基于混沌遗传和模糊决策算法的多目标负荷经济调度

提出一种可同时得到电力系统最优机组组合和多目标负荷分配结果的混沌遗传和模糊决策算法.结合改进优先顺序法、启发式遗传算法、混沌优化和模糊决策的优点,按改进的优先顺序法确定各时段运行的机组序列,用启发式遗传算法确定机组组合状态,并对交叉率和变异率进行模糊决策.在负荷分配中,考虑单一经济目标和多目标优化2种决策模型,用遗传算法进行并行搜索,同时在最优点附近利用混沌优化的遍历性进行局部寻优,避免遗传算法陷入局部最优,有效提高了收敛速度.将所提算法分别应用于10机和30机系统中,结果表明,该算法较好地处理了电力系统负荷经济调度的各种约束条件,减少了不可行解,加快了收敛速度.     

遗传算法搜索优化及其在环境经济负荷调度中的应用

建立了环境经济负荷调度(EELD)问题的优化调度模型,提出一种利用MTALAB中的遗传算法与直接搜索工具箱求解这一问题的方法,并与人工神经网络法进行了比较分析.仿真计算表明,该方法将遗传算法较方便地应用到了EELD问题中,在环境经济合理配置的前提下优化分配各单元机组的发电量,且收敛速度快、应用范围广.     

基于深度学习及混沌优化的燃机电站机组热电负荷优化分配

提出了一种基于深度学习及混沌优化的燃机电站机组热电负荷优化分配的新方法。采用深度学习理论中长短时记忆（LSTM）神经网络算法建立机组能耗模型,通过对模型中机组能耗和电负荷、热负荷、环境参数之间非解析函数关系训练学习,并采用混沌优化算法对LSTM神经网络算法训练得到的模型进行负荷优化分配,得到机组最优负荷分配下最小气耗量。实际算例计算结果表明,本文方法计算结果有效,可提高机组运行的经济性。     

低碳调度下机组组合问题的混沌遗传混合优化方法

提出了一种求解低碳调度下机组组合问题的混沌遗传混合优化方法。采用控制基因与参数基因编码方式对机组发电计划进行编码,通过结合电碳特征优先次序、混沌映射和随机生成3种方法提高初始种群多样性;将混沌迭代搜索引入到遗传算法的进化过程之中,构造新的变异算子,改进遗传算法过早收敛的缺点,并且在变异过程中进行按电碳特征优先权确定的区间偏移,达到了加快算法收敛速度的目的。通过算例验证了混沌遗传混合优化方法具有较好的收敛特性和全局搜索能力。     

老愚公水电厂水能优化调度动态分析

小型水电厂水能优化调度涉及水量，机组组合和机组的负荷分配等相关问题，通过对梯级水电站机组多阶段水量分配，可行域的分析计算,推求梯级电站整体最优功能解，达到水电厂经济效益最优。     

AGC机组调配经济性的混沌遗传算法研究

AGC问题是互联电力系统经济有效运行的核心问题。以AGC机组的能耗费用最低为目标函数,提出了一种新的优化调配方法——混沌遗传算法。在遗传进化的过程中,引入混沌变量,维持群体中染色体的多样性,以克服遗传算法中的早熟问题,改善全局收敛性,提高计算速度。通过对某地区几个电厂的机组进行仿真计算,将结果与遗传算法得到的结果进行比较,表明混沌遗传算法应用于AGC机组的优化调度是合理可行的。     

基于遗传粒子群混合算法的机组组合优化

节能发电调度的目标是实现能耗量最小,合理安排机组发电计划则更为至关重要.在参考文献的基础上,提出了一种用于机组组合优化的遗传粒子群混合优化算法.先用遗传算法求解机组组合,再用粒子群优化算法求解负荷经济分配.按照节能调度思路对遗传算法进行了改进,提高了优化性能.给出了10机算例系统优化结果,验证了该混合算法的可行性和有效性.     

