进化算法及其在智能配电网中的应用PDF|Epub|txt|kindle电子书版本下载

进化算法及其在智能配电网中的应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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