遗传算法与传统优化方法应用于电力负荷建模的比较研究

将遗传算法应用于电力系统综合负荷建模．以三阶感应电动机为综合负荷模型，以待辨识参数为未知向量，以系统实测与模型响应误差平方和为目标函数；以随机初始种群为基础进行交叉一变异一选择运算并产生下一代种群；通过若干代进化即可获得具有足够精度的辨识结果．通过实验数据将遗传算法与传统模式搜索算法的建模结果比较，表明遗传算法所得模型的描述精度比模式搜索法高10倍，其模型参数呈现很好的稳健性，从而有效地克服了传统优化方法的模型参数分散性。     

基于自适应遗传算法的渗流参数辨识研究

【目的】针对简单遗传算法难以确定交叉率和变异率的最佳值、计算量较大及易早熟等缺点,提出以自适应遗传算法来进行渗流参数辨识,为获得工程所需的计算参数提供参考。【方法】利用水头实测资料,以渗透系数为待辨识参数,在采用简单遗传算法进行参数辨识研究的基础上,力求使改进的遗传算法计算量更小,收敛性更强,同时结合三维稳定渗流有限元工程实例进行了反演计算。【结果】自适应遗传算法在保持简单遗传算法优点的同时,有效地提高了算法的收敛性,并在一定程度上克服了简单遗传算法的早熟问题。【结论】自适应遗传算法为渗流领域的参数辨识提供了新的途径。     

电网动态负荷有功模型参数辨识研究

针对动态负荷模型的参数辨识问题进行研究。通过对实测电网有功功率和电压信号的实验分析,借助MATLAB系统优化工具箱,给出了动态负荷模型参数辨识的具体方法和步骤。结果表明:利用参数辨识方法得到的负荷模型能够较好地体现电网实测有功功率的变化规律,对于深入研究电网动态负荷模型的特性有重要意义。     

负荷动特性综合方法研究

针对如何建立同类负荷动特性的综合模型问题,提出了基于实测响应空间的负荷动特性直接综合方法.该方法首先应用重心法确定同一类负荷特性的聚类中心,再通过对聚类中心等效样本进行参数辨识,以得到的模型参数作为该类负荷特性的综合模型参数.通过对某一变电站现场采集的负荷特性数据进行综合建模,结果表明该方法正确有效,而且其实现比综合辨识建模以及参数加权平均综合建模更为简便.     

遗传算法的改进

简单遗传算法存在着收敛速度慢,易陷入局部极小等缺陷,针对这２点,对遗传算法的各个环节作了改进;对初始方案集的产生做了改进,提出了更加适合自然规律的竞争选择法,设计出与迭代次数成反比,与父串间的距离成正比的自适应变异率。实例验证表明,改进的遗传算法的收敛速度和获得全局最优解的概率都有很大提高。     

基于改进遗传算法的河流水质模型多参数识别

结合多种群遗传算法和自适应遗传算法,提出基于多种群-自适应遗传算法(MPAGA)水质模型多参数识别方法,实现对河流水质模型参数断面平均流速u、河流离散系数D和污染物降解系数K识别和估计。利用河流示踪剂实验监测数据,分别对美国特拉基河3个不同流量河段作水质模型多参数识别和估计。结果表明,与传统遗传算法(TGA)相比,MPAGA算法对3种不同流量河段水质模型参数估计结果准确和可靠。基于MPAGA水质模型多参数识别方法和分河段水质模型参数估计结果可提高河流水污染预测精度,判定河流水污染危险区域,为保障工农业用水安全提供重要科学依据和技术支撑。     

自适应遗传算法及其在渗流参数反演中的应用

利用水头实测资料,以渗透系数为待反演的参数,在采用基本遗传算法进行参数反演研究的基础上,针对简单遗传算法难以确定交叉率和变异率的最佳值及计算量较大、易早熟等缺点,提出以自适应遗传算法来解决工程中的这类反演问题;为力求使改进的遗传算法计算量更小,收敛性更强,同时结合简单的二稳定渗流有限元算例,在相同的情况下分别用简单遗传算法和自适应遗传算法进行了反演计算。结果表明,自适应遗传算法在保持简单遗传算法优点的同时,有效地提高了算法的收敛性,并在一定程度上克服了简单遗传算法的早熟问题。因此,自适应遗传算法为渗流领域求解反演问题提供了新的途径。     

