基于改进蜜蜂进化型遗传算法的含分布式电源的配电网重构

为改善分布式电源（Distributed Generation，DG）并入电网后配电网重构算法的性能，提出一种基于佳点集的蜜蜂进化型遗传算法（Bee Evolutionary Genetic Algorithm Based on Good Point Set, GBEGA）。该算法的关键有三点：1．提出一种基于佳点集的种群初始化方法，该方法比随机方法产生的种群在搜索空间更为均匀；2．引进佳点集交叉算子，该算子能在父代附近进行更加精细的搜索；3．采用自适应的交叉变异概率，有利于算法开采与勘探的平衡。将DG处理为PQ、PV两种模型，并将GBEGA与相关文献中的算法关于IEEE33和IEEE69节点...

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 40; no. 15; pp. 52 - 56
Main Author 王超学 吕志奇 董慧 崔杜武 孙有田
Format Journal Article
LanguageChinese
Published 西安建筑科技大学信息与控制工程学院,陕西西安,710055%西安理工大学计算机科学与工程学院,陕西西安,710048 2012
Subjects
佳点集
分布式电源
自适应
蜜蜂进化型遗传算法
配电网重构
佳点集
配电网重构
自适应
分布式电源
蜜蜂进化型遗传算法
Online AccessGet full text
ISSN1674-3415
DOI10.3969/j.issn.1674-3415.2012.15.010

Cover

More Information
Summary:为改善分布式电源（Distributed Generation，DG）并入电网后配电网重构算法的性能，提出一种基于佳点集的蜜蜂进化型遗传算法（Bee Evolutionary Genetic Algorithm Based on Good Point Set, GBEGA）。该算法的关键有三点：1．提出一种基于佳点集的种群初始化方法，该方法比随机方法产生的种群在搜索空间更为均匀；2．引进佳点集交叉算子，该算子能在父代附近进行更加精细的搜索；3．采用自适应的交叉变异概率，有利于算法开采与勘探的平衡。将DG处理为PQ、PV两种模型，并将GBEGA与相关文献中的算法关于IEEE33和IEEE69节点系统进行了对比测试。仿真结果表明，GBEGA适合于含DG的配电网重构，在全局寻优能力和收敛速度上表现出色。
Bibliography:WANG Chao-xue, Lu Zhi-qi, DONG Hui, CUI Du-wu, SUN You-tian （1. School of Information and Control Engineering, Xi＇an University of Architecture ＆ Technology, Xi＇an 710055, China; 2. School of Computer Science and Engineering, Xi＇an University of Technology, Xi＇an 710048, China）
To improve the performance of distribution network reconstruction algorithm with distributed generation （DG）, a new bee evolutionary genetic algorithm based on good point set （GBEGA） is proposed. The keys to GBEGA lies in three points as follows： firstly, proposing a population initialization method based on good point set, by which the distributing of initial population is more even in search space; secondly, introducing a crossover operator based on good point set, which has more elaborate search ability in the neighborhood of parent individuals; thirdly, adopting the self-adaption of crossover and mutation probability, which is conducive to balancing the exploration and exploitation capabilities of algorithm. Distributed generation i
ISSN:1674-3415
DOI:10.3969/j.issn.1674-3415.2012.15.010