在简单比较遗传算法, 模拟退火算法, Tabu 算法, 传统粒子群无功优化算法的基础上,
提出一种改进的粒子群无功优化算法即自适应强引导粒子群的电力系统无功优化算法 …

粒子群算法作为一种随机搜索算法, 适合解决电网无功优化问题. 考虑到粒子群算法收敛速度过
快, 容易进入局部收敛. 导致收敛精度不高, 研究了粒子群算法的改进措施. 建立了一个全面考虑 …

针对电力系统无功优化问题, 提出用自适应小生境粒子群优化ANPSO (Adaptive Niche Particle
Swarm Optimization) 算法来克服粒子群优化(PSO) 算法容易早熟而陷入局部最优解的缺点 …

针对传统粒子群算法易陷入局部最优解, 收敛速度慢的缺点, 提出一种基于信息分享策略的改进
型粒子群算法, 并首次将其应用于电力系统无功优化问题. 改进的粒子群算法通过调整学习因子 …

在双层规划的理论基础上, 针对电网无功优化中的负荷不确定性问题, 建立了以网损最小为上层
优化目标, 以满足电压约束条件为下层优化目标的电力系统无功优化模型. 并将遗传算法和蚁群 …

为了提高电能质量, 降低网损, 采用蜜蜂进化机制与粒子群算法相结合的蜜蜂进化型粒子群算法(
Bee Evolution Modifying Particle Swarm Optimization, BEMPSO), 对电力系统的无功优化问题 …

针对电力系统无功优化多变量, 多约束, 非线性的特点, 提出一种新的改进双种群蚁群算法.
基本蚁群算法在众多优点之外也存在着搜索时间长, 容易出现停滞等缺点 …

基于蚁群优化算法与内点法, 提出了一种新颖的混合策略来求解电力系统无功优化问题:
不考虑无功优化中的离散约束, 采用内点法求解得到初始解; 根据优化变量的不同性质将无功 …

提出了一种新的多目标粒子群优化(Multi-Objective Particle Swarm Optimization, MOPSO)
算法, 用于求解电力系统的环境/经济调度问题. 通过设计特定的约束修正因子 …

阐述了用于无功优化的改进遗传算法, 在已有改进简单遗传算法的基础上,
提出在含有多个目标的目标函数中采用线性变化和指数变化规律的越界罚系数 …