种群中的个体进行潮流计算来逐步修正个体的适应度。分别采用标准遗传算法、自适应遗传算法和改进遗传算法对IEEE14和IEEE118节点标准测试系统进行仿真计算。实验结果表明,该改进遗传算法在寻优过程中能够避免陷入局部最优,其求解精度也大大提高,计算时间也比其它两种方法大大缩减。实验验证了该算法的有效性。Р论文提出采用遗传算法解决电力系统最优潮流问题。针对遗传算法容易出现早熟的缺点提出了一种改进的遗传算法。该改进的遗传算法引入种群分化机制,采用了动态自适应的交叉变异算子,有机结合了改进的启发式交叉方法和随迭代次数退化的混沌变异法,并设计了一种令算法跳出局部最优的机制。测试结果表明,该改进算法在一定程度上避免了标准遗传算法的“早熟”现象,提高了收敛性能,其求解精度和寻优速度都要比标准的遗传算法和自适应遗传算法有所提高。Р 以电力系统有功损耗最小为目标,将有功功率、无功功率和电压等不等式约束作为惩罚项加入目标函数,构造出相应的适应度函数。为满足作为等式约束的基本潮流方程,对种群中的个体进行潮流计算来逐步修正个体的适应度。分别采用标准遗传算法、自适应遗传算法和改进遗传算法对IEEE14和IEEE118节点标准测试系统进行仿真计算。实验结果表明,该改进遗传算法在寻优过程中能够避免陷入局部最优,其求解精度也大大提高,计算时间也比其它两种方法大大缩减。实验验证了该算法的有效性。Р论文提出采用遗传算法解决电力系统最优潮流问题。针对遗传算法容易出现早熟的缺点提出了一种改进的遗传算法。该改进的遗传算法引入种群分化机制,采用了动态自适应的交叉变异算子,有机结合了改进的启发式交叉方法和随迭代次数退化的混沌变异法,并设计了一种令算法跳出局部最优的机制。测试结果表明,该改进算法在一定程度上避免了标准遗传算法的“早熟”现象,提高了收敛性能,其求解精度和寻优速度都要比标准的遗传算法和自适应遗传算法有所提高。
全文预览
