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。     

用遗传算法解算机组组合的研究

用遗传算法解决电力系统机组组合及机组间的负荷分配问题。在机组数目增加时，二进制编码的遗传算法的计算量及存储量会增加很多，并且经典的遗传算法不具有渐近收敛性。针对这些问题，作者采用二进制与浮点数混合的编码方案，并根据这一特点设计了遗传算子；对经典的遗传算法在计算中出现的随机性问题，则采用压缩映射遗传算法使计算过程渐近收敛。计算表明，该算法的具有渐近收敛性，与二进制编码的算法相比，计算所需时间及内存少，而且更易引入问题的相关信息。     

机组组合问题的优化方法综述

机组组合问题是编制短期发电计划首先要解决的问题,合理的开停机方案 将带来很大的经济效益,由于问题十分复杂,很难找出理论上的最优解,文中介绍了机组组 合问题的数学模型,分类综述了从60年代起该问题的主要解法,比较了各种方法的优缺点, 并提出了尚待研究的问题。     

江苏电网月度机组组合系统设计

为了提升系统运行经济性,有必要在月度时间跨度上优化机组组合方案,并与日前、日内调度计划方案配合,制定更优的调度计划。结合江苏电网月度机组组合系统的建设,阐述了月度机组组合与日前、日内调度计划之间的配合关系,设计了月度机组组合系统的框架结构和计算流程,探讨了江苏电网月度机组组合系统的优点。江苏电网应用结果表明,月度机组组合系统能够有效优化机组启停方案,提升调度计划的精细化水平。     

基于遗传算法的随机机组组合问题求解

为考虑不确定性负荷对机组组合问题的影响,通过情景分析法引入一系列的情景对不确定性负荷进行建模,建立了随机机组组合问题的数学模型。采用遗传算法求解该优化问题,可自行满足情景簇约束。通过改进初始种群产生方式和变异算子,引进局部搜索算子对遗传算法进行改进,增强了算法的搜索能力。计算结果显示了随机机组组合问题的数学模型和改进遗传算法求解方法的有效性。     

电力市场下基于改进遗传算法的发电公司内部机组组合

针对电力市场条件下火力发电厂机组组合问题，提出了改进的遗传算法。该方法采用二进制编码，并取染色体形式为矩阵形式，无须解码。在形成初始群体时结合单位煤耗优先顺序法，先确定出1个交易区间内的必开和必停机组，从而减小了算法的随机性。在选择过程中，采用排序选择法，加快了算法的收敛，并让变异概率按线性规律变化，充分考虑了算法的全局性。经算例验算表明了该算法在满足安全可靠的多约束下具备可行性。     

基于改进遗传算法的电力系统机组优化组合

用遗传算法解决电力系统机组组合及机组间的负荷分配问题。在简单遗传算法基础上,提出了将自适应遗传算法应用于机组优化组合。该算法的交叉率随种群中的最大适应度值和每代种群的平均适应度值的变化而自动改变;变异率随适应度值和进化代数的变化而自动调节。通过对算例的计算分析表明,该算法与简单遗传算法相比具有更高的精度和收敛度。     

江苏电网中长期机组组合问题研究

结合江苏电网火电运行环境和调度业务特性两方面需求,研究中长期机组组合问题。以安全约束机组组合（SCUC）技术为基础,通过时段简化、电力电量解耦,建立了以电量进度偏差最小为目标的中长期机组组合模型。理论与实例分析表明．模型解决了中长期机组组合所关注的主要问题,是一种有效、实用的算法模型。     

基于电力系统日发电计划的混合智能messy遗传算法

机组组合是电力系统日发电计划中主要的优化任务,在满足各种约束条件下求得全局最优解是一个比较困难的问题.传统遗传算法的二进制编码和随机遗传操作不适合于求解大规模机组组合问题.针对电力系统日发电计划的特点,提出了一种混合智能messy遗传算法(HIMGA),该算法实现简单,大大减小了求解问题的规模,保证了群体的多样性,提高了算法的搜索效率,改善了算法的收敛性.仿真计算结果表明了该算法的有效性和实用性.     

