基于改进纵横交叉算法的电力系统多区域环境经济调度

随着节能环保受到日益重视,电网经济调度需同时考虑燃料成本和污染排放2个目标。电力系统多区域环境经济调度是一个复杂的非凸多目标问题,迄今未得到很好解决。基于NW小世界提出了一种新颖的改进纵横交叉算法(NWCSO)。采用容量可动态调整的外部存档集合存储当前Pareto最优解,利用Pareto占优策略确定个体最优位置,进而根据粒子拥挤距离确定全局最优位置。将NWCSO算法应用于16机组4个区域测试系统进行仿真计算,结果表明该算法在解决该多区域多目标问题方面具有优越性。     

采用改进型多目标粒子群算法的电力系统环境经济调度

电力系统多目标环境经济调度要求在满足发电成本最小的同时发电厂的污染气体排放也最小,为此提出了基于Pareto占优策略和拥挤距离排序方法的改进型粒子群算法求解该多目标问题。采用容量可动态调整的外部存档集合存储当前Pareto最优解,利用Pareto占优策略确定个体最优位置,进而根据粒子拥挤距离确定全局最优位置,并设置了动态惯性权重,引入了小概率变异机制,提高了算法搜索能力。算例结果验证了该算法的有效性。     

基于改进差分纵横交叉算法的多区域动态经济调度

多区域电力系统动态经济调度(mutlti-area dynamic economic dispatch,MADED)需要满足各个区域在各个时段的功率平衡约束和每个发电机组的爬坡率约束,同时要考虑阀点效应和多燃料因素,使得费用函数变得非凸、非线性,求解更加复杂。为解决这一问题,提出一种改进的混合算法——NW小世界差分纵横交叉优化算法,该算法需要的收敛次数少,并具有较高的收敛精度。采用该算法解决同时考虑爬坡率、阀点效应和多燃料因素的10机组3区域系统的MADED问题,并将调度结果和其他算法进行比较,比较结果说明该算法具有明显的优越性。     

采用基于分解的多目标进化算法的电力环境经济调度

为了准确、快速地求解电力系统环境经济调度(environmental economic dispatching,EED)问题,将基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)应用于电力调度领域,提出了基于MOEA/D的多目标环境经济调度算法。该算法首先采用Tchebycheff法将整个EED Pareto最优前沿的逼近问题分解为一定数量的单目标优化子问题,然后利用差分进化同时求解这些子问题,并在算法中加入约束处理及归一化操作,以获得最优的带约束EED问题的调度方案。最后,应用模糊集理论为决策者提供最优折中解。对IEEE 30节点测试系统进行仿真计算,并与其它智能优化算法的调度方案对比。结果表明,该算法有效可行,且具有很好的收敛速度和求解精度。     

考虑环境污染的嘉兴电厂机组出力经济分配

提出了多目标环境经济调度模型,并应用多目标免疫算法(MOLA)加以求解.MOIA将优化问题的可行解对应抗体及Pareto最优个体对应抗原,应用聚类算法不断更新抗原群中的抗原来获得大量的Pareto最优解.最后利用本文算法对嘉兴电厂的机组出力进行环境经济调度,结果表明该算法的可行性和有效性.     

基于改进多目标差分进化算法的安全约束动态环境经济调度

本文提出一种改进多目标差分进化算法求解计及输电线路有功潮流约束的动态环境经济调度模型。该算法利用反向学习初始化种群以提高种群的多样性,同时采用改进的拥挤距离计算方法以改善Pareto最优解分布的均匀程度。最后,基于潮流熵指标从Pareto最优解集中提取出电网潮流分布最均衡的发电调度方案。以IEEE30节点系统为算例进行仿真分析,优化结果验证了所提发电调度方法的有效性。     

采用多目标改进差分进化算法的环境经济发电调度

针对差分进化算法在迭代过程中可能出现的早熟收敛问题,在算法中加入早熟判定系数和混沌优化,提出了改进差分进化算法;将改进差分进化算法扩展到多目标规划领域,形成了多目标改进差分进化算法,并应用于多目标环境经济发电调度.根据模糊集方法从帕累托前沿中选择最优折衷解.以6机系统为例进行仿真计算,结果验证了本文所提多目标改进差分进化算法在解决环境经济发电调度中的可行性和有效性.     

