食物链生态进化算法的改进及其在输电网络规划中的应用

基于食物链生态进化算法各级种群的规模和品质的不同特点,提出了在低级种群和中级种群中分别采取确定式采样选择和比例选择、高级种群不进行选择操作而采用最优保留策略的改进方法,并将其应用于求解输电网络扩展规划问题。所提出的改进方法进一步均衡了食物链生态进化算法的全局搜索和局部搜索能力,改善了其收敛性能。以具备新建(扩建)线路的走廊作为决策变量,并用实数进行编码,缩短了码串长度。通过对18节点系统的计算,得到了已有文献给出的多个全优和局优方案,并获得了其他文献还未给出的四个比较理想的局优方案。采用所提方法对一个实际系统进行了规划,验证了其适应性。

基于生物地理学优化算法的输电网络规划

随着栖息地居住条件的变化,生物物种在各个栖息地之间不断迁移。将根据自然界物种迁移规律构造的生物地理学优化算法(biogeography-based optimization,BBO)应用于求解输电网络规划问题。针对BBO算法开采能力较强而搜索能力偏弱的特点,采用排重操作对其进行改进。以18节点系统为算例,对各种机制作用下的BBO算法的寻优能力以及与遗传算法的性能差别进行了对比分析。结果显示包含排重操作的BBO算法为兼顾了开发能力和搜索能力、可与遗传算法比拟的寻优方法。

无重访遗传算法及其在输电网络规划中的应用

将无重访的遗传算法(non-revisiting genetic algorithm,NrGA)应用于求解输电网络规划问题。NrGA通过空间二叉分割(binary space partitioning,BSP)和相应的二叉分割树(BSP tree)数据结构对遗传算法搜索过的历史位置进行记录,能够快速检测遗传操作产生的新解是否在BSP tree的历史存档中,对历史存档中已有的新解使用基于BSP的自适应变异机制进行操作,实现遗传算法的无重访搜索。此外,针对输电网络规划问题的具体特点,从编码、交叉、惩罚方法等方面对算法进行改进。最后通过一个典型算例对所提出的方法进行验证。与普通遗传算法相比,NrGA算法具有参数设定区间宽泛、收敛到最优解的概率高等多方面的优势。

MPGA在输电网络规划中的应用

利用一种多模态单亲遗传算法MPGA(MultiPartheno-GeneticalAlgorithm),目标不是发现一个最优解而是多个最优或次优解的集合。主要是对交叉算子和选择机制作了改进,群体中个体能较好地保留自己的遗传特性,增强了种群个体的分散性,使得优化结果更加全面,具有一定的可选择性。该方法不仅易实现并行或分布计算,且群体规模可以任意选取,采用的算例验证了该算法的有效性。

具有粒子群特征的并行蚁群算法在输电网络规划中的应用

输电网络规划是一个复杂的多变量非线性整数规划问题,针对蚁群算法计算时间长、易陷入局部最优解等问题,本文提出一种新的具有粒子群特征的并行蚁群算法,并应用于输电网络规划.实验结果证明了该算法在输电网络规划优化中应用的可行性和有效性.

基于食物链生态进化算法的多阶段输电网络规划

将模拟生物界能量传递方式的食物链生态进化算法应用于多阶段输电网络规划。根据食物链生态进化算法收敛性受初始食物链上个体分布影响较大的特点,提出了一种初始化方法。该方法使得初始种群广泛分布于搜索空间,避免了完全随机初始化群体分布不合理的缺点。根据多阶段输电网络规划的特点,提出了以待选线路为决策变量,规划阶段号为搜索域的实数编码方法,解决了决策变量维数随着规划阶段数的增加而增加的问题。根据食物链中低级种群和中级种群品质较低的特点,提出了大变异策略,使得低级种群和中级种群可以快速产生新个体,改善群体品质,避免"早熟"。将所提方法应用于19节点系统,得到了现有文献中有关该系统的最优规划方案,表明该方法的可行性和有效性。

基于模态空间及空间压缩理论的粒子群算法在输电网络规划中的应用

提出了模态空间及空间压缩理论,将每次搜索到的一个满足N-1原则的网络定义为一个模态,并定义模态空间.将该理论应用于粒子群算法(PSO),通过防止重复搜索已搜索的模态空间对整个可行空间进行压缩,提高了算法的全局搜索效率,并提出了模态结构变异法,为算法提供了跳出局部最优的途径.通过算例与普通PSO算法的分析比较,证明了模态理论的正确性和应用模态理论的PSO算法具有全局、快速的搜索性能.

