共查询到19条相似文献,搜索用时 156 毫秒
1.
求解机组组合问题的领域搜索法 总被引:6,自引:3,他引:3
机组组合问题是电力系统优化运行的一个难点,理论上难以得到其最优解。该文提出用邻域搜索(local search,LS)和内点(interior point,IP)法相结合的算法(LS-IP)解决机组组合(unit commitment,UC)非确定多项式时间(nondeterministic polynomial,NP)难问题。定义邻域的结构,并提出一种邻域的调整方法,可处理各项约束条件,保证结果的可行性。用非常小的解邻域空间代替原来庞大复杂甚至难以求解的离散空间。充分利用内点法收敛性好、精度高的优势,提高其计算速度。对100台机组24时段仿真结果表明,CPU计算时间仅为原来的4 s,所耗费用却大大降低;同时该方法收敛速度快、精度高,尤其适合于求解大规模机组的组合问题。 相似文献
2.
基于交叉随机粒子群优化算法的机组组合优化模型 总被引:1,自引:0,他引:1
针对机组运行时故障的不确定性,利用威布尔失效概率函数来详细描述机组的故障概率,并以此为基础提出了兼顾机组故障率的机组组合优化模型。根据所建模型的特点,提出了带有随机权重和带有异步变化学习因子的粒子群算法,将机组组合问题划分为离散量和连续量两部分,通过在机组编码矩阵中进行交叉计算来解决机组组合问题。以5台机组24 h的机组组合优化问题为例进行计算,验证了所建模型的正确性及所提算法在求解机组组合优化模型时的有效性。 相似文献
3.
安全约束机组组合是混合整数规划问题,找到高效稳定求解此问题的算法很重要。文中提出了一种新型的离散粒子群求解机组组合问题,通过松弛模型辨识出机组中必开必停的情况,减少离散变量数目,并结合机组组合问题的特性提出了对应的改进自学习策略,能较好地解决含安全约束的机组组合问题。此外,给出了一种初始粒子群生成策略,提高粒子质量。以IEEE30和IEEE118两个标准节点系统为测试算例,通过与传统算法和商业软件包CPLEX的数据对比发现此算法能较快找到最优解或次优解,效率高计算结果稳定,证明该方法可行高效。 相似文献
4.
5.
面向启发式调整策略和粒子群优化的机组组合问题 总被引:2,自引:0,他引:2
提出一种启发式调整策略和粒子群优化相结合的新方法求解电力系统中的机组组合(UC)问题.算法将UC问题分解为具有整型变量和连续变量的两个优化子问题,采用离散粒子群优化和等微增率相结合的双层嵌套方法对外层机组启、停状态变量和内层机组功率经济分配子问题进行交替迭代优化求解.同时构造了关机调整和替换调整两个启发式搜索策略对优化结果进行进一步局部微调以提高算法解决UC问题的全局寻优能力和计算效率,从而有效改善解的质量.以10~100台机组组成的5个测试系统为算例,通过与其他算法结果进行比较分析,验证了该方法的可行性和有效性.仿真结果表明该方法解决大规模机组组合问题具有求解精度高和收敛速度快的优势. 相似文献
6.
基于模式搜索算法的电力系统机组组合问题 总被引:6,自引:0,他引:6
机组组合问题是一个复杂的大型混合整数非线性规划问题,目前尚未找到理想的解决方法。本文提出一种用于混合变量的模式搜索方法(GPSMV)解决机组组合问题。该方法能求解非凸、非线性、不可微甚至不连续的规划问题,理论上能保证全局收敛于稳定的解,其仅需要求目标函数及由约束条件构成的障碍函数值而不需要对目标函数和约束条件求导。在优化过程中离散变量作为独立的变量,而不是把原问题分成离散和连续两层来处理,适合于求解离散和连续的混合变量问题。最后对10~100机,26机24时段等六个系统进行仿真试验验证该算法。 相似文献
7.
如何精确、快速地处理离散变量是求解大规模电力系统无功优化问题的关键和难点。提出了基于Sigmoid函数连续化的无功优化模型,并应用现代内点法进行求解。所提方法先将离散量当作连续量处理,进行无功优化计算,快速寻求离散变量的激活点;再以所得的结果作为初始解,引入Sigmoid函数对离散变量进行连续化处理,实现精确快速求解含离散变量的电力系统无功优化问题。大量仿真计算结果表明,所提方法具有良好的收敛性和计算效率,对求解大规模系统无功优化问题具有很好的应用前景。 相似文献
8.
9.
机组投入是现代电力系统编制发电计划的重要优化任务,具有显著的经济效益。从数学上讲,机组投入问题是一个多约束的NP难组合优化问题,很难得到理论上的最优解。提出运用内点-分支定界法求解最优机组投入问题。该方法将机组投入的离散变量松弛为[0,1]区间上的连续变量,结合有功出力,进行优化。原始-对偶内点法收敛迅速、对初值不敏感,用来求解松弛问题,分支定界法用来处理离散变量。通过对2个算例的计算及与其它算法结果的比较,验证了该算法能得到更好的全局最优解。 相似文献
10.
11.