基于改进纵横交叉算法的多目标无功优化

针对有功网损、电压偏差和静态电压稳定裕度的多目标无功优化问题.提出了一种用于多目标的改进纵横交叉算法。该算法采用纵向和横向两个不同方向的搜索机制,摒弃基础纵横交叉算法的竞争算子。在纵向交叉后采用目标序列排序建立虚拟个体适应度,再对粒子虚拟适应度大小进行比较选择精英粒子,而横向交叉之后不进行粒子比较。与传统的NSGA-II相比,该算法能够使粒子在收敛的过程跳出局部最优,提高粒子多样性,同时提高效率。最后引进非支配选择和拥挤距离计算,产生Pareto前沿。通过和NSGA-II在IEEE 14节点系统、IEEE 57节点系统多目标无功优化上仿真对比,结果验证了所提方法收敛精度更高,其Pareto前沿分布更加均匀,范围更加广泛,能够很好的解决电力系统多目标无功优化问题。     

基于粗糙集理论与CLSDE算法的环境经济调度优化模型

针对环境经济发电调度优化问题,提出了一种应用粗糙集理论构建评价函数的多目标优化方法,并提出了基于混沌局部搜索策略的差分进化算法(chaotic local search strategy differential evolution algorithm,CLSDE)的求解算法。应用粗糙集理论确定经济调度和环境调度函数的约束度,以确定各目标函数在优化模型中的权值。采用CLSDE算法求解环境经济调度(environmental economic dispatch,EED)多目标优化模型,该算法只对目标函数中的变量进行编码,约束条件函数中的变量随机产生,每代进化完毕后,对最优个体进行混沌局部搜索,克服了差分进化算法局部搜索能力较弱和惩罚函数方法中惩罚参数选择较难的问题。对IEEE30节点的标准测试系统进行了仿真计算,结果表明CLSDE算法在解决环境经济调度问题时具有可行性和有效性,在不增加污染气体排放量的同时降低燃料费用,使环境经济调度更能兼顾发电调度的经济利益与环境利益。     

考虑环境污染的机组出力经济分配

对传统意义下经济调度模型进行修正,同时考虑最小化燃料费用和污染排放量,提出了多目标环境经济调度模型,并应用多目标蚁群算法(MOACA)加以求解。指出MOACA将信息素交流和基于全局最优经验指导两种寻优方式相结合,以指导蚂蚁向更好解的方向前进,可以获得分布良好的Pareto最优解。利用文内算法对IEEE-30节点系统的机组出力进行环境经济调度,并与现有一些算法进行比较。     

采用多目标随机黑洞粒子群优化算法的环境经济发电调度

将多目标随机黑洞粒子群优化(multiobjective random black-hole particle-swarm optimization,MORBHPSO)算法用于解决环境经济发电调度问题,对燃料发电机组相互冲突的燃料费用函数和污染气体排放量函数同时进行优化。提出带等式约束的帕累托占优条件,使生成的帕累托(Pareto)最优解集在解的可行区域,并采用新的"聚类技术"减少解集中解的个数以加快寻优速度。通过变异操作改善解的多样性,并根据"距离评价指标"从帕累托最优前沿(Pareto optimal front,POF)中选择折衷最优解。对IEEE 30节点的标准测试系统进行仿真计算,结果表明该算法在解决环境经济调度问题方面的可行性和有效性,减少了迭代次数,而且在不增加污染气体排放量的同时降低了燃料费用。     

基于改进多目标引力搜索算法的电力系统环境经济调度

建立了综合考虑系统运行成本和污染物排放成本的电力系统环境经济调度模型,并提出了一种改进多目标引力搜索算法(IGSA)对该模型进行求解。该算法将NSGA-II中的非劣解排序和拥挤距离的思想引入基本引力搜索算法用于处理个体偏序关系。其次针对基本引力搜索算法收敛速度慢的问题,在更新个体位置过程中受粒子群优化算法的启发对引力搜索算法的位置更新公式进行了改进;同时为了引导群体向Pareto最优解集区域靠近并保证算法解集均匀分布,采用精英保留策略;最后采用模糊集理论产生最佳折中解,为决策人员提供调度方案。算例分析验证了所提算法的可行性和有效性,为实现电力系统经济性与环保性的均衡优化提供了一条新的方法。     

基于非支配排序差分进化算法的多目标电网规划

在多目标电网规划问题中,综合考虑经济性、安全可靠性和环境影响等因素后,提出了非支配排序差分进化算法。以电网投资、运行维护费用、网损费用、线路走廊面积最小为目标建立了多目标电网规划模型。非支配排序差分进化算法将Pareto非支配排序法与差分进化算法相结合,采用动态调整策略调整差分进化算法控制参数,改进了个体拥挤比较机制,提高了算法的全局搜索能力和种群多样性,并基于模糊集理论选取最优折衷解。Garver-6节点和Garver-18节点系统算例结果表明,该算法可以有效生成分布均匀的Pareto最优解集,在求解多目标电网规划问题中具有可行性和优越性。     

采用多目标纵横交叉算法的电力系统动态环境经济调度

针对带非线性约束的电力系统动态环境经济调度问题,提出一种多目标纵横交叉算法。对动态调度中燃料费用和污染排放两个相互约束、冲突的目标同时进行优化。求解过程中,结合非约束支配策略,提出一种双交叉机制,增强粒子穿越非可行区域的能力,使得生成的帕累托最优解落在可行区域内。通过边缘探索,增强算法的全局搜索能力。同时,采用外部存档集合储存非劣解,并通过拥挤度对比,保持非劣解的多样性。最后,采用模糊决策理论获得最优折中解。对10机电力系统的仿真结果验证了所提方法的有效性与优越性。     

