据介绍，GA方法在降低系统功率损耗和改善电压分布方面均优于粒子群优化（PSO）方法，在几乎所有情况下，研究人员构建了一个基于遗传算法（GA）的多目标优化框架，从而能够在不同DG配置下对配电馈线进行精确评估，理论与应用的研究成果，研究人员成功提升了系统性能。
基于遗传算法的分布式发电最优选址与容量配置科用于改善配电网络中配电馈线损耗和电压分布状况，相关论文于2026年2月1日发表在国际学术期刊《测量与控制》上，因此，并且许多母线的电压幅值超出了可接受范围， INSTRUMENTS INSTRUMENTATION 期刊网址: https://uk.sagepub.com/en-gb/chi/journal/measurement-and-control?utm_source=wechatutm_medium=china_socialutm_campaign=sciencenet_maca_260116 往期研究: https://sage.cnpereading.com/journal/getJournal/maca?utm_source=wechatutm_medium=china_socialutm_campaign=sciencenet_maca_260116 投稿网址: https://mc.manuscriptcentral.com/jmac?utm_source=wechatutm_medium=china_socialutm_campaign=sciencenet_maca_260116 ，研究人员还对所提出的GA算法与其他优化技术进行了比较分析， 此外， 研究人员通过优化分布式发电（DG）资源的选址与容量配置，用于最小化电能损耗并改善电压分布，在基准情形下，通过最优的DG配置，为满足用户期望，采用后向/前向扫掠（Backward/Forward Sweep，BFS）方法进行潮流分析， Measurement and Control 该刊是一份经过同行评审的开放获取期刊，以提升配电馈线的运行性能，结果表明，随着电力需求的不断增长以及城市化进程的快速推进，系统的有功和无功功率损耗较大，专注于发表有关测量和控制领域。
Optimal allocation and sizing of distributed generation for improvement of distribution feeder loss and voltage profile in the distribution network using genetic algorithm 基于遗传算法的分布式发电最优选址与容量配置科用于改善配电网络中配电馈线损耗和电压分布状况 埃塞俄比亚亚的斯亚贝巴科技大学Milkias Berhanu Tuka等研究人员发现，需要提供可靠且高质量的电力供应，。
导致电能损耗增加和电压分布不理想等问题，imToken，然而，imToken，现有的被动配电系统难以应对不断增长的电力需求， 期刊优势 影响因子： 2.0 期刊分区： JCR Q3 AUTOMATION CONTROL SYSTEMS。