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。     

基于改进粒子群算法的多目标最优潮流计算

针对电力系统多目标最优潮流计算问题,提出一种基于(非劣最优)Pareto解集的改进粒子群算法AL iPSO。用最优值评估选取法求取粒子和全局最优位置,解决目标函数间可能存在的冲突。并将关联度自适应学习应用于多目标优化,提出适合Pareto解特点的适应度设计和随机惯性权策略,克服PSO算法容易早熟而陷入局部最优解的缺点。通过对IEEE 6、IEEE 14节点系统多目标最优潮流计算,验证了该算法的有效性。     

基于α约束支配排序混合进化算法的微电网多目标优化运行

为降低微电网运行成本和污染排放,建立微电网多目标优化运行模型,并提出一种新型的α约束支配排序混合进化算法求解模型,该算法通过采用α约束支配排序机制,将所有约束条件统一处理为α约束水平度,并将其作为进化选择指标以控制所有个体快速转化为可行解,可显著提高约束处理效率。提出一种基于非劣排序的混合多目标进化算法,有效融合微分进化算法与分布估计算法各自的优点,克服单一算法种群多样性不足和易早熟的缺陷。通过分类逼近理想解的排序方法实现多属性决策,以获得最优折中解。某微电网算例结果表明所提算法有效、可行。     

基于改进粒子群优化算法的负荷分配方法研究

针对多目标粒子群优化算法求解负荷优化分配问题时所出现的最优解分布不均,局部最优等问题,引入了精英交叉算子并基于拥挤度对非劣解集进行排序,给出了精确计及网损时的机组出力等式不等式约束处理方法。最后在有无网损两种情况下针对3机组系统进行负荷优化分配。仿真结果表明改进后的粒子群优化算法寻优能力得到提升,同样利用模糊隶属度函数筛选Pareto解集得到的结果明显优于常规粒子群优化算法,有效降低了发电成本及污染物排放,且求解结果严格满足约束条件。     

考虑暂态稳定性的多目标最优潮流

对暂态稳定约束的最优潮流模型进行改进,提出统一协调安全性、稳定性和经济性的多目标最优潮流新方法。该方法引入带精英策略的快速非支配排序遗传算法(non-dominated sorting genetic algorithm-II,NSGA-II),优化得到一系列满足Pareto最优的非劣解集,供决策者根据实际需求从中选择;为提升算法效率,引入搜索空间缩小策略,并对NSGA-II进行主从并行改造;为更加科学客观地进行无偏最优解选择,引入基于模糊隶属度和方差赋权的决策方法。最后,结合新英格兰10机39节点系统测试结果,证明了所提方法有效、可行。     

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。     

求解电力系统多目标环境经济调度的帕累托最优MFO算法

本文提出了一种利用MFO算法解决电力系统环境经济调度的新方法,该算法利用飞蛾扑火原理对设定目标进行螺旋式搜索,并在目标位置进行重复检索。MFO算法对于大规模非线性规划问题具有较强的适应性和有效性。在求解环境经济调度问题中,结合实际发电系统运行过程中应满足的功率平衡约束和容量约束等,以总燃料成本和污染排放最低为目标建立多目标规划数学模型。运用帕累托最优前沿求取帕累托非劣性最优解,得到帕累托最优配置方案,在可行域中搜索出全局最优解。在MATLAB仿真平台对含40台发电机组系统进行仿真计算,结果表明本文提出算法在求解电力系统环境经济调度中具有较高的收敛性和较强的适应性。     

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。     

基于改进非劣排序微分进化算法的安全约束环境经济调度

提出一种改进非劣排序微分进化算法用于求解考虑系统安全约束的环境经济发电调度问题,对相互冲突的发电费用函数和污染气体排放量函数同时进行优化。该算法采用非劣排序和拥挤距离排序对种群进行选择操作,并引入控制参数自适应调整策略来改善算法性能。在IEEE 30节点系统上进行验证,结果表明所提算法的寻优性能优于非劣排序遗传算法。     

基于改进粒子群优化算法的最优潮流计算

提出应用粒子群优化算法（PSO）求解最优潮流问题（OPF），并结合动态调整罚函数法将最优潮流问题转化成一个无约束求极值问题，有效提高了PSO算法的全局收敛能力和计算精度。应用此算法对标准IEEE30节点系统进行潮流计算，并与线性规划算法和遗传算法进行了比较，结果表明，该算法能够更好地获得全局最优解，具有实用意义。     

基于人工免疫算法的电力系统最优潮流计算

基于一阶或二阶梯度的优化算法在计算电力系统最优潮流时经常陷入局部最优点，模拟进化算法具有较好的全局搜索能力，但是有时也由于过早成熟的现象而陷入局部最优点，文中提出了一种计算电力系统最优潮流的新算法－人工免疫算法，该算法是根据人或其他高等动物免疫系统的机理而设计的，将目标函数和一部分不等式约束条件作为抗原，将搜索空间的解作为抗体，依据抗原与抗体的结合力以及抗体之间的结合力对解进行评价和选择，通过抗体之间的相互激励作用提高了最优点附近的搜索效率，通过记忆细胞对抗体的抑制作用有效地摆脱局部最优点，应用此算法进行电力系统最优潮流计算，对IEEE30节点系统的计算结果说明了该算法的有效性。     

