格划分,从而确定包含未知节点的最小区域,在提升系统能效的同时,提高了节点的定位精度。算法无需部署锚节点,具有较高的实用性,仿真实验也进一步验证了算法的有效性。     

三相整流器直接功率控制方法研究

根据直接功率控制原理,分析了瞬时有功功率和无功功率对于三相PWM控制系统的作用,并根据坐标变换理论得到了瞬时有功功率和无功功率.另外,为了减少误差,在瞬时有功功率分析中引入了电流补偿.最后根据传统的开关表对系统进行控制.仿真结果进一步说明了所用方法的合理性和有效性.     

Width-w NAF算法的能量攻击防范对策

介绍了椭圆曲线加密的快速算法、Width-wNAF算法及能量分析攻击方法;提出了width-wNAF算法的改进算法。在不增加主循环计算量的情况下,改进算法有效地抵抗了能量分析攻击,包括简单能量分析攻击、差分能量分析攻击、改进的差分能量分析攻击以及零值点攻击。     

多车场集送一体化车辆调度问题及其遗传算法研究

针对物流配送中的多车场一体化车辆调度问题提出了智能处理方法,采用了基于自然数的一体化配送对路径表示方式,用里程约束来控制车场的插入,以增加惩罚的方式加入时间窗约束。并且根据具体约束情况设计了改进的遗传算法,采用了动态染色体、改进的交叉和变异法、内部扰动和外部扰动等技术,提高了遗传算法的优化效率和优化效果。介绍了此算法的原理,给出了具有一个代表性算例试验结果和结果分析。试验结果表明了此方法对优化有里程和时间窗约束的多车场一体化车辆调度问题的有效性。     

多目标模糊优化潮流模型及其基于神经网络的算法

提出了一种计算交流潮流的多目标模糊优化模型。模型中,同时考虑了发电费用最少及网损最小等多重目标。针对该模型,还提出了一种基于神经网络模型的新算法。该算法分别采用神经网络模型进行模糊集隶属函数的表达及优化问题的求解,从而将模糊优化同神经网络有机地结合起来。通过算例对所提模型及算法进行了验证。