针对多个风电机组接入配电网带来的不确定性问题,采用基于拉丁超立方采样的Monte Carlo概率潮流计算方法(correlation Latin hypercube sampling Monte Carlo simulation,CLMCS)以及场景缩减技术得到风机组输出功率的典型场景,将不确定...针对多个风电机组接入配电网带来的不确定性问题,采用基于拉丁超立方采样的Monte Carlo概率潮流计算方法(correlation Latin hypercube sampling Monte Carlo simulation,CLMCS)以及场景缩减技术得到风机组输出功率的典型场景,将不确定性问题转化为单场景确定性潮流问题。并建立以有功网损最小、电压偏差最小作为目标函数的配电网无功优化数学模型。采用e正交多目标差分进化算法(e-orthogonal differential evolution multi-objective algorithm,e-ODEMO)进行计算得到非劣解集,该算法基于一般差分演化算法,结合正交实验方法使初始个体均匀分布在决策变量空间,利用e占优技术对Archive群体进行更新,能得到均匀分布的非劣解集。应用IEEE 33节点以及PG&E 69节点配电网系统进行了测试,结果验证了所提方法和模型的可行性与有效性。展开更多
在传统电力系统无功优化(Reactive Power Optimization,RPO)模型中引入电压水平指标,建立了以网损最小,电压水平最好为目标的多目标差分进化算法(Differential Evolution Algorithm)的模型。针对基本差分进化算法易陷入局部最优解、收...在传统电力系统无功优化(Reactive Power Optimization,RPO)模型中引入电压水平指标,建立了以网损最小,电压水平最好为目标的多目标差分进化算法(Differential Evolution Algorithm)的模型。针对基本差分进化算法易陷入局部最优解、收敛速度慢的缺点,提出一种具有自适应参数策略的改进差分进化算法并首次用于多目标电力系统无功优化问题。通过在算法进化过程中调整变异因子F和交叉因子CR,在初期增加种群的多样性、扩大全局搜索区域;从而可以避免算法陷入局部最优解;同时在后期也加快了收敛速度。将该算法用于电力系统无功优化并仿真计算了IEEE-14节点标准测试系统,结果验证模型和算法的有效性。展开更多
针对多目标动态柔性作业车间调度问题,提出一种改进的多目标差分进化算法进行求解。在差分进化算法中引入自适应交叉变异算子,提高算法的全局搜索能力;在选择排序时引入基于免疫学原理的快速非支配排序法,提高解集的质量。提出改进的TOP...针对多目标动态柔性作业车间调度问题,提出一种改进的多目标差分进化算法进行求解。在差分进化算法中引入自适应交叉变异算子,提高算法的全局搜索能力;在选择排序时引入基于免疫学原理的快速非支配排序法,提高解集的质量。提出改进的TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)—G1—熵权综合决策方法。通过Nash均衡理论计算得出G1—熵权法的综合权重;将综合权重与TOPSIS评价体系组合对各调度方案进行评价。通过实验仿真验证了优化调度算法在寻优能力上的优越性以及综合决策方法的有效性。展开更多
文摘针对多个风电机组接入配电网带来的不确定性问题,采用基于拉丁超立方采样的Monte Carlo概率潮流计算方法(correlation Latin hypercube sampling Monte Carlo simulation,CLMCS)以及场景缩减技术得到风机组输出功率的典型场景,将不确定性问题转化为单场景确定性潮流问题。并建立以有功网损最小、电压偏差最小作为目标函数的配电网无功优化数学模型。采用e正交多目标差分进化算法(e-orthogonal differential evolution multi-objective algorithm,e-ODEMO)进行计算得到非劣解集,该算法基于一般差分演化算法,结合正交实验方法使初始个体均匀分布在决策变量空间,利用e占优技术对Archive群体进行更新,能得到均匀分布的非劣解集。应用IEEE 33节点以及PG&E 69节点配电网系统进行了测试,结果验证了所提方法和模型的可行性与有效性。
文摘在传统电力系统无功优化(Reactive Power Optimization,RPO)模型中引入电压水平指标,建立了以网损最小,电压水平最好为目标的多目标差分进化算法(Differential Evolution Algorithm)的模型。针对基本差分进化算法易陷入局部最优解、收敛速度慢的缺点,提出一种具有自适应参数策略的改进差分进化算法并首次用于多目标电力系统无功优化问题。通过在算法进化过程中调整变异因子F和交叉因子CR,在初期增加种群的多样性、扩大全局搜索区域;从而可以避免算法陷入局部最优解;同时在后期也加快了收敛速度。将该算法用于电力系统无功优化并仿真计算了IEEE-14节点标准测试系统,结果验证模型和算法的有效性。
文摘针对多目标动态柔性作业车间调度问题,提出一种改进的多目标差分进化算法进行求解。在差分进化算法中引入自适应交叉变异算子,提高算法的全局搜索能力;在选择排序时引入基于免疫学原理的快速非支配排序法,提高解集的质量。提出改进的TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)—G1—熵权综合决策方法。通过Nash均衡理论计算得出G1—熵权法的综合权重;将综合权重与TOPSIS评价体系组合对各调度方案进行评价。通过实验仿真验证了优化调度算法在寻优能力上的优越性以及综合决策方法的有效性。
