基于自适应遗传算法的分布式电源多目标功率优化与模糊决策
基于离散粒子群及遗传算法的配网转供电寻优方案研究
2021年11期科技创新与应用Technology Innovation and Application方法创新基于离散粒子群及遗传算法的配网转供电寻优方案研究李嘉铭，陈恒，吴涛（广东电网有限责任公司湛江供电局，广东湛江524000）虽然近几年我国电网建设技术以及设备在不断的更新，但是从整体上来看，作为电网重要组成部分的配电网络，其基础设施依然比较差，技术工艺还有待于进一步的提高。
尤其是用户对供电质量的要求在不断的提高，配网作为连接电网与用户的重要环节，如果其出现故障，将会直接反映到用户供电效果上，最为直接的就是停电故障，不仅影响正常生产生活，还会带来巨大的经济损失。
基于离散粒子群以及遗传算法来对配电网转供方案进行分析，明确配网转供的重要性，并通过分析影响因素，从多种转供方案中择优执行，这对于改善配电网电能质量以及供电可靠性意义重大。
1配电网转供执行意义配电网是联系电力系统与用户两者的重要纽带，先是有效接收输电网所传送的电能，然后再将电能分配给电压等级更低或者该电压等级的用户，对向用户提供安全、可靠、稳定、经济供电意义重大[1]。
我国的配电网建设构造复杂度比较高，系统内安装有众多的各类开关，并且总里程较大，一般情况下电压低但是线损大。
尤其是对于很多早期建设的配网系统，网架构造不合理，供电质量较差，出现运行故障的可能性也比较高，尤其是为进一步满足用户供电需求不断的进行更新和扩容，更是加剧了配网运行稳定性不足的问题。
为更好的解决上述问题，便提出了配网转供策略，在配网供电故障且自动隔离后，通过负荷转移来缩小停电故障的范围，降低对用户供电质量的影响。
基于各种算法来对配电网转供方案进行优化和选择，确定执行可行性最强的最优方案，确保最多负荷得到转移，即做到最小停电范围。
即便是多地出现停电故障，通过转供方案的最优化处理，依然可以保证负荷的协调转移，维持设备负载的平衡性。
2粒子群优化算法摘要：配电网运行对整个电网系统来讲影响非常大，随着配电网的日益完善，整个网络的构成复杂性更高，如果一个环节出现问题，将会对整个网络的供电质量产生影响，降低用户供电质量。
有源配电网中分布式电源接入与储能配置
有源配电网中分布式电源接入与储能配置摘要：含分布式电源的配电网，亦称之为“有源配电网(activeDistributednetwork，ADN)”，作为分布式能源利用的主要手段，对缓解能源危机、优化能源结构、推动节能减排、调节电网负荷峰谷差、改善电能质量具有重要意义。
微网作为分布式电源接入电力系统的有效利用方式，能实现大规模、多类型的新能源就地消纳和即插即用，正在成为有源配电网的关键一环。
当微网在配电网中大量存在并发展成多微网系统(微网群)后，可以通过寻求微网之间的连接方案，即合理构建基于微网的有源配电网，构建新型有源智能配电网。
关键词：有源配电网；分布式电源；储能配置；引言在“双碳”背景下，规模化的分布式电源（Distributed Generation，DG）开始大量接入配电网，配电网对分布式电源的消纳能力逐渐成为研究热点。
分布式电源接入配电网可起到改善能源利用结构、支撑节点电压与提升可靠性指标等作用，但过多的分布式电源接入也会对系统的运行和控制产生影响，导致节点电压越限，对系统稳定性造成影响。
1新型有源配电网基本特征1.1网架有源化随着配电网系统中分布式新能源发电占比不断提高，传统配电系统中供用电环节角色界限逐渐模糊，配电网趋向有源化。
鉴于有源配电网分布式新能源受制于地理、季节和天气等因素影响，新型配电网系统规划和保护策略需要多种场景考虑，并对新能源发电管理与控制提出更高要求。
1.2装备智能化对配电网运行中产生的大量数据，进行收集、传输、储存和分析，利用大数据技术为调度决策、运行维护和电力交易提供精准指导，实现系统运行可调控。
一则智能电力设备通过自我传感、告警和状态分析等功能发挥，体现本地计算能力；二则家用电器具备智能控制功能，在用户许可下，与电力系统实行良性互动，参与电网辅助业务。
2有源配电网方案设计的基本原则1）电压等级。
有源配电网电压等级的选择应按照安全性、灵活性、经济性的原则，根据有源配电网中分布式电源和负荷的容量、并网线路载流量、大电网中上级变压器及线路可接纳能力、地区配电网情况综合比选后确定。
NSGA-II算法的改进及其在风火机组多目标动态组合优化中的应用