缺电损失最小化减负荷算法的研究

在满足安全稳定限制的情况下,建立了寻求缺电损失最小的负荷减载模型和算法,以解决系统供电不足时的减负荷问题.该模型是具有等式和不等式约束的函数极值问题,属于最优潮流模型.该算法是在控制变量空间寻优的改进近似规划法：从初始可行的运行点开始,通过计算系统的状态变量对控制变量的灵敏度,将系统的目标函数和约束条件线性化,进行有效约束的筛选,以线性规划修正控制变量,进而解算潮流得到新的可行运行点.通过迭代收敛到最优解.并以IEEE-14节点系统和IEEE-30节点系统为试算系统,验证了该算法的有效性.     

电力系统最优潮流的分布式并行算法

在构造电力系统分解协调模型的基础上，采用辅助问题原理进行分布式并行最优潮流运算，并用通用增广拉格朗日法加快收敛速度，对分布式并行优化算法做了详细推导。仿真结果表明，该算法可显著加快大系统的优化速度，提高控制的实时性和可靠性，符合电力市场发展的需求。     

基于熵理论的最优潮流代理约束算法

针对最优潮流计算中不等式约束多且难处理的特点,对最优潮流代理约束算法进行进一步的研究。理论分析了该算法对不等式约束的处理方法及其精度和特性,发现该方法不但能提高计算速度,识别系统薄弱环节,而且具有内点法的特征。通过最小自由能的定义,推导出电力系统中大量约束不等式的有效性服从波尔兹曼（Bolzemann）分布,揭示了最优潮流代理约束算法的热力学机制。算例表明该方法是切实有效的。     

基于信息理论的电力系统在线故障诊断

该文引入信息理论来研究和处理电力系统故障过程中存在的不确定性，研究了电力系统故障中的信息运动过程，建立了故障诊断的信道模型；基于信息损失最小原理，提出了适用于大规模系统不确定性决策的故障诊断新方法，该方法将故障诊断问题转化为求取最小信息损失的组合优化问题。文中还研究了通过信息损失来计算故障诊断解空间的概率分布方法，并针对大规模系统给出了近似解空间概率分布的求解方法。应用该文方法进行电网故障诊断，能给出各种可能发生的故障组合以及每种故障组合发生的概率。算例表明，该方法的快速性能满足大规模电力系统在线故障诊断辅助决策的要求。     

基于Tabu搜索方法的电力系统无功优化

将 Tabu搜索方法用于电力系统无功优化 ,采用二进制和十进制编码 2种方案。对IEEE30节点系统和 1 2 5节点山东省某地区电网进行了优化计算 ,并与简单遗传算法、结合模拟退火的遗传算法进行了比较 ,结果表明 Tabu搜索方法具有更强的全局寻优能力 ,可用于运行方式安排 ,并具有在线决策的潜力     

含FACTS元件的电力系统非线性最优潮流计算

根据FACTS 元件的控制原理分别建立适合于最优潮流计算的数学模型,便于给定其计算初值和可行域。提出采用直接非线性路径跟踪算法求解含FACTS元件的电力系统最优潮流模型,研究了FACTS元件的支路潮流控制对该算法的影响。IEEE 30节点和IEEE 118节点系统的优化计算结果表明该算法不仅具有强大的处理不等式约束的能力,而且还具有较强的适应支路功率定向定值控制的能力,但其收敛性要受到FACTS元件的数目及安装地点的影响。     

基于异步迭代的多区域互联系统动态潮流分解协调计算

在全局电网分解协调计算中，为增加各子系统计算的独立性，并减小协调计算对通信系统的要求，提出了一种新的基于异步迭代的互联系统分解协调动态潮流计算方法，这种方法允许每个参与分布式计算的子系统自由选择本系统内的Vθ节点，采用内、外两层迭代的方式求解整个互联系统的动态潮流。以各子系统单独潮流计算作为内层迭代，再利用边界条件构造关于边界节点状态量的不动点迭代格式，通过不断修改各子系统相应外边界节点的等值注入作为外层迭代来统一全网潮流解。所提出的算法经IEEE9节点试验系统验证，可获得全网动态潮流解。     

含统一潮流控制器的电力系统新型潮流算法

本文通过对统一潮流控制器（UPFC）在电力系统中控制原理的分析,提出了一种计及UPFC的新型潮流算法,在原有潮流计算牛顿一拉夫逊法的基础上,将UPFC对系统的影响转移到对潮流方程的修正中去,选取新的状态变量,为电力系统稳态潮流控制打下了基础,算例支持了本文思想和算法的正确性。     

网络流和内点法结合的有功动态优化调度

为便于电力市场柔性地做出决策，研制灵活的求解、分析有功优化调度模型和算法就显得特别重要。文中将有功潮流方程表达成网络流形式，结合内点法的预测校正、前瞻技术和稀疏处理技术，建立了适用于多种方式计算的、动态的有功优化调度模型和算法，可以作为电力市场环境下有功优化调度分析的辅助工具。