多目标无功优化的向量评价自适应粒子群算法

为了克服粒子群算法在高维复杂问题寻优时有相当可能陷入局部极优的现象,提出了一种自适应粒子群算法。该算法利用种群多样性信息对惯性权重进行非线性的调整,并在算法的后期引入速度变异算子和位置交叉算子,使算法摆脱后期易于陷入局部最优点的束缚。对基于向量评价的粒子群算法进行了扩展,提出了基于向量评价的自适应粒子群算法(vector evaluated particle adaptive swarm optimization,VEAPSO)来解决多目标无功优化问题,求解出问题的Pareto最优解集。为帮助决策者从Pareto最优解集中选取合适的最优解,该文提出一种基于决策者偏好及投影寻踪模型的多属性决策法,使决策结果更加真实可靠。将该算法应用于多目标无功优化问题中,IEEE 30和IEEE 118节点系统算例仿真表明该方法用于解决多目标无功优化问题是有效可行的。     

基于改进非支配多目标差分进化算法的含风电-小水电电力系统动态环境经济调度

建立了一种含风电-小水电电力系统动态环境经济调度模型,考虑了机组阀点效应、爬坡率及电力网络损耗.为求解该调度模型,给调度人员提供一组优质的决策方案,构建了一种改进非支配多目标差分进化算法,该算法在基本多目标差分进化算法中引入多项式变异,增加种群多样性;同时,将常规非支配排序策略进行简化,降低求解复杂度;最后,以含10台火电机组、1个风电场和1个小水电并网的电力系统为算例,进行仿真计算,并对不同调度方案进行对比分析.结果验证了改进非支配多目标差分进化算法求解该问题的有效性及所提调度模型的合理性.     

计及电动汽车规模化入网的发电优化调度

针对混合电动汽车(PHEV)规模化入网的动态经济调度问题进行了研究。将各时段的PHEV充放电数量和燃煤机组出力作为决策变量,以机组燃煤费用最小为目标函数,并构造考虑PHEV充放电总量和旋转备用容量的约束条件,提出一种带有动态约束处理的纵横交叉算法,以求出该模型的最优调度方案。纵横交叉算法采用一种双交叉搜索机制,其中横向交叉作为全局优化器,以较大的概率在一半种群构成的超立方体子空间内进行搜索,同时在各自的边缘地带以递减的概率寻优以减少搜索盲区;纵向交叉引入维交叉概念,避免了"维数灾"问题。以10机组系统为算例,证明了所构造模型的可行性和有效性。     

水火电力系统多目标环境经济调度模型及其求解算法研究

通过综合考虑发电费用最小及污染气体排放量最小这两个调度目标建立了水火电力系统多目标环境经济调度模型,并提出一种混合多目标差分进化算法对模型进行求解。该算法针对多目标优化问题的特点对差分进化算法的算子进行了修正,并基于混沌序列提出一种参数自适应调整策略以克服算法参数率定的难题。设计了一种二次变异算子来防止算法陷入局部最优。针对不同类型约束特性提出一种约束处理方法。实例计算结果及对比分析验证了所提方法的可行性和有效性,为实现水火电力系统实现经济与减排双目标均衡优化提供了一条崭新途径。     

考虑电网安全约束的节能发电调度

对传统电力系统经济调度模型进行修正.以发电成本、有功网损和污染气体排放量最小为目标,构建了节能减排环境下的多目标发电调度模型,模型中计及了支路潮流约束和系统备用约束.针对模型呈现出多目标、多约束、非线性的特点,结合多目标优化和多属性决策技术对其进行求解.利用自适应多目标差分进化算法求出Pareto最优集后,采用熵权决策法从中提取出最优调度方案.IEEE 30节点系统算例结果验证了所提发电调度方法的有效性.     

基于模糊聚类分析与模型识别的微电网多目标优化方法

在微电网调度过程中综合考虑经济、环境、蓄电池的循环电量,建立多目标优化数学模型。针对传统多目标粒子群算法(multi-objective particle swarm optimization,MOPSO)的不足,提出引入模糊聚类分析的多目标粒子群算法(multi-objective particle swarm optimization algorithm based on fuzzy clustering,FCMOPSO),在迭代过程中引入模糊聚类分析来寻找每代的集群最优解。与MOPSO相比,FCMOPSO增强了算法的稳定性与全局搜索能力,同时使优化结果中Pareto前沿分布更均匀。在求得Pareto最优解集后,再根据各目标的重要程度,用模糊模型识别从最优解集中找出不同情况下的最优方案。最后以一欧洲典型微电网为例,验证算法的有效性和可行性。