首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 218 毫秒
1.
基于电力系统日发电计划的混合智能messy遗传算法   总被引:2,自引:1,他引:2  
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.  相似文献   

2.
电力市场中机组组合的智能优化算法   总被引:1,自引:0,他引:1  
随着电力市场的兴起,机组优化组合问题的目标函数和约束条件都发生了重大的变化,本文提出了在电力市场机制下机组组合问题的数学模型,并运用智能优化算法-遗传算法求解,该算法不同于常规优于算法的特点在于,能够从最后一代的母体群中产生多个满足约束条件的可行方案,为电钢调度提供了极大的灵活性。而且任何可以用罚因子项表示的约束条件可以考虑到遗传算法,适合大规模及超大规模问题的求解。  相似文献   

3.
机组组合问题的模型及算法综述   总被引:1,自引:0,他引:1  
黎静华  兰飞 《现代电力》2011,28(6):1-10
机组组合问题是电力系统优化运行的重要组成部分。在总结传统的机组组合数学模型及经典求解方法的基础上,深入分析了近年来考虑环保、安全、市场及随机性等因素的机组组合模型的特点和意义,详细评述了智能类(如优先顺序法)、数学规划类(如分枝定界、动态规划)、元启发类(如遗传算法、粒子群算法)等各种求解方法的原理、所取得的研究成果及不足之处,介绍了近年来出现的如整数辨识、社会演化、邻域搜索及模式搜索等求解方法的特点,并总结了现有较具代表性的混合整数规划数学软件GAMS和CPLEX的优缺点。最后,探讨了未来适应于智能电网的机组组合的发展方向,提出了机组组合尚需研究和解决问题,希望能为机组组合问题的研究者提供参考。  相似文献   

4.
社会演化算法在机组组合中的应用   总被引:32,自引:5,他引:32  
机组组合是电力系统优化运行的一个重要方面,从数学角度讲,机组组合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,该文将一种新的方法—社会演化算法用于解决该问题。该算法用认知主体取代了传统遗传算法的基于编码的可行解生成方式;用基于“范式学习与更新”的进化寻优机制取代了传统遗传算法中基于模仿基因的遗传和变异的进化寻优机制,使其计算效率及收敛稳定性均优于传统遗传算法。最后通过算例验证了该算法的优越性。该算法不仅为解决机组组合问题带来了新的思路和方法,在求解其它带有复杂约束条件的组合优化问题方面也有非常重要的启发意义。  相似文献   

5.
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。  相似文献   

6.
机组组合问题是电力系统优化运行的重要组成部分,一直是电力系统研究中的热点和难点。总结了传统机组组合数学模型及经典求解方法,并在此基础上介绍了近年来基于市场、节能等因素用于机组组合问题求解的新型智能优化算法,综述了机组组合问题的发展和应用现状,并展望了未来有待进一步研究的内容。  相似文献   

7.
基于遗传粒子群混合算法的机组组合优化   总被引:2,自引:0,他引:2  
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.  相似文献   

8.
基于矩阵实数编码遗传算法求解大规模机组组合问题   总被引:19,自引:5,他引:19  
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。  相似文献   

9.
对发电机组输出功率速度限制等条件下的最优机组组合问题进行了研究,提出了基于多智能体进化算法的求解方法.首先选取二次函数作为机组煤耗量特性曲线,建立了负荷优化分配模型,同时考虑了机组运行的约束条件,并选取多智能体进化算法进行优化设计,从而达到机组组合与运行的良好协调,最后通过一个包含十台机组的火电厂负荷分配算例仿真,证明了这种新方法的可行性,获得了较满意的效果,为机组负荷优化分配问题提供了一种新的思路和方法.  相似文献   

10.
基于隐性备用约束的机组组合模型   总被引:1,自引:0,他引:1  
提出了一种基于隐性备用约束的机组组合模型。与常规机组组合模型不同,该模型中的旋转备用约束并未明确给出,而是隐含在目标函数中的可靠性与经济性的平衡之中。采用解析法对机组组合方案的可靠性进行了评价,并在此基础上估算停电损失。可靠性评估过程中考虑了机组的随机故障与负荷的不确定性。采用遗传算法对模型进行了求解,除常规的复制、交叉、变异操作外,亦设计了智能变异操作算子以提升算法的寻优性能。基于某10机系统的仿真试验证了所提模型与算法的有效性。  相似文献   

11.
基于遗传算法的机组组合研究   总被引:11,自引:7,他引:11  
针对遗传算法应用于机组组合问题的具体实现技术进行了深入的研究,实现了采用不同采样空间,不同选择策略,不同适值函数和不同交叉率/变异率的遗传算法和机组组合计算程序,并对10机系统和110机系统的仿真计算进行了分析和比较。结果表明各种不同实现技术的遗传算法应用到机组组合问题具有不同程度的有效性,另外,遗传算法的不同实现技术对收敛时间,收敛代数和收敛值也有较大的影响。文中在计算研究的基础上提出了适用于机组组合问题的遗传算法的具体实现技术,为遗传算法应用到机组组合问题的实用化研究奠定了坚实的基础。  相似文献   

12.
遗传/禁忌组合算法在发电机组优化组合中的应用   总被引:4,自引:0,他引:4  
在研究遗传算法 (GA)和禁忌算法 (TS)的基础上 ,提出一种采用遗传 /禁忌组合算法 (GA/TS)的策略 ,并将其应用于发电机组的优化组合中 ,同时用算例证明该方法的有效性和应用前景。  相似文献   