NSGA-II算法的改进及其在风火机组多目标动态组合优化中的应用王进;周宇轩;戴伟;李亚峰;宋翼颉【摘要】为了解决风火机组动态组合优化问题,重点针对时间耦合的动态特性及混合整数变量的求解,提出改进的基于非支配排序的遗传算法NSGA-Ⅱ(non-dominated sorting genetic algorithm-Ⅱ),引入节能减排理念,建立以CO2与SO2排放量及机组燃煤、启停费用最低的多目标函数.采用双层优化策略分别对启停离散量和负荷分配连续量进行寻优求解,引入模糊最大满意度决策法对Pareto解集进行决策,并嵌套在每次动态求解过程中.通过对某含风电场的10机组算例进行仿真,其结果表明了该方法的可行性和有效性.%To solve the dynamic unit commitment optimization with wind-thermal power,and considering the time-cou-pling dynamics and the solution to mixed-integer variables,an algorithm is proposed to improve the non-dominated sort-ing genetic algorithm-II( NSGA-II). With the introduction of the concept of energy-saving and emission reduction ,a multiobjective function is built,which aims to minimize the emission of CO2 and SO2,coal consumption,and start-stop cost. Double-optimization strategy is adopted to solve the discrete start-stop variables and the continuous load distribu-tion variables separately,and fuzzy satisfaction-maximizing method is introduced to make a decision on the Pareto solu-tion set,which is also imbedded into each dynamic solution. The simulation on a 10-unit wind farm shows that the pro-posed method is feasible and effective.【期刊名称】《电力系统及其自动化学报》【年(卷),期】2017(029)002【总页数】5页(P107-111)【关键词】节能减排;机组组合;多目标;最大满意度决策;基于非支配排序的遗传算法-II;双层优化【作者】王进;周宇轩;戴伟;李亚峰;宋翼颉【作者单位】长沙理工大学电气与信息工程学院,长沙 410114;长沙理工大学电气与信息工程学院,长沙 410114;长沙理工大学电气与信息工程学院,长沙 410114;长沙理工大学电气与信息工程学院,长沙 410114;湖南工业大学电气与信息工程学院,株洲 412007【正文语种】中文【中图分类】TM714.2随着我国经济的高速发展，对能源的消耗量与日俱增，化石能源所占比重过大伴随着一系列污染问题的产生，全国各地雾霾现象频发，空气污染问题引起全社会的高度重视，节能减排、低碳环保的理念逐渐成为社会的共识。
【国家自然科学基金】_有功网损_基金支持热词逐年推荐_【万方软件创新助手】_20140731
推荐指数 3 2 2 2 2 1 1 1 1 1 1 1 1 1 1
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13
2011年 科研热词 网损 高压直流输电 配电网 负荷质心 评估 电压/无功调整 容量卷积法 增量线性化模型 可靠性 发输电系统可靠性 分布式电源 优化配置 交直流系统 推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1
推荐指数 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2010年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