原对偶内点法在求解含电压源换流器的高压输电(Voltage source converter based high voltage direct current,VSC-HVDC)的交直流系统最优潮流(Optimal power flow,OPF)问题时,有较高的效率与准确性,但是无法很好地解决含离散变量的OPF(如无功优化),而智能算法在解决此类问题时易于陷入局部最优解,同时计算时间过长。因此提出一种含离散惩罚函数的混合内点法算法。算法的主要思想是以内点法为框架,对连续变量进行优化,在当对偶间隙小于一定值时,对离散量的计算中引入罚函数,同时随着迭代量差值的变化随时调整罚函数的罚因子的大小。通过算例表明,该算法稳定性高,寻优能力强,能够很好地解决含VSC-HVDC交直流系统的离散变量的优化问题。 相似文献
12.
在求解含电压源换流器的高压直流输电(Voltage Source Converter based High Voltage Direct Current, VSC-HVDC)的交直流系统最优潮流(Optimal Power Flow, OPF)问题时,常使用原对偶内点法或智能算法。但原对偶内点法无法很好地解决含离散变量的OPF(如无功优化),而智能算法在解决此类问题时易陷入局部最优解,同时计算时间过长。因此,提出一种含离散惩罚函数的简化零空间内点算法。算法的主要思想是以简化零空间内点法(下称S-NSIPM)为框架,对连续变量进行优化,当收敛函数小于一定值时,在离散量的计算中引入罚函数,同时随着迭代量差值的变化随时调整罚函数的罚因子的大小。通过算例表明,该算法稳定性高,寻优和适应能力强,能够很好地解决含VSC-HVDC交直流系统的离散变量的优化问题。 相似文献
13.
14.
基于两阶段鲁棒区间优化的风储联合运行调度模型 总被引:1,自引:0,他引:1
为了全面和准确地考虑风电出力的不确定性和消纳能力,并兼顾系统运行的经济性和可靠性,通过在风电不确定区间可优化的鲁棒区间经济调度模型中引入常规机组和储能系统运行状态的离散决策变量,建立风储联合运行的双层鲁棒区间机组组合模型。针对连续变量和离散变量间存在耦合关系,导致计算过程中对偶转换失效而使模型难以求解的问题,提出基于Benders分解算法的两阶段迭代求解策略。仿真分析表明,所提模型在确定风储联合运行方式时,能更全面地考虑风电不确定性及消纳能力对系统运行经济性和可靠性的影响。 相似文献
15.
16.
Abstract—An optimization algorithm based on a novel discrete particle swarm optimization technique is proposed in this article for optimal sizing and location of distributed generation in a power distribution network. The proposed algorithm considers distributed generation size and location as discrete variables substantially reducing the search space and, consequently, computational requirements of the optimization problem. The proposed algorithm treats the generator sizes as real discrete variables with uneven step sizes that reflect the sizes of commercially available generators, meaning that it can handle a mixed search space of integer (generator location), discrete (generator sizes), and continuous (reactive power output) variables while substantially reducing the search space and, consequently, computational burden of the optimization problem. The validity of the proposed discrete particle swarm optimization algorithm is tested on a standard 69-bus benchmark distribution network with four different test cases. Two optimization scenarios are considered for each test case: a single objective optimization study where network real power loss is minimized and a multi-objective study in which network voltages are also considered. The proposed algorithm is shown to be effective in finding the optimal or near-optimal solution to the problem at a fraction of the computational cost associated with other algorithms. 相似文献
17.
基于改进离散粒子群算法的电力系统机组组合问题 总被引:2,自引:0,他引:2
提出一种新的离散粒子群算法。结合改进的自学习策略优化粒子群算法适用于求解电力系统中的机组组合(unit commitment,UC)问题。算法将UC问题分解为具有整型变量和连续变量的2个优化子问题,采用离散粒子群优化和原对偶内点法相结合的双层嵌套方法对外层机组启、停状态变量和内层机组功率经济分配子问题进行交替迭代优化求... 相似文献
18.
针对目前评价多目标函数解的不足,提出了将多目标函数各个解映射成多维空间中不同的点,利用这些点与理想点之间的欧氏距离来衡量各个解的优劣;同时针对无功优化、混沌优化算法和免疫算法的特点,提出了在采用免疫算法进行无功优化的记忆抗体群中,运用混沌优化方法和免疫算法的交叉和变异等操作对无功优化的连续变量和离散变量进行交替优化求解,并将它们运用于以降低有功损耗,提高电压稳定裕度及减小电压偏移为目标的无功优化中;通过 IEEE-30和IEEE-118节点算例系统验证了混合算法及最优解评价方法的正确性和可行性。 相似文献
19.
By integrating a genetic algorithm (GA) with a nonlinear interior point method (IPM), a novel hybrid method for the optimal reactive power flow (ORPF) problem is proposed in this paper. The proposed method can be mainly divided into two parts. The first part is to solve the ORPF with the IPM by relaxing the discrete variables. The second part is to decompose the original ORPF into two sub-problems: continuous optimization and discrete optimization. The GA is used to solve the discrete optimization with the continuous variables being fixed, whereas the IPM solves the continuous optimization with the discrete variables being constant. The optimal solution can be obtained by solving the two sub-problems alternately. A dynamic adjustment strategy is also proposed to make the GA and the IPM to complement each other and to enhance the efficiency of the hybrid proposed method. Numerical simulations on the IEEE 30-bus, IEEE 118-bus and Chongqing 161-bus test systems illustrate that the proposed hybrid method is efficient for the ORPF problem. 相似文献