13.
基于风速预测和随机规划的含风电场电力系统动态经济调度   总被引:45,自引:7,他引:38  
随着风力发电在电力系统中比重的持续增加,在电力系统经济调度中需要考虑风电场的影响;而并网风电场具有动态、随机、容量大等特点,传统的经济调度方法已不再适用。针对风电场出力的随机性,在风速预测的基础上,应用随机规划理论建立了考虑机组组合的含风电场电力系统动元网络和遗传算法的混合智能算法,提高了算法的收敛速度和搜索性能。以含风电场的IEEE30节点系统为算例验证了所提方法的可行性和有效性。  相似文献   

14.
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。  相似文献   

15.
基于混沌遗传混合优化算法的短期负荷环境和经济调度   总被引:7,自引:4,他引:7  
环境和经济短期负荷调度主要由在调度周期内的最优机组组合和负荷分配组成,该文将优先次序法、遗传算法与混沌优化相结合,以应用到电站机组环境/经济运行优化问题中,在混沌遗传算法中采用递阶基因结构,将控制基因用于机组组合全局粗寻优,参数基因用于负荷分配局部优化, 基因修正与罚函数相结合解决约束问题,采用混沌扰动避免遗传算法早熟,运用基于线性搜索的混沌局部优化方法,加快算法的收敛速度和降低计算时间,优化计算结果可以同时得到最优机组组合及负荷最优分配,为实际调度系统提供了一个良好的方法。  相似文献   

16.
粒子群优化算法应用于火电厂机组组合问题中存在早熟收敛等现象,提出3方面改进的遗传粒子群混合算法:改进粒子群初始化方法,提出粒子初始化机组运行状态组合合理性判据,并初始化一定比例的粒子使其机组负荷随机在对应机组负荷上限附近赋值;采用部分解除约束结合惩罚函数的约束处理方法,对粒子进行机组负荷平衡操作,使大部分粒子满足约束条件;通过引入遗传算法中的交叉和变异操作增加了粒子的多样性,减小了算法陷入局部极值的可能性。采用改进的遗传粒子群混合算法对3机及5机火电厂机组负荷组合进行优化,仿真结果表明,优化成功率能达到100%。  相似文献   

17.
电力系统机组组合问题的改进粒子群优化算法   总被引:20,自引:13,他引:20  
赵波  曹一家 《电网技术》2004,28(21):6-10
机组组合问题是一个大规模的非线性混合整数规划问题.文章首先对机组组合问题的0、1变量进行松弛,应用罚函数方法将此问题转化为一个非线性连续变量的规划问题,并应用改进粒子群优化算法求解.该算法在标准的粒子群优化算法的基础上,每个粒子速度和位置的更新不仅考虑自身个体极值和全局极值的信息,还考虑其它粒子所包含的信息.通过收敛性分析可知,若合适地选择算法的控制参数,该算法能较好地收敛到最优解.算例表明文章所提出的算法具有解的质量高、收敛速度快的优点.  相似文献   

18.
基于竞价的日发电计划混合智能优化算法   总被引:9,自引:3,他引:9  
针对电力市场下基于竞价的日发电计划的特点,提出一种充分结合遗传算法和排队算法各自优点的混合智能算法。该算法利用遗传算法在求解离散组合优化问题上的强收敛性和鲁棒性进行机组优化组合,利用排队算法的简洁性和快速性进行经济功率分配。同时,利用基于专家知识的免疫遗传算法来提高机组优化组合的计算速度。通过对某实际电力市场基于竞价的日发电计划的计算和分析,验证了该算法的正确性和实用性。  相似文献   

19.
This paper presents a hybrid chaos search (CS), immune algorithm (IA)/genetic algorithm (GA), and fuzzy system (FS) method (CIGAFS) for solving short-term thermal generating unit commitment (UC) problems. The UC problem involves determining the start-up and shut-down schedules for generating units to meet the forecasted demand at the minimum cost. The commitment schedule must satisfy other constraints such as the generating limits per unit, reserve, and individual units. First, we combined the IA and GA, then we added the CS and the FS approach. This hybrid system was then used to solve the UC problems. Numerical simulations were carried out using three cases: 10, 20, and 30 thermal unit power systems over a 24 h period. The produced schedule was compared with several other methods, such as dynamic programming (DP), Lagrangian relaxation (LR), standard genetic algorithm (SGA), traditional simulated annealing (TSA), and traditional Tabu search (TTS). A comparison with an immune genetic algorithm (IGA) combined with the CS and FS was carried out. The results show that the CS and FS all make substantial contributions to the IGA. The result demonstrated the accuracy of the proposed CIGAFS approach.  相似文献   

20.
本文提出一种序列二次规划优化算法与标准遗传算法结合的流变模型参数反馈分析方法,这种算法既发挥了序列二次规划优化算法省时、高效、局部搜索能力强的特点,又发挥了遗传算法可以搜索到全局最优解而避免陷入局部极小值的优点,改善了常规遗传算法的收敛速度。将遗传算法搜索到的全局最优近似解作为初始值,代入收敛效率较高的序列二次规划程序进行最终局部优化。以某堆石坝为例,应用上述反演方法对高围压下的堆石体9参数流变模型参数进行了反演分析,验证了此方法的可行性与有效性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号