科研热词 无功优化 配电网络 逐层筛选寻优 电力系统 灵敏度 配电网重构 连续潮流 网损最小 稳定裕度 电压紧张 电压稳定 支路交换 参与因子 功率损耗 出力调整
2014年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
53 54 55 56 57
决策协调 优化调度 优化 互联电网 云进化
1 1 1 1 1
2014年 科研热词 无功优化 配电网 分布式电源 风电机组 输出功率 网损期望值 粒子群算法 粒子群优化算法 潮流模型 混沌粒子群算法 概率潮流 有功网损 智能优化算法 拓扑环 惩罚成本 序列二次规划法 小生境 化学反应算法 信赖域 优化控制 推荐指数 3 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
推荐指数 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
ቤተ መጻሕፍቲ ባይዱ
基于Matlab改进遗传算法的有功负荷分配研究
5自动化仪表6第30卷第11期 2009年11月修改稿收到日期:2008-10-08。
第一作者梁思聪,男,1980年生,现为新疆大学电气工程学院在读硕士研究生;主要研究方向为高压线路继电保护。
基于M atlab 改进遗传算法的有功负荷分配研究Research on Active Power D ispatch Based on Matl a b I m p r oved G eneti c A l g o rith m梁思聪 王维庆 张新燕 张华中(新疆大学电气工程学院,新疆乌鲁木齐 830008)摘 要:机组负荷优化分配是一种提高电厂经济性的方法,但目前还没有一种绝对严格的算法来实现这种优化分配。
引入模糊理论,建立了电站机组负荷分配模型,并运用爬山算法与基于M atl ab 的遗传算法相结合求解。
该算法不同于常规优化算法,其特点是优化过程简单、容易得到全局最优解、适合大规模的复杂系统求解。
通过算例分析,验证了该方法的有效性。
关键词:遗传算法 隶属函数 建模 控制策略 优化 有功负荷中图分类号:T M 715 文献标志码:AAbstract :Load optm i izati on d i spatch o f t he po w er unit i s one o f the m et hods t o enhance econo m ic perf o r mance of power plan,t but at presen,t t here i s no abs o l utel y stri ct algor it h m for t he purpose .The l oad dis patchm odel is establis hed by i ntroduci ng fuzzy t heory ,and the s o l uti on is got by co mbini ng the gene tic a l gorit h m based onM a tlab and hil-l clm i bi ng a l gorit h m.D ifferent from the regul ar optm i i zati on a l gorit h m s ,it fea t ures sm i p l e process and to get the globa l optm i a l so l ution easil y ;and suitable f or l arge -scaled co mpli cated syst ems .The e ffecti veness o f t he method is ver ified t hrough calcul a tion exa mple .K ey words :G enetic a l gorith m(GA ) M e mbershi p f uncti on M odeli ng Control strategy O ptm i izati on A ctive power0 引言随着电力系统规模的日益扩大,电力系统的经济运行越加重要,机组负荷分配就是其中一个非常重要的内容。
遗传算法原理-转转大师
