电力系统经济负荷分配的混沌粒子群优化算法

提出一种新的混沌粒子群优化(CPSO)算法,将其用于求解复杂的电力系统经济负荷分配(ELD)问题。该算法保持了粒子群优化(PSO)的简单结构,先利用PSO算法的全局收敛能力进行搜索,以获得近似解(即粒子经过的最佳位置),然后利用混沌优化的混沌运动特性在近似解的邻域内进行局部搜索,从而获得精确的全局最优解。多个算例的仿真结果表明,该算法能快速有效求取电力系统ELD问题更精确的最优解。     

广义蚁群与粒子群结合算法在电力系统经济负荷分配中的应用

提出了一种结合广义蚁群算法和粒子群算法的优化算法,并将其用于求解复杂的非凸、非线性的电力系统经济负荷分配问题.该结合算法同时具有广义蚁群算法的大规模寻优特性和粒子群算法的较强局部搜索能力,在确保全局收敛性的基础上,能够快速搜索到高质量的优化解.多个算例的仿真结果表明了该结合算法的有效性和可行性.     

基于多Agent粒子群优化算法的电力系统经济负荷分配

为更好地解决电力系统中经济负荷分配非连续、非凸、非线性的优化问题,提出一种新的基于多Agent系统竞争与合作机制的多Agent粒子群优化算法。该算法以粒子群算法和智能体技术为基础,将粒子群算法的群搜索特征和智能体的智能搜索特征相结合,使粒子在搜索过程中利用群体信息,环境信息共同决定搜索策略。每一个Agent相当于粒子群优化算法中的一个粒子,通过与其随机选取的邻居的竞争、合作操作,能够充分获得问题信息并自适应地权衡粒子的全局探索能力和局部开发能力,可更快、更精确地收敛到全局最优解。对IEEE3节点,IEEE13节点和IEEE40节点系统的仿真结果表明,该算法在求取电力系统ELD问题时具有较高质量的解和运行速度。     

基于改进双粒子群算法的舰船电力系统网络故障重构

舰船电力系统环形网络故障重构本质上是带约束的多目标非线性组合优化问题。为了解决舰船电力系统发生故障时的供电恢复问题,提出了一种改进双粒子群优化算法进行求解。此算法分为主、辅两个粒子群,主粒子群改进了种群初始化、自适应调整惯性权重和学习因子,提高了主粒子群算法的全局寻优能力。同时,辅助粒子群还采用改进的混沌局部搜索策略,增强了种群多样性及局部寻优能力,有效地解决了粒子群算法中容易陷入局部极值的问题。通过系统仿真,分别将几种不同的优化算法进行比较。结果表明该算法具有很高的搜索效率和寻优能力,能有效地提高故障恢复的速度与精度,在处理舰船电力系统网络故障重构方面具有较好的效果。     

电力系统经济负荷分配的量子粒子群算法

本文首次将量子粒子群算法用于电力系统经济负荷分配中。该算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解。同时该算法的进化方程中不需要速度向量,而且进化方程的形式更简单,参数较少且容易控制。对两个算例进行仿真测试,证实该算法可有效解决经济负荷分配问题;性能对比显示,该算法求得的解优于已有的改进粒子群算法及其它优化算法所求得的解。本文为量子粒子群算法用于经济负荷分配的实用化研究奠定了必要的理论基础。     

空间粒子群优化算法及其在电力系统环保经济负荷分配中的应用

针对粒子群优化算法易陷入局部最优、收敛过早的缺陷,提出一种空间粒子群优化算法,通过附加一类高度参数,使粒子移动的方向和距离由单一速度决定转变成还受高度作用,构成位置、速度、高度三维参数空间,从而降低了计算结果的随机性。将该算法用于求解电力系统经济负荷分配问题,在传统经济负荷分配考虑燃料成本的基础上,综合考虑由机组排放污染气体所产生的环境成本。仿真结果表明,相比经典粒子群优化算法和改进粒子群优化算法,空间粒子群优化算法有较强的全局搜索能力和更可靠的优化计算结果,在解决非线性、非凸性、不连续优化问题中具有有效性和优越性。     

