一种机组优化组合问题的遗传算法

火力发电厂的发电机组优化组合问题具有高维数、非凸、离散、非线性、多约束的特点,增加了求解的复杂性。讨论了机组优化启停的遗传算法,通过可行性检查使初始解群中的所有个体都是可行解,也使求解过程中建立了一种从不可行解域到可行解域的映射关系,这样可以大大减少无效的遗传搜索过程。实例计算表明,该方法收敛性好,适应性强,计算速度快,能够使计算的结果更加有效地接近全局最优解。     

考虑机组启停的省间电量交易可行域确定方法

互联电网通过跨区域电力传输实现电力资源的优化配置。精准刻画省间电量交易可行域,有助于保证省间电力交易的可执行性和最优性。省间电量交易需满足最小启停时间等与机组启停相关的物理约束。因此,该文首先从省间电量交易可行域定义出发,揭示考虑机组启停的电量交易可行域的数学本质。进一步,提出基于双层确定模型的电量交易可行域确定方法。在上层确定模型中,通过求解含机组组合约束的混合整数线性规划问题,确定电量交易可行域边界顶点处的机组启停状态,并证明所获得启停状态的正确性;基于上层确定模型所给定的机组启停状态,下层确定模型考虑典型多时段经济调度约束,利用顶点搜索方法确定每个机组状态下的电量交易可行域。基于IEEE9和IEEE118节点测试系统的仿真计算,验证了理论分析结论和所提模型的有效性和准确性。     

火电机组启停机经济调度新算法

合理的开停机方案能带来经济效益，提出一种混合模拟退火－遗传算法模型进行火电机组的优化启停计划调度，采用十进制编码，无需解码，可减少计算误差的时间，由于引入了模拟退火算法，使得这种算法能接受新特性，不仅改进了忆部收敛性且能加速寻优过程，最终可得到近于全局最优的解，经算例验算表明，该算法可以满足安全可靠的多种约束条件下，较好地改善机组启停计划的经济性，是安排火电机组启停机计划的一种可行方法。     

蚁群算法在电力系统机组优化组合中的应用研究

采用模拟进化优化算法———蚁群优化算法来求解机组最优启停问题。引入了状态、决策、路径等概念,把机组最优启停问题设计成蚁群算法模式,通过附加惩罚项来处理各种约束,用tabu表限制不满足约束的状态,使得蚂蚁的搜索总在可行域内进行,对算法的搜索进程起到了有效的引导作用。仿真证明利用蚁群优化算法求解机组最优启停问题是可行的、有效的。     

解空间遗传算法在水电站厂内经济运行中的研究

针对水电站厂内经济运行求解方法,提出一种解空间遗传算法。采用避开空蚀振动区、考虑负荷平衡约束和机组出力约束的解空间初始种群生成法,以避免适应度函数设计中的惩罚处理并保证适应度函数非负;运用解空间摄动变异算子,保证变异后的个体仍为可行解。以三峡水电站为例与传统遗传算法进行了比较,不同量级的负荷分配结果表明:解空间遗传算法能够避开空蚀振动区的影响,保证机组的正常运行。同时由于避免了在不可行解区域寻优,改进算法提高了搜索的效率。改进算法避免了适应度函数中惩罚的处理,保持了种群的多样性,为改进遗传算法在水电站厂内经济运行中的研究提供了一种思路。     

一种用于机组组合问题的改进双重粒子群算法

为了更经济快速地解决机组组合问题,提出一种改进双重粒子群优化(particle swarm optimization,PSO)算法,包含离散部分和连续部分。离散PSO分时段优化机组的启停状态,在种群更新时加入了临界算子,改进了可行解的判别条件,各机组出力最低值的和要在一定程度上低于负荷需求值,并考虑机组启停时间的向前继承和向后约束。连续PSO用于启停状态确定过程中和确定后的负荷分配,考虑功率平衡约束、热备用约束和机组的出力上下限约束。求解经济负荷分配时,利用罚函数的方法满足机组的爬坡速率约束,最后得到煤耗最小值。采用2个24时段的算例进行仿真,实验结果表明新算法减少了搜索量,提高了收敛速度,并为机组组合问题提出了新思路。     