5、遗传算法原理与应用5.1 遗传算法概述5.2 遗传算法的生物学基础5.3 基本遗传算法5.4 模式定理5.5 遗传算法的实现技术5.6 遗传算法的应用举例5、1 遗传算法概述一、问题提出遗传算法（Genetic Algorithms GA ）是一种基于自然选择和基因遗传学原理的优化搜索算法，两个研究目的：抽象和严谨的解释自然界的适应过程；将生物系统的重要机理运用到工程系统、计算机系统等人工系统中。
遗传算法在计算机上模拟生物的进化过程和基因操作，并不需要对象的特定知识，也不需要对象的搜索空间是连续可微的，具有全局寻优能力。
一些常规的优化算法难以有效解决的问题，遗传算法的寻优技术往往能得到较好的效果，常用于函数优化、自动控制、图像识别、机器学习等。
1、智能优化算法又称现代启发式算法，是一种具有全局优化性能、通用性强、且适合于并行处理的算法。
算法一般具有严密的理论依据，而不是单纯凭借专家经验，理论上可在一定时间内找到最优解或近似最优解。
（1）遗传算法（Genetic Algorithm，简称GA）（2）模拟退火算法（Simulated Annealing，简称SA）（3）禁忌搜索算法（Tabu Search，简称TS）共同特点：都是从任一解出发，按照某种机制，以一定的概率在整个求解空间中探索最优解。
由于可以把搜索空间扩展到整个问题空间，因而具有全局优化性能。
2、自然选择说生物种群的生存普遍遵循达尔文的物竞天择、适者生存的进化准则，遗传算法是1962年由美国Michigan大学的Holland教授提出的模拟自然界遗传机制和生物进化论而成的一种并行随机搜索最优化方法。
遗传算法是以达尔文的自然选择学说为基础发展起来的。
自然选择学说包括以下三个方面：（1）遗传生物的普遍特征，亲代把生物信息交给子代，子代总是和亲代具有相同或相似的性状。
生物有了这个特征，物种才能稳定存在。
（2）变异亲代和子代之间以及子代的不同个体之间的差异。
【国家自然科学基金】_多目标组合优化_基金支持热词逐年推荐_【万方软件创新助手】_20140802
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106
科研热词 推荐指数 多目标优化 5 生产提前期 3 排队系统 3 多目标规划 3 遗传算法 2 多目标 2 风险度量 1 风险价值 1 项目调度 1 随机权重多目标遗传算法 1 陶瓷材料 1 量子进化算法 1 量子计算 1 量子位 1 采购策略 1 遗传模拟退火 1 遗传局域搜索 1 适应度赋值 1 进化策略 1 过滤定向搜索 1 贷款组合 1 购电组合理论 1 购电策略 1 贝叶斯平均模型 1 自适应控制 1 联合通航调度 1 网段划分 1 综合评价 1 组合有效性 1 约束优化 1 精密磨削 1 精华保留策略 1 粒子群算法 1 粒子 1 第二代非支配排序遗传算法 1 移动agent 1 离散 1 确定性等价回报率 1 电力市场 1 满意度 1 满意优化 1 混合遗传算法 1 消息 1 氧化铝生料浆调配过程 1 模糊集 1 模糊逻辑 1 模糊规划 1 模糊优化 1 模拟退火 1 样本单元 1 柔性作业车间调度 1 服务质量 1
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
基于模糊聚类的峰半径自适应调整遗传算法
摘 要 ： 提出了基于模糊相似聚类的峰半径自适应调整遗传算法。在遗传演化过程中将峰半径作为决策变量的一部分参
与 染 色 体 的 编 码 演 化 ， 用 遗 传 算 法 的 优 化 能 力在 对 问 题 进 行 优 化 的 同时 对 个 体 的 峰 半 径 进 行 自适 应 调 整 ； 聚 类过 程 利 在 中 ， 过 对 模 糊 相 似 度 的 调 节来 控 制 聚 类 结果 ， 够避 免 找 到 无 效 的 极 值 点 并 且 无 需 事 先 确 定 小 生 境 的 数 目和 半 径 。 理 论 通 能
维普资讯
２０ ０ ８年 ６月
矿 业 科 学 技 术
第 ３ 卷 第 ２期 ６
基 于 模 糊 聚 类 的 峰 半径 自适 应 调 整 遗传 算 法
谭 艳 艳 许 峰 ，
（ ． 徽 理 工 大 学计 算 机 科 学 与 工 程 学 院 ， 徽 １安 安 淮南 ２ ２ ０ ；． 徽 理 工 大 学 理 学 院 ， 徽 ３０ １２ 安 安 淮南 ２２０） ３０ １
优解 ， 传算 法在 求解 这 一类多 解 优化 问题 中具 有 遗 某些 优势 ， 是 因为遗 传算 法在 演 化过程 中总要保 这