基于粒子群算法的电力系统经济负荷分配研究

电力系统经济负荷分配,是指在满足电力系统或发电机组运行约束条件的基础上,在各台机组间合理地分配负荷以达到最小化发电成本的目的,是经济调度中非常重要的问题。粒子群算法是一种源于对鸟群捕食的行为研究的进化计算技术,具有全局优化能力强、收敛性好和编程实现简单等优点。将粒子群算法应用于电力系统经济负荷分配问题的研究中,通过对实际算例进行仿真测试,证实该算法可有效解决经济负荷分配问题,性能对比显示,该算法求得的解优于传统优化算法所求得的解。     

基于强引导粒子群与混沌优化的电力系统无功优化

为解决粒子群优化后期搜索速度较缓慢,易陷入局部最优的问题,提出一种基于强引导粒子群与混沌寻优相结合的电力系统无功优化算法,该算法在采用强引导型粒子群的基础上引入混沌优化以进一步提高全局寻优能力,即在粒子群算法的基础上引入强引导思想,在搜索初期,对粒子位置的更新加以引导,减少算法随机性以提高搜索效率。为进一步解决寻优后期粒子可能陷入早熟收敛的问题,利用混沌优化具有"奇异吸引子"的特性,在解空间进一步搜索,两者的结合可以更有效地搜索到全局最优解。通过对某高压配电网的具体计算,最优降损率可以达到14.04%,节点最低电压从0.895 0 p.u.提高到0.995 6 p.u.,结果表明该算法应用在电力系统无功优化领域的可行性和有效性。     

一种新算法在经济负荷分配中的应用

为求解复杂的不连续、非凸、非线性电力系统的经济负荷分配问题,提出了一种单纯形法(NM)和粒子群算法(PSO)相结合的NM-PSO算法.该算法将单纯形算子嵌入到PSO算法中,把适应值最好的一部分粒子用单纯形法来更新,其余粒子用PSO算法寻优,从而提高PSO算法后期的寻优能力.NM-PSO充分利用PSO算法强大的全局搜索能力和NM快速确定性的局部搜索能力,提高了NM-PSO算法的寻优能力和收敛速度,该算法应用于经济负荷分配问题得到的优化结果好于其他方法.     

基于自适应聚焦粒子群优化算法的电力系统多目标无功优化

自适应聚焦粒子群算法(adaptive focusing particle swarm optimization,AFPSO)是根据粒子群算法的全局搜索与局部搜索平衡特性,并予以改进得到的一种具有较好全局搜索能力和寻优速度的自适应群体智能优化算法。作者将此算法用于电力系统无功优化。该方法以最优控制原理为基础,引入了静态电压稳定性指标,建立了综合考虑系统有功网损最小、静态电压稳定裕度最大的多目标无功优化模型。IEEE 30节点系统仿真结果表明,AFPSO算法在实现系统经济运行的同时也增强了电网的电压稳定性,证明了AFPSO算法的有效性和优越性。     

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。     

基于混沌灰狼算法的交直流混合微网经济调度

并网情况下交直流混合微电网的经济稳定运行是微电网建设和运营的基本要求。文中从经济调度的角度出发,建立了考虑微电网设备的维护成本、蓄电池储能损耗成本、AC/DC换流成本、并网售购电费用的联合优化经济模型。针对传统灰狼算法(GWO)在全局搜寻能力上的不足,引入混沌序列Logistic映射对灰狼算法初始化进行改进,丰富灰狼种群的多样性,使初始种群更加均匀的分布在求解区间内。为验证混沌灰狼算法(CGWO)算法的性能,基于实际算例进行仿真分析,验证所提模型与算法的正确性与有效性,在相同算例下将CGWO的优化结果分别与GWO、粒子群算法(PSO)、混沌粒子群算法(CPSO)进行对比分析,结果表明CGWO性能优于其它三种算法,能有效的进行经济调度并保证具有良好的全局搜寻特性和收敛速度。     