基于二进制微分进化算法和目标函数分解的大规模机组组合求解

为了避免在机组组合求解过程中将机组启停计划和负荷经济调度两者形成内外双层嵌套求解,从而导致计算比较耗时的问题,引入启运机组的总平均燃料成本和系统旋转备用剩余量这2个可调节的子目标,将传统的机组组合模型分解成2个独立的优化目标,构建了一种基于目标函数分解的二阶段可独立求解的机组组合模型。采用一种改进的二进制微分进化算法对第一阶段的机组启停计划目标进行求解,对每个代表机组启停状态的个体编码采用机组最小启停时间约束、旋转备用约束、机组去组合等处理机制,有效保证了每个解的有效性并缩小了算法的搜索空间。根据求解得到的机组启停状态,采用半定规划法求解第二阶段的负荷经济调度目标。采用经典的测试算例验证了所提方法在大规模机组组合求解中的有效性。     

遗传算法在蒸汽参数优化中的应用及改进

蒸汽运行参数对机组经济性有较大的影响。以机组蒸汽参数优化为研究内容,针对非线性优化目标的特点,提出了采用遗传算法优化的新思路;并对遗传算法的解码方式、适应度函数、选择和变异方式进行了改进,使得参与遗传算法运算的所有个体都是可行解,大大减少了搜索中的无效操作,优化了搜索路径,有效地提高了遗传算法求解的效率和质量。算例表明:改进遗传算法的收敛性更好、适应性更强,能更有效地达到或接近全局最优。     

火力发电厂机组深度调峰运行的自启停控制优化

常规方法设置调峰机组约束条件时,忽略了机组出力时长的约束,导致调峰机组启停后,电网峰谷差率较高、日负荷率较低,对此提出火力发电厂机组深度调峰运行的自启停控制优化方法。将参与深度调峰的火力发电厂机组自启停过程划分为6个阶段,采用线性损失因子法,计算火电机组启停能耗目标函数,设置机组发电出力约束条件,包括爬坡能力、发电量、出力时长,构成火力发电厂机组自启停模型,再采用遗传算法,求取模型最优解,得到机组自启停各个阶段的最优控制时间,完成调峰机组运行优化。以某火力发电厂的电力系统为例,选择近期典型日的火电机组实际开机情况作为基础数据,设置对比实验,结果表明该设计方法完成了自启停控制,减少了电网峰谷差率,提高了日负荷率,调峰效果更加明显。     

电力系统机组启停优化问题的改进DPSO算法

该文从微粒群优化算法的原理和机组组合问题的特点出发，提出了一种适合机组启停优化问题求解的改进的离散二进制微粒群优化算法(DPSO)：文中结合机组启停优化问题的特点，采用改进的DPSO算法对机组的开停机状态进行优化组合，利用随机的顺序投入法初始化原始种群，将无希望／重希望准则引入搜索过程，通过重新初始化机制与变异操作克服DPSO易于陷入局部最优的缺点，并保证机组的开停状态组合满足单机约束和系统约束。保证搜索在问题的可行域进行。对2个算例系统的仿真计算及与其它方法的比较表明，该算法在搜索精度和搜索速度方面均具有很大的优越性。此算法兼顾了收敛速度和收敛精度2个方面，具有很好的适应性。这种寻优的方式不仅为机组肩停优化问题带来了新的解决思路，对于求解更广泛的组合优化问题亦具有普遍的意义。     

基于竞价的日发电计划混合智能优化算法

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。     

求解机组组合问题的改进离散粒子群算法

电力系统机组组合问题是一个高维数、离散、非线性的大规模复杂工程优化问题.文中提出了一种基于改进离散粒子群优化算法求解机组组合问题的新方法.首先采用新的策略生成粒子,以保证所有生成的粒子均为满足基本约束条件的可行解,使整个算法只在可行解区域进行优化搜索;然后引入优化窗口的概念和启发式的规则以缩短计算时间和提高优化精度.仿真结果表明所提出的算法具有解的质量高、收敛速度快的特点,充分证明了它能很好地解决机组组合问题.     