改进遗传算法在机械优化设计领域的应用进展

 遗传算法具有比传统优化方法更易于解决优化问题的能力,传统遗传算法与其他算法相结合的研究而形成的诸多改进遗传算法,在不同领域获得了广泛的应用并有了长足的发展。在论述了遗传算法应用于机械优化设计的优势以及改进遗传算法的研究趋势后,以改进的遗传算法应用于机械优化设计的典型范例,就近几年来在机械优化设计中的应用发展,计算精度改进及前景作了必要的讨论。     

药物动力学系统的参数辨识

本文采用现代控制理论的方法研究药物动力学系统的模型参数辨识问题,以白鼠口服氟的实验数据,得到五室模型的参数.     

遗传算法参数分析及其在根系预报中的应用

遗传算法优化神经网络模型时,参数选取直接关系到模型优化的效率。在给出一种遗传算法的基础上对相关参数进行了研究分析,并将其应用到冬小麦根系分布的预报中。     

基于改进遗传算法的图像恢复

论述了基于遗传算法的图像恢复方法 ,提出了将模拟退火法和遗传算法相结合求解图像非线性最优化问题的算法。改进的算法提高了进化速度和全局寻优的能力 ,从而提高了图像的复原度 ,实验结果表明算法是有效可行的。     

模糊C均值聚类在电力负荷建模中的应用研究

针对负荷建模中统计综合法研究薄弱的现状,在某省全电网大范围调研基础上,提出了基于模糊C均值算法的分类思想,并对调查的48个枢纽变电站和纺织行业典型用户的负荷特性进行了分类研究,得到其相应聚类中心矩阵,分析了聚类结果和聚类中心矩阵,得出了有意义的结论,表明该方法可以有效的进行变电站的聚类和综合以及典型行业用户的精选,解决了负荷建模中变电站特性分类处理和典型用户的精选的复杂性与主观性,对综合负荷建模具有重要的指导意义.该方法具有概念清晰,计算方便,算例论证了其正确性和有效性.     

模糊自适应遗传算法在农村电站无功补偿优化中的应用

运用模糊自适应遗传算法对农村电站无功补偿优化数学模型进行了优化计算,通过实例的计算机仿真,搜索到了电站无功补偿费用最低的优化补偿点,结果符合实际应用情况,表明自适应遗传算法应用于农业工程优化设计计算切实可行。     

改进遗传算法在输气管道运行优化中的应用

针对在天然气长输管道运行优化中广泛使用的传统遗传算法存在的诸多问题,结合天然气长输管道的运行特点,对传统遗传算法加以改进.使用改进后的遗传算法对管道运行优化的计算结果表明,改进遗传算法优于动态规划算法和传统遗传算法,在天然气长输管道的运行优化过程中具有实用价值.     

一种基于元胞自动机的改进遗传算法

针对遗传算法中存在搜索效率和解精度低的问题,结合元胞自动机模型,提出了一种改进的遗传算法——竞争杂交算法。在适应度函数中运用元胞自动机模型进行竞争复制,在确定交叉算子时进行杂交,依此来对遗传算法进行改进。仿真结果表明,竞争杂交算法在搜索速度和概率上比简单遗传算法要高一些。     

基于遗传算法的变压边力模型及其在回弹控制中的应用

为尽可能地减少回弹对冲压件质量的影响，采用Hughes和Liu提出的适用于非线性的二维壳单元来开发冲压和回弹的计算程序．在准确预测回弹量的前提下，提出了一种基于遗传算法的变压边力模型用于回弹控制．与常压边力模型相比，回弹得到很好控制，能够得到更好的成型结果．     

基于遗传算法与粒子群算法的配电网无功优化

根据遗传算法(GA)收敛效果好和粒子群算法(PSO)收敛速度快的特点,将两者相结合对配电网无功优化模型进行求解。计算结果表明:该算法是收敛的、有效的。     

电力系统短期负荷预计(DFY)

电力系统调度部门,为了经济、可靠和安全供电,一般要进行短期负荷预计.本文介绍一个次日24小时的负荷预计模型和其程序在计算机上的操作过程.负荷模型分为两部分—正常情况和非正常情况下的预计.对湖南电网给出了预计的实际结果.