精英克隆局部搜索的多目标动态环境经济调度差分进化算法

为有效解决复杂多目标动态环境经济调度问题,提出一种基于精英克隆局部搜索的多目标动态环境经济调度差分进化算法.以传统的差分进化(differential evolution,DE)算法为框架,为了提高DE算法的开采和探索能力,增设精英群的克隆和突变机制,采用动态选择方式确定精英群,有效增强算法的全局搜索能力.数值试验以I...     

基于多目标进化算法的电力系统环境经济调度

针对电力系统环境经济调度问题,提出采用进化规划算法,在综合考虑各种约束的情况下,把机组发电成本及污染气体的排放量同时作为优化目标,进行迭代搜索计算.该方法能简单快速地实现全局寻优,获得准确而完整的帕累托前沿,其有效性在IEEE30节点系统中得到了实验验证.     

基于混合核搜索优化与麻雀算法的经济排放调度问题研究

随着人们对环境保护的日益关注,经济性、环保性电力调度已成为电力系统运行控制研究的热点之一。它本质上是一个多目标优化问题,在不违反操作约束的前提下,使燃料成本和排放污染同时最小化。为求解这一多目标问题,提出了一种基于核搜索优化(KSO)和麻雀算法(SSA)预警的改进算法(HKSOSSA).采用提出的(HKSOSSA)优化算法求解6机IEEE30节点的EED问题。结果表明,HHKSOSSA算法能够很好地权衡燃料成本与排放目标之间的关系。     

计及跨区电力传输风险的多目标经济调度

考虑传统调度模型采用经济性目标的不合理性,从售电收入、购电成本和违约成本3个方面构建收益指标;定义跨区电力传输风险,描述区域间电能传输的不确定性;以最大化地区电网的电力交易收益和最小化跨区电力传输风险为目标,构建多目标经济调度模型;采用改进的多目标粒子群算法求取最优解集,进而根据加权余弦排序法进行决策。某地区电网算例仿真结果表明：该调度方法能使电网在承担合理的风险值下提高收益,适用于不同的负荷水平。     

计及电网运行协调性的节能减排多目标发电调度

建立了综合考虑电力系统节能减排和协调运行的多目标发电调度模型.模型中以降低燃料成本、有功网损和提高电网运行协调性指标为优化目标,其中运行协调性指标定义为支路负载率的标准差,以衡量支路潮流分布的均衡度.基于改进多目标差分进化算法(I-DEMO)获取模型的帕累托最优解集后,采用逼近理想解排序法(TOPSIS)提取出最优发电调度方案.IEEE 30节点系统算例结果验证了所述发电调度方法的有效性.     

基于多种群改进差分进化算法的环境／经济电力调度优化

应用多种群改进差分进化算法求解环境/经济电力调度(Environmental/Economic Dispatch,EED)这一多目标优化问题。将多种群策略引入差分进化算法,有助于保持群体多样性,有效避免经典差分进化算法的早熟收敛问题。采用自适应变异因子及交叉因子,使算法在搜索初期保持全局搜索能力,在搜索后期增强局部搜索能力,加快收敛速度。将该算法应用到IEEE 30节点-6机组系统的环境/经济调度优化,仿真计算结果以及与其他算法的对比分析验证了该算法的有效性。     

微电网多目标经济调度的一致性算法

基于多智能体的一致性原理,提出了一种微电网经济与环境综合最优的分布式调度方法。该调度方法不再借助于领导跟随的一致性算法模式,而是基于机器人系统的工作模式,各节点通过存储最新的功率缺额,得到局部功率缺额,并用其替代全局功率缺额,解决了分布式多目标经济调度获取全局信息困难的问题。同时,该算法能够适应微电网系统负荷变动的特性,可实现多种情景下的微电网综合最优调度。算例仿真结果验证了所提方法的有效性。     