动态输电网络规划的组合编码遗传算法

针对动态输电网络规划过程中需要考虑时间决策量的问题,提出了组合编码方式。组合编码方式将多阶段输电网络规划中的时间决策量隐含在编码中,从而使得多阶段的动态输电网络规划问题能够转换成静态规划问题进行求解。该编码方式满足表现型和基因型的1对1映射,及表现型空间与基因型空间距离上的一致性,从而保证了遗传算法的搜索效率。此外,针对动态输电网络规划的特点,对遗传算法的交叉算子、变异方式、适应度函数、惩罚系数等方面进行了改进,进一步改善了遗传算法求解多阶段输电网络规划问题的性能。以19节点系统为例对算法进行了验证,结果表明能够在较短的进化代数内得到问题的最优解。

输电网络规划协调优化模型及其应用

提出的输电网络规划协调优化模型是一个既考虑规划设计人员的经验和判断能力，又充分发挥计算机功能的模型．该模型能考虑一些难以量化的因素，得出的网络发展方案现实可行．应用本文模型作大系统实际输电网络规划方案的研究，均得到了合理的规划方案．

基于改进微分进化算法的输电网络规划

提出一种改进微分进化算法来求解输电网络规划问题。该算法采用控制参数自适应调整策略,保持了种群的多样性并提高了全局搜索能力。同时引入联赛选择算子,避免了应用惩罚函数法构造适应度函数时难以选择惩罚系数的问题。18节点测试系统的计算结果验证了所提算法的有效性。

考虑N-1安全准则的中长期输电网络规划

随着区域电网联系的加强,传统的中长期输电网络规划方法和运行的可靠性已不能适应提高抵御电网事故风险的能力。利用伪动态规划思想处理规划上的多阶段问题,将混沌优化算法和人工鱼群算法相结合,充分发挥各自优点,并考虑N-1安全准则,不仅保证规划方案的最优还提高了规划效率,同时使电网更可靠地运行。对巴西南部46节点系统的计算结果表明,考虑N-1安全准则的规划方案具有更高的可靠性和适应性。

安全割集与输电网络规划

本文采用线性规划启发式算法，通过引入安全割集到求解模型，求取综合考虑既满足正常运行技术条件又满足Ｎ一１安全检验原则的最小费用网络规划方案。

输电网络规划的GPW程序

介绍了应用于输电网络中长期规划的ＧＰＷ程序。该程序具有灵敏度分析功能和Ｎ－１故障分析功能，具有计算速度快和多目标优化的特点。

改进遗传算法在输电网络规划中的应用研究

首先对输电网络规划和遗传算法进行简要论述,并确立了数学模型。为了提高遗传算法在输电网络规划中的优化性能,提出了改进自适应遗传算法(MAGA)。该方法有助于防止传统遗传算法过早收敛和走向局部最优,适应于多变量、多目标的环境,能够快速的找到全局最优。通过对实际系统的计算表明,MAGA具有可行性。最后,应用了2种不同算法进行性能比较,证实了MAGA有更强的优化性能。

改进遗传算法在输电网络规划中的应用

为了提高遗传算法在输电网络规划中的优化性能,提出了改进自适应遗传算法(MAGA)。该方法有助于防止传统遗传算法过早收敛和走向局部最优,适应于多变量、多目标的环境,能够快速地找到全局最优。介绍了提出的改进方法包括,采用实数编码方式、惩罚函数自适应调整、设置保留算子,以及该方法的实现过程等具体内容。通过对实际系统的计算表明,MAGA具有可行性和更强的优化性能。

输电网络规划优化的算法研究

输电网络规划的任务是根据规划期内负荷增长和电源规划方案确定相应的最佳电网结构,以满足经济可靠输送电能的要求.输电网络规划的基本原则是在保证将电力安全可靠地输送到负荷中心的前提下,使电网的建设和运行费用最小.

基于遗传算法的输电网络规划模型

针对输电网络规划存在的两方面的问题,把遗传算法应用于输电网络规划,提出了基于遗传算法的输电网络规划模型,该模型还考虑了“N—1”事故检验,使得规划方案更加合理。以新建线路的投资年费用和系统年运行费用之和最小为目标函数,建立了输电网络规划的数学模型。

多阶段输电网络最忧规划的遗传算法

多阶段输电网络最优规划问题是一个复杂的非线性组合优化问题，尝试利用遗传算法来解决输电网络动态规划问题，提出了相应的数学模型，构造了染色体的编码方法和适应函数，并用退大选择遗传算法进行了计算。算例系统的计算结果证明了这种方法的可行性及有效性。

应用改进遗传算法实现输电网络最优规划

对传统遗传算法中的交叉和变异算子算法进行了改进,并实施了在初始群体中保留若干最优解的策略,形成了改进遗传算法,并将其应用在输电网络优化规划中。改进的遗传算法具有快速搜索,易收敛和鲁棒性强的特点,算例验证了该方法应用到输电网络规划中的有效性。

基于运输模型的输电网络优化规划模型的改进研究

通过基于运输模型的输电网络优化规划模型改进方法的介绍，提供了一个较完整的输电网络优化模型。该模型既考虑了输送容量限制，又考虑了转送容量的限制与转送费用。同时，它还保持了运输模型的原有优点。