An Improved Particle Swarm Optimization for the Combined Heat and Power Dynamic Economic Dispatch Problem

—This study presents a novel improved particle swarm optimization algorithm to solve the combined heat and power dynamic economic dispatch problem. This problem is formulated as a challenging non-convex and non-linear optimization problem considering practical characteristics, such as valve-point effects, transmission losses, ramp-rate limits, mutual dependency of power and heat, spinning reserve requirements, and transmission security constraints. The proposed method combines classical particle swarm optimization with a chaotic mechanism, time-variant acceleration coefficients, and a self-adaptive mutation scheme to prevent premature convergence and improve solution quality. Moreover, multiple efficient constraint handling strategies are employed to deal with complex constraints. The effectiveness of the proposed improved particle swarm optimization for solving the combined heat and power dynamic economic dispatch problem is validated on three different test systems, and the results are compared with those of other variants of particle swarm optimization as well as other methods reported in the literature. The numerical results demonstrate the superiority of improved particle swarm optimization in solving the combined heat and power dynamic economic dispatch problem while strictly satisfying all the constraints.     

A fuzzy adaptive chaotic ant swarm optimization for economic dispatch

This paper developed a fuzzy adaptive chaotic ant swarm optimization (FCASO) algorithm for solving the economic dispatch (ED) problems of thermal generators in power systems. The FCASO algorithm introduces a fuzzy system to dynamically tune the characteristic parameters ψ_d and r_i of chaotic swarm optimization (CASO). The proposed method was applied to two cases of power systems. The simulation results demonstrate the applicability and effectiveness of the proposed algorithm to the practical ED problem.     

基于改进变尺度混沌优化方法的经济负荷分配

文中介绍了混沌优化的原理，通过改进变尺度混沌优化方法的算法结构，在一定程度上减少了混沌变量初值的选择对于运算结果的影响，提高了混沌优化算法的效率和性能，数值仿真证明算法有效；将改进后的方法应用于大规模电力系统经济负荷分配的算例和实际电站系统中，取得了更为优化的结果；文中还使用了另一种有效的混沌优化策略对相同算例进行计算，结果亦证实了改进算法的有效性和实用性。该文为混沌优化方法的研究提供了一种参考方向。     

基于粒子群算法的火电厂机组负荷优化分配研究

负荷优化分配是火电厂运行优化的一个重要研究领域,在机组之间合理地优化分配负荷能够提高整个火电厂运行的经济性。针对火电厂实际的运行情况,考虑多个实际约束条件,建立了并行火电机组间连续多时段动态负荷优化分配的数学模型;提出运用新近发展起来的智能算法-粒子群算法来解决动态负荷优化分配问题,详细介绍和研究了该算法的基本原理以及在负荷优化分配问题上的实现过程,并针对原算法的不足,对算法进行了改进;根据负荷分配和算法的特性,对初始种群的生成方法进行了改进,同时对约束条件进行了有效处理。仿真实例表明,该方法收敛性好,收敛速度快,能够有效地达到或接近全局最优,从而为火电厂机组负荷优化分配的求解提供了新的有效算法。     

基于多目标混沌粒子群算法的矿区电网无功优化

为了提高矿区电网电能质量,降低电网线路有功网损,在无功优化基本数学模型的基础上,综合系统电压的静态稳定性,建立了多目标无功优化数学模型。针对粒子群优化算法在进化中易出现早熟收敛等问题,引入混沌粒子群优化算法。以IEEE30节点系统为算例,验证了多目标混沌粒子群算法的可行性。将该算法应用于矿区电网无功优化中,仿真结果进一步验证了该算法的有效性。