基于遗传粒子群混合算法的机组组合优化

节能发电调度的目标是实现能耗量最小,合理安排机组发电计划则更为至关重要。在参考文献的基础上,提出了一种用于机组组合优化的遗传粒子群混合优化算法。先用遗传算法求解机组组合,再用粒子群优化算法求解负荷经济分配。按照节能调度思路对遗传算法进行了改进,提高了优化性能。给出了10机算例系统优化结果,验证了该混合算法的可行性和有效性。     

基于灰狼优化算法的火电机组负荷优化分配经济性研究

火电机组运行负荷优化分配问题直接影响着整个电网的经济性运行,对供电可靠性、稳定性和安全性都至关重要。为此,针对传统算法在负荷优化分配上存在收敛性差以及容易陷入局部最优解的问题,提出了一种灰狼优化算法(GWO)用于火电机组运行负荷的优化分配中的方案,并以三台火电机组进行负荷优化分配为例,建立以机组煤耗量最小为优化目标的数学模型,验证了算法的收敛性和实用性。最后使用灰狼优化算法(GWO)与传统遗传算法(GA)对比求解,结果表明,所提方法制定的负荷分配方案最优,能够很好地实现了机组的最经济化运行。     

火电厂厂级负荷分配的多目标优化和决策研究

火电厂的负荷优化分配系统通常是以机组煤耗特性为基础的,其经济分配对应于满足稳态工况下全厂发电成本最低的要求。对于自动发电控制方式下的厂级负荷运行分配还要满足调整时间的要求,以尽可能快的速度满足目标负荷的调整。考虑机组运行的经济性和快速性,将基于进化算法的多目标优化技术与多属性决策方法联合运用,针对火电厂厂级负荷优化分配的问题进行研究。对于多目标优化问题,采用改进的非支配解排序的多目标遗传算法,求出Pareto最优解,由Pareto最优解构成决策矩阵,使用客观赋权的信息熵方法对最优解的属性进行权值计算,然后用逼近理想解的排序方法进行多属性决策研究,对Pareto最优解给出排序。文中给出了10台机组负荷分配的优化设计算例。     

A new hybrid approach for the solution of nonconvex economic dispatch problem with valve-point effects

Economic dispatch (ED) generally formulated as convex problem using optimization techniques by approximating generator input/output characteristic curves of monotonically increasing nature results in an inaccurate dispatch. The genetic algorithm has previously been used for the solution of problem for economic dispatch but takes longer time to converge to near optimal results. The hybrid approach is one of the methodologies used to fine tune the near optimal results produced by GA. This paper proposes new hybrid approach to solve the ED problem by using the valve-point effect. The approach we propose combines the genetic algorithm (GA) with active power optimization (APO) based on the Newton's second order approach (NSO). The genetic algorithm acts as a global optimizer giving near optimal generation schedule, which becomes the input for generation buses in APO algorithm. This algorithm acting as local search technique dispatching the generated active power of units for minimization of cost and gives optimum generation schedule. Three machines 6-bus, IEEE 5-machines 14-bus, and IEEE 6-mchines 30-bus systems have been tested for validation of our approach. Results of the proposed scheme compared with results obtained from GA alone give significant improvements in the generation cost showing the promise of the proposed approach.     

遗传算法在电力系统日有功优化调度中的应用

随着电力市场的不断深入，系统的有功优化调度在电力系统运行中占有越来越重要的地位。针对这一特点，本文提出了在多约束条件下，寻求全网经济效益最优的算法，先用遗传算法求解机组组合，再用等微增率法求解负荷的最优分配，在求解的过程中，采用不同听方法来处理各种约束条件。通过模拟系统的实例验算表明了所提出的算法十分有效。     

基于PSO-GA算法的电力系统机组组合研究

机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题,因此求解非常困难。粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域。PSO算法的优势在于操作简单,可调参数少易于实现而又功能强大。该文采用二进制粒子群优化方法解决机组状态组合问题,用遗传算法结合启发式技术解决经济分配问题,并对最小开停机时间及启停费用进行了处理,使得运算速度大大加快。方法的可行性在10台机组系统中检验。模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点。     