基于改进多目标差分进化算法的节能优化调度

随着环境问题日益突出,新能源在全球范围内得到迅速发展,电网的调度模式和技术是提升新能源消纳的关键.采用以最少的煤炭资源消耗量及水电站发电为目标,以火电机组的出力和梯级水电站的发电流量作为控制变量,综合考虑火电厂、水电站等约束条件,构建风光水火互补的电力系统动态调度模型.提出一种改进多目标差分进化算法对模型进行求解,算法中引入外部环境影响和参数自适应调整,可以提高种群全局寻优能力.分析结果表明:该算法比多目标差分算法收敛性和精确度更高,起到清洁能源的利用和削峰填谷的效果.     

改进多目标进化算法的云工作流调度

针对云计算和云存储资源复杂变化的定价机制给云工作流调度带来了极大的挑战问题,建立了考虑定价机制的多目标云工作流调度模型。针对云工作流调度问题的特点,设计了一种实数编码机制,使得现有的基于实数编码的交叉算子能够直接用于求解云工作流调度问题,从而避免了现有组合优化方法需要进行解的可行性修正的问题。进一步在MOEA/D算法框架下,设计了一种启发式局部搜索策略,提出了一种新的进化多目标云工作流调度算法。仿真试验结果表明,与目前主流的进化多目标优化算法相比,该算法在求得帕累托最优解集的宽广性和均匀性上具有明显的优势,且算法稳定性更好。该方法对于云平台资源利用率的提升具有重要的应用价值。     

多目标资源受限项目调度的多种群蚁群算法

为实现资源受限项目调度的多目标优化,通过改进传统蚁群算法,提出适用于多目标优化的多种群蚁群算法.该算法基于串行进度生成机制,每个蚁群具有各自的目标函数、与目标函数相匹配的不同搜索策略以及各自的信息素更新机制.各蚁群独立进行搜索决策,但各蚁群之间存在信息素的相互作用,从而实现加速搜索.针对多目标资源受限项目调度问题设计新的精英策略.在目标规划基础上构造一系列多目标项目调度算例,经系统测试表明,所提出的多种群蚁群算法能够有效优化资源受限项目的资源配置,实现多目标优化.     

基于鞍点方程的分布式经济调度算法

为了实现智能电网的安全稳定经济运行,针对电力系统中广泛研究的经济调度问题,受到一致性模型和鞍点动态法的启发,提出基于一阶连续系统的分布式算法. 该算法考虑了迭代过程中节点生产能力和网络总负荷需求的约束,且每个节点只知道自身的代价函数. 为了解决上述约束,该算法设计3种对应的拉格朗日乘子. 为了实现控制参数的常量化,该算法添加了一个变量,用于平衡局部梯度差值. 由于有向网络的权矩阵是非对称的,该算法引入一变量用于平衡各有向边的权增益. 通过节点局部梯度与拉格朗日乘子,获取节点输出功率. 实验结果表明,该算法针对经济调度问题是可行且有效的.     

Immune response-based algorithm for optimization of dynamic environments

A novel immune algorithm suitable for dynamic environments (AIDE) was proposed based on a biological immune response principle. The dynamic process of artificial immune response with operators such as immune cloning, multi-scale variation and gradient-based diversity was modeled. Because the immune cloning operator was derived from a stimulation and suppression effect between antibodies and antigens, a sigmoid model that can clearly describe clonal proliferation was proposed. In addition, with the introduction of multiple populations and multi-scale variation, the algorithm can well maintain the population diversity during the dynamic searching process. Unlike traditional artificial immune algorithms, which require randomly generated cells added to the current population to explore its fitness landscape, AIDE uses a gradient-based diversity operator to speed up the optimization in the dynamic environments. Several reported algorithms were compared with AIDE by using Moving Peaks Benchmarks. Preliminary experiments show that AIDE can maintain high population diversity during the search process, simultaneously can speed up the optimization. Thus, AIDE is useