进化算法及其在智能配电网中的应用PDF电子书下载

第1章 智能配电网概述 1

1.1智能配电网的概念 1

1.2智能配电网的特征 1

1.2.1智能配电网规划方面 2

1.2.2智能配电网运行与控制方面 3

1.3进化算法的研究趋势 8

1.3.1进化计算 8

1.3.2进化神经网络 9

参考文献 10

第2章 遗传算法 11

2.1引言 11

2.2遗传算法的理论分析 11

2.2.1基本原理 11

2.2.2基本概念与要素 12

2.2.3性能指标 20

2.2.4算法流程 21

2.3遗传算法在求解无功优化中的应用 23

2.3.1遗传模拟退火算法 23

2.3.2无功优化问题的数学模型 24

2.3.3自适应遗传模拟退火算法 25

2.3.4算例分析 29

参考文献 30

第3章 粒子群算法 32

3.1引言 32

3.2粒子群算法理论基础 33

3.2.1标准粒子群算法 33

3.2.2标准粒子群算法变体 36

3.2.3混合粒子群算法 40

3.3粒子群算法在智能配电网中的应用 43

3.3.1智能配电网优化分析数学模型 44

3.3.2智能配电网优化建模方法 44

3.4粒子群算法的程序实现 45

3.4.1标准粒子群算法 45

3.4.2标准粒子群算法变体 46

3.4.3混合粒子群算法 46

3.5粒子群算法实验结果 48

3.5.1智能配电网优化算例 48

3.5.2计算结果分析 51

3.5.3算法收敛性分析 54

3.6粒子群算法的分析与讨论 54

参考文献 54

第4章 进化规划算法 56

4.1引言 56

4.2进化规划算法理论基础 56

4.2.1标准进化规划 56

4.2.2元进化规划 57

4.2.3自适应进化规划 57

4.2.4柯西变异进化规划 58

4.2.5单点变异进化规划 59

4.2.6混合策略进化规划 59

4.2.7博弈进化规划 59

4.2.8多群竞争进化规划 60

4.3进化规划在配电网无功优化中的应用 60

4.3.1配电网无功优化数学模型 60

4.3.2配电网无功优化进化规划建模 63

4.4进化规划的程序实现 66

4.4.1标准进化规划 66

4.4.2博弈进化规划 67

4.4.3多群竞争进化规划 67

4.5进化规划实验结果 68

4.5.1配电网无功优化算例 68

4.5.2计算结果分析 68

4.5.3算法收敛性分析 70

4.6进化规划的分析与讨论 71

参考文献 71

第5章 多目标进化算法 73

5.1引言 73

5.2多目标优化理论基础 73

5.2.1多目标优化方法的定义 74

5.2.2非支配解 74

5.3强度Pareto进化算法 75

5.4改进型非支配排序遗传算法 80

5.4.1经典的NSGA-Ⅱ算法 80

5.4.2改进的排序策略 80

5.4.3改进的选择截断策略 81

5.4.4改进的变异与交叉策略 83

5.4.5最优解的选取 83

5.5应用案例 84

5.5.1基于NSGA-Ⅱ算法的分布式电源选址定容优化 84

5.5.2基于NSGA-Ⅱ算法的分布式电源与微电网分组协调优化 94

5.6多目标进化算法的分析与讨论 102

参考文献 102

第6章 差分进化算法 104

6.1引言 104

6.2基本差分进化算法 105

6.2.1基本原理 105

6.2.2基本要素 106

6.2.3基本流程 107

6.2.4差分进化算法的其他形式 108

6.2.5差分进化计算的群体智能搜索策略分析 108

6.2.6控制参数对算法性能的影响 109

6.3差分进化算法的改进 110

6.3.1传统差分进化算法存在的问题 110

6.3.2控制参数的改进 111

6.3.3差分进化策略的改进 113

6.3.4相关混合算法 115

6.3.5评价指标 117

6.4差分进化算法的应用概况 118

6.4.1函数优化 118

6.4.2组合优化 118

6.4.3神经网络训练 119

6.4.4机器人学 119

6.4.5其他应用领域 119

6.5差分进化算法在智能配电网中的应用 120

6.5.1差分进化算法在分布式电源选址定容问题中的应用 120

6.5.2差分进化算法在状态估计问题中的应用 127

6.6差分进化算法展望 130

参考文献 131

第7章 蚁群算法 134

7.1引言 134

7.2蚁群算法理论基础 136

7.2.1基本蚁群算法 136

7.2.2蚁群算法的研究现状 139

7.2.3蚁群算法的最新进展 141

7.3混沌蚁群算法 143

7.3.1混沌理论 143

7.3.2人工蚁群 147

7.3.3混沌蚁群算法特点 149

7.4无功优化案例背景 149

7.5蚁群算法的程序实现 151

7.5.1蚁群算法流程 151

7.5.2控制变量处理 152

7.5.3混沌蚁群算法实现 154

7.5.4算例分析 155

7.6蚁群算法发展趋势和展望 158

参考文献 160

第8章 和声搜索算法 162

8.1引言 162

8.2和声搜索算法基本原理 162

8.2.1概述 162

8.2.2和声创作流程 163

8.2.3和声搜索算法计算流程 163

8.2.4和声搜索算法计算过程分析 165

8.2.5和声搜索算法收敛能力 166

8.3和声搜索算法与其他算法的对比 166

8.3.1概述 166

8.3.2算法对比 167

8.4和声搜索算法在有源配电网无功协调优化中的应用 167

8.4.1概述 167

8.4.2问题建模 168

8.4.3基于IHSA的求解流程 172

8.4.4算例验证 174

8.4.5算法性能分析 180

8.5基于MOHS算法的分布式电源选址定容优化 181

8.5.1概述 181

8.5.2 MOHS算法详述 182

8.5.3算例分析与比较 183

8.6和声搜索算法的分析与讨论 188

参考文献 188

第9章 其他相关进化算法 189

9.1引言 189

9.2理论基础 190

9.2.1万有引力搜索算法 190

9.2.2人工蜂群算法 193

9.2.3布谷鸟算法 196

参考文献 199

第10章 进化算法评价与选择 202

10.1引言 202

10.2算例分析与比较 204

10.2.1问题描述 204

10.2.2优化结果 205

10.2.3计算时间 206

10.2.4优化效率 206

10.2.5计算准确性分析 207

参考文献 208

附录 电力系统分析常用算例系统 209

附录A IEEE 33-bus配电系统 209

附录B PG＆E 69-bus配电系统 210

附录C IEEE 13-bus配电系统 213

附录D IEEE 34-bus配电系统 216

附录 E IEEE 37-bus配电系统 220

附录F IEEE 123-bus配电系统 224