基于混合智能算法的电力系统经济负荷分配

为解决复杂、不连续、不可导、非线性的电力系统经济负荷分配（economic load dispatch,ELD）问题,提出粒子群算法（particle swarm optimization,PSO）结合单纯形算法（simplex method,NM）的混合智能算法（simplex method-particle swarm optimization,NMPSO）。利用NMPSO解决ELD问题时,综合考虑了发电机组的阀点效应和系统网损,使ELD更接近实际情况,充分利用 PSO 随机性的全局寻优能力和 NM快速确定性的局部寻优能力,弥补了 PSO和NM分别单独应用时的不足。仿真结果表明,NMPSO应用于ELD问题,具有较好的优化效果。     

改进混沌离散粒子群与等微增率的机组组合优化

针对火电机组组合问题具有非线性、离散性、随机性以及高维、非凸等特点,提出一种适用于求解大容量火电机组组合优化问题的改进混沌离散粒子群优化算法。基于改进混沌离散粒子群算法来确定机组启停决策变量,采用跟踪负荷变化并引入修正策略来修正机组启停决策变量,提高算法的效率和解的精度。采用Kuhn-Tucker最优性条件对等微增率进行改进,使其分配结果满足爬坡及出力上下限要求。通过改进的混沌离散粒子群与等微增率混合嵌套,分别对外层机组启、停状态变量和内层负荷分配进行交替迭代优化。仿真算例表明,所提出的算法在求解机组组合问题时具有较强的全局搜索能力和适应性。