能量管理系统(EMS)第6讲 发电计划(1)——火电计划和机组经济组合

介绍能量管理系统(EMS)发电计划类应用软件的总体构成，各应用之间的关系，以及发电计 划类应用软件中的火电计划、机组经济组合。     

电力系统机组组合问题的系统进化算法

提出了一种适用于解决大规模电力系统机组组合问题的新型优化算法－－系统进化算法,与常规的优化算法相比该方法具有更强的适应性和鲁棒性,能处理高维数、非凸、离散、非一的实际系统化问题。系统进化的思想具有方法论的意义,根据实际问题的不同特征可以设计不同的系统进化算法。这种方法的提出可以为复杂系统的优化规划、运行决策提供新的途径。     

用于机组优化组合的改进单亲遗传算法

为了有效地解决火电厂机组优化组合问题,作提出了一种改进的单亲遗传算法。该算法使用实数编码,不使用在两条染色体之间操作的交叉算子,所有遗传操作全部在一条染色体上进行,简化了遗传操作过程,提高了计算效率,且不要求初始群体中的个体具有多样性,也不存在“早熟”收敛现象。与传统的机组优化组合方法相比,该方法能方便地处理机组优化组合问题的复杂约束条。计算实例验证了这种算法的有效性。     

机组优化组合的协同变异遗传算法

本文提出了一种解决电力系统机组优化组合问题的协同变异遗传算法。这种算法沿用了遗传算法的基本思想，但在遗传操作算法的基本思想，但在遗传操作过程中实现基因的协同变异，以提高遗传算子的搜索效率，仿真实验表明这种算法具有很高的搜索效率和很好的适应性。     

遗传算法搜索优化及其在机组启停中的应用

提出了一种遗传算法应用于机组启停的新思路。针对机组启停问题的特点,设计了一些启发式技术,使得遗传算法初始种群中的所有个体都是可行解。针对遗传操作生成的不可行解,建立了一种从不可行域到可行域的是映射关系,大大减少了搜索中的无效操作。对过度满足约束条件的解,给出了一种有效减冗余的手段。并提出了一种边界搜索方法,可以更容易得到更优的解。这些措施起到了优化搜索路径的作用,有效地提高了遗传算法求解的效率和质量。     

机组优化组合的遗传算法

本文对机组优化组合的遗传算法进行了研究，针对问题的特征，设计了应用方法。实例计算表明，遗传算法具有收敛性好，适应性强，能找到近乎全局最优解，它对实现机组优化组合具有实用价值。     

机组负荷最优分配的改进遗传算法

本文针对常规遗传算法缺点,根据具体问题的特征,对火电厂内机组优化组合中的遗传算法从各个环节进行了改进,实例计算表明,该方法收敛性好,适应性强,能更有效地达到或接近全局最优。     

基于退火演化算法和遗传算法的机组优化组合算法

机组组合问题是编制短期发电计划时首先要解决的问题，合理的开停机方案将带来很大的经济效益。现代电力系统对机组优化组合算法的收敛速度和解的质量要求越来越高，作者从改善传统算法这两方面着手，根据退火演化算法和遗传算法各自的特点，提出了一种用于机组优化组合的组合算法。与传统的一些优化算法相比，该组合算法具有搜索速度快，收敛性好，而且解的质量相当高。通过对实际系统的测算，验证了该方法的有效性和优越性。该方法具有良好的并行性，易于在并行计算机上实现。     

机组组合问题的扩展Hopfield神经网络算法

从Hopfield神经网络的原理和机组组合问题的特点出发，提出了一种适合解决机组组合问题的扩展Hopfield神经网络算法。该算法结合了Hopfield神经网络和模拟退火算法（SA）的优点，对整数变量取值范围进行了可行的扩展，有效地避免了陷入局部最优。同时，该算法无须进行额外的负荷经济分配，故能迅速，高效地搜索到系统的高质量优化解，对于实际系统的仿真计算结果证明了该算法的有效性，并且，方法本身具有良好的并行性，易于在并行计算机上实现，因此具有实际应用的可能性。     

基于免疫算法的机组负荷优化分配研究

文章提出应用新的智能算法一免疫算法解决负荷优化分配问题。在分析负荷分配的数学模型和免疫算法特点的基础上，详细研究了基于免疫算法的负荷优化分配方法。优化问题的解对应于免疫算法中的抗体，解的优劣通过结合力的计算来评价，具有最大结合力的抗体就是问题的优化解。文中还提出应用机组持续状态时间进行编码改进，可明显加快算法的搜索速度，免疫算法中特有的基于抗体浓度更新和抗体多样性也使得算法具有很好的收敛性和搜索性能。该算法通过10台机系统进行了验证，计算结果证明免疫算法与其它优化算法相比，能更快搜索到较优解，从而为机组负荷优化分配的求解提供新的有效算法。