整， 从而使得应用适应值共享遗传算法 时不需 要事先 给定每个峰的半径， 可以根据需要求得多个峰 。 就 虽然 上述 的 自适 应调 整 峰 半径 的适 应 值共 享
持 一 定规 模 的种 群 的缘故 。 这类 多解 问题 也可 以称
为多 峰 问题 ， 每个 峰对 应一 个解 。但 是在 种群 规模
遗传算法在无须知道峰半径的情况下能够求解 多 峰问 题 ， 算 法 最后 聚 类 过 程 中 ， 于 峰 个 数 的确 但 对
定并未 提供 有效 的方 法 ， 遍采 用 Ｋ一均 值 聚类法 普 对最后 一代 的群体 进 行聚类 ， Ｋ一均值 聚类 法 只 而 能 产 生预定 的 ｑ个 聚类 中心 ， 在预 先难 以确 定 小 生
多目标权衡的优化方法
多目标权衡的优化方法全文共四篇示例，供读者参考第一篇示例：多目标优化问题在实际生活和工程应用中非常常见，在工程设计中需要考虑成本、效率和质量等多个目标。
在面临多个目标的优化问题时，需要找到一个平衡点来满足不同目标之间的权衡关系。
多目标权衡的优化方法就是一种能够有效解决这类问题的技术。
在多目标优化问题中，传统的单目标优化技术已经不再适用，因为单一目标的优化不能充分考虑到所有的目标。
多目标权衡的优化方法通过考虑多个目标之间的平衡关系，使得不同目标的优化结果能够在一定程度上取得最优解。
多目标权衡的优化方法主要包括以下几种技术：多目标遗传算法、多目标粒子群优化算法、多目标模糊优化算法等。
这些方法通过不同的优化策略和算法模型，实现了多目标的权衡，让用户在不同的目标之间找到一个合适的平衡点。
多目标遗传算法（MOGA）是一种经典的多目标优化技术，通过模拟自然界的进化过程，利用进化算子如交叉、变异等操作来不断搜索最优解空间，找到最优的权衡解。
MOGA能够同时优化多个目标函数，并给出一组最优解中的非劣解集合，让用户在这个集合中选择最适合自己需求的解。
多目标粒子群优化算法（MOPSO）则是基于群体智能的优化方法，通过模拟鸟群的觅食行为来搜索问题的最优解。
MOPSO算法不仅仅考虑到单一的最优解，而是从多个角度去考虑问题的最优解，从而找到一个全面的解决方案。
多目标模糊优化算法（MOMO）则是一种基于模糊逻辑的优化方法，通过模糊集和模糊规则来表达问题的多个目标和约束条件，通过模糊推理来求解最优解。
MOMO算法能够在不确定性条件下处理多目标问题，使得结果更加鲁棒性和鲁棒性。
多目标权衡的优化方法为解决实际生活和工程中的多目标优化问题提供了有效的技术支持。
通过选择不同的优化方法和算法，用户可以根据自己的需求和目标来找到最合适的解决方案。
多目标优化技术的不断发展和完善，将为实现更加全面、高效的优化解提供更多的可能性。
第二篇示例：在现代社会中，我们常常面对各种各样的决策问题，需要在不同的目标之间进行权衡和取舍。
基于变权系数法的多目标非劣解的模糊决策
ｍ ｎＸ ＝ｆ ） ｆ ） ｉ （）［ Ｘ， ｒ ｆ ， …， （
ｓ． ． ｔ ） （＝ ，－ ） ≤Ｏ ｕ ｌ－ ， －ｑ （．） １１ ｈ ）ＯＶ ｌ…，） ＝ （＝ ， Ｐ
Ｉ ｎ
ห้องสมุดไป่ตู้
若 其 个目 数ｆ ） １ ， 赋 同 权系 １ ∈（ １１０ Ｏ， １ 大 代表 应目 给 各 标函 ｉ （ ， ｍ 予不 的 数（ ｛∑（ ， ＞ １其中（的 小 相 标 （ｉ… ） Ｘ： ） １ ） Ｏ ］ 。 ） Ｉ ｉ － ／ ） ｉ
（． １） ４
其中 ： ， ｍ是随机生成的非负实数。 １…， 】 （） ２ 选择算子 选择算子 的步骤如下 ： ｓｐ： ｔ ｌ评价群 体中的每个个体 ， ｅ 满足非 劣条件 的个体被无条件的保留到下一代群体 。
Ｓｅ２ 重复 以下操作 直到选择 出群体 的所有个体 ： ｔｐ ：
行分类 ， 出代表个体 ， 给 方便 决策者从 中选择适合 自己的 Ｐ ｒｔ ａ ｏ最优 解。 ｅ
关键词 ： 目标优化 ； 多 遗传 算法 ；ａｅ Ｐ ｒｔ ｏ最优 解； 模糊 决策
中图分类号 ： ４ ． Ｏ１ １ ４ 文献标识码 ： Ａ 文章编号 ：０ ８ ３ ２ （０ ７ ０ — ０ ９ ０ １０ — ４ １２ ０ ）５ ０ ０ － ６
ｉ
ｆ ） 在多 目标优化问题 中的重要程度 ， 形成 如下单 目标优化问题 ：
１ ｒ＇
ｍｎ ． ｏ（ ｉ２ ｉ ） １ ｆ ｏｉ ｘ
ｉ＝ １
ｓ． ． ｔ
） （ ＝ ， ｑ ≤Ｏ ｕ ｌ …，）
（． １） ２
ｈ ）Ｏｖ ｌ…， ＝（ ， Ｐ ＝ ）