基于禁忌动态规划的含电动汽车机组组合研究

研究了含电动汽车的机组组合模型,将满足电动汽车充电量需求和时间纳入约束条件,针对传统前向动态规划法求解大规模机组组合问题时的"维数灾"问题,在评估值函数时对访问路径集进行局部存优处理,根据机组单位燃料成本和旋转备用容量裕度确定存优指标,减少了路径评估的计算量。为避免改动后的算法陷入局部极值,通过设置禁忌列表防止重复路径的搜索。还提出一种基于试停优化的压缩状态空间的构造法,缩减了初始状态空间的规模。10—60机组算例仿真比较了考虑爬坡约束和电动汽车接入前后不同算法的计算速度和优化效果,结果验证了所提算法的有效性。     

遗传算法在电力系统日有功优化调度中的应用

随着电力市场的不断深入，系统的有功优化调度在电力系统运行中占有越来越重要的地位。针对这一特点，本文提出了在多约束条件下，寻求全网经济效益最优的算法，先用遗传算法求解机组组合，再用等微增率法求解负荷的最优分配，在求解的过程中，采用不同听方法来处理各种约束条件。通过模拟系统的实例验算表明了所提出的算法十分有效。     

电力市场环境下解决机组组合问题的新方法

机组组合问题是电力市场环境下编制短期发电计划所面临的主要问题,在满足各种约束条件的情况下,如何合理地开、停机组、以及负荷如何在运行的发电机组之间经济地分配是一个比较困难的问题,特别是由于发电机组出力上升、下降速度的限制,使这个问题一直没有很好的解决方法。提出一种组合优化方法解决这一问题,即用启发式方法确定机组组合,用分段线性规划算法分配功率,并满足各种约束条件,特别是可以处理发电机组出力上升、下降速度约束、经实际系统检验是一种非常有效的算法。     

基于混沌遗传混合优化算法的短期负荷环境和经济调度

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。     

基于免疫算法的机组组合优化方法

机组组合是改善传统电力系统运行经济性和电力市场出清的重要手段。基于群体进化的智能优化算法存求解过程中存在计算效率低和易于早熟收敛等缺点。提出机组组合的免疫算法，利用免疫算法保持种群多样性的内在机制和免疫记忆特性改进既有的智能优化方法。新算法扩展了约束处理技术，能更好地对可行解空间搜索，采用一种由后向前、由前及后、双向迂回推进的精简程序改善个体可行解的局部最优性，同时利用优先级顺序法产生能较好反映问题先验知识的初始种群。典型算例证实新算法能获得更优的结果，具有更快的收敛速度，且在系统规模扩大时有大致线性的计算复杂性，是一种新的高效的机组组合智能优化算法。     

考虑电网N-1闭环安全校核的最优安全发电计划

提高发电计划的安全性和经济性是将短期发电计划应用于实际调度运行的关键.提出了将机组组合与电网线路N-1安全校核直接闭环的发电计划模式,实现了考虑线路N-1闭环安全校核的机组组合全空间优化,有效地提高了发电计划的安全性和经济性.基于该模式,提出了主、子问题一体摔制的最优奔德斯(Benders)分解方法,确保了分解协调的最优性和高效性,并且将起作用整数变量的识别方法嵌入主问题求解流程,进一步提高了安全机组组合模型的求解效率,为所提方法的实用化奠定了计算基础.理论分析和算例测试验证了所提最优闭环发电计划的最优性和高效性.     

Adaptive simulated annealing schedule to the unit commitment problem

This paper presents an approach for solving the unit commitment problem based on a simulated annealing algorithm with an adaptive schedule. The control parameter, temperature, is adapted to the cost levels on which the algorithm operates during the annealing process. This shortens the time taken to find a good solution meeting all constraints and improves the convergence of the algorithm. The operators specific to this problem, mutation and transposition, are used as the transition operators. The method incorporates time-dependent start-up costs, demand and reserve constraints, minimum up and down time constraints and unit power generation limits. There are different definitions of the objective function for the feasible and infeasible solutions. Test results showed an improvement in effectiveness compared to results obtained from simulated annealing with a static schedule, genetic algorithm and other techniques.