基于矩阵实数编码遗传算法求解大规模机组组合问题

该文提出了一种采用矩阵实数编码遗传算法(MRCGA)进行机组组合优化的新方法：采用矩阵实数编码方式对整体发电计划进行编码后，可直接运用遗传操作求解机组组合问题，避免将其分解成机组启停安排和经济负荷分配的两层优化问题进行求解；采用多窗口变异技术，增强了算法的搜索能力。此方法提出了一种新的个体调整方法，可以处理各项约束条件，保证了结果的可行性。文中通过2个算例及与其它算法的对比分析，验证了所提出的方法在大规模机组组合问题求解时具有很强的适应性和全局搜索能力。     

A decomposition approach to nonlinear multi-area generationscheduling with tie-line constraints using expert systems

The authors propose a rigorous method to treat multiarea generation scheduling with tie line limits. An expert system was used for obtaining the initial solution. As the generation scheduling problem involves unit commitment and economic dispatch, the method adopts an iterative procedure to deal with these two phases. The hourly load demand and the area power generation will cause the tie flows to change. To maintain the operation security in every area, the spinning reserve should comply with the area power generation rather than its load demand. After economic dispatch, it is necessary to adjust the unit commitment in each area for preserving the spinning reserve requirements. Heuristics were used to modify the generation unit combinations. The objective is to find an economic generation schedule for a multiarea system. The interchange transactions among areas represent the transportation problem, embedded within the nonlinear optimization process. The equivalent system concept is adopted, and the transmission losses are included in this study. A four-area system with each area consisting of 26 units was used to test the efficiency of the proposed algorithm     

A matrix real-coded genetic algorithm to the unit commitment problem

An approach to solving the unit commitment (UC) problem is presented based on a matrix real-coded genetic algorithm (MRCGA) with new repairing mechanism and window mutation. The MRCGA chromosome consists of a real number matrix representing the generation schedule. Using the proposed coding, the MRCGA can solve the UC problem through genetic operations and avoid coping with a suboptimal economic dispatch (ED) problem. The new repairing mechanism guarantees that the generation schedule satisfies system and unit constraints. The window mutation improves the MRCGA searching performance. Numerical results show an improvement in the solution cost compared with the results obtained from other algorithms.     

Short-term hydrothermal generation scheduling model using a genetic algorithm

A new model to deal with the short-term generation scheduling problem for hydrothermal systems is proposed. Using genetic algorithms (GAs), the model handles simultaneously the subproblems of short-term hydrothermal coordination, unit commitment, and economic load dispatch. Considering a scheduling horizon period of a week, hourly generation schedules are obtained for each of both hydro and thermal units. Future cost curves of hydro generation, obtained from long and mid-term models, have been used to optimize the amount of hydro energy to be used during the week. In the genetic algorithm (GA) implementation, a new technique to represent candidate solutions is introduced, and a set of expert operators has been incorporated to improve the behavior of the algorithm. Results for a real system are presented and discussed.     

华北电网安全节能发电优化调度系统功能设计

华北电网安全节能发电优化调度系统采用与能量管理系统（EMS）一体化设计,可直接应用EMS采集的电网模型,并以此为基础进行拓扑分析。该系统采用分布式软件设计,便于开发、维护、实用。以安全约束机组组合为核心完成年度合同分解、月度合同分解、月度市场、日前调度等功能。这些功能在优化时考虑电网安全约束和机组的技术参数,保证优化结果真实可行。通过系统的研究态多时段交流全网络安全校核功能对优化结果进行校核,保证结果真实可行。实际应用表明该系统效果良好。     

基于改进拉格朗日乘子修正方法的逆序排序机组组合

机组组合与经济调度是两个不同范畴的优化决策问题,其优化过程在概念上有本质的区别。用经济调度中的拉格朗日乘子对机组组合中的乘子进行修正有概念含混的误区。文章在阐明机组组合与经济调度中拉格朗日乘子的差异及作用机理的基础上,提出了一种新的逆序排序机组组合中拉格朗日乘子的修正方法,并对机组的搜索范围及机组运行的经济指标作了相应的改进,使原有算法在精度和计算速度上均得到了显著提高。20机、26机及110机测试系统的计算结果表明了文中的改进方法是有效的,进一步增强了机组组合对大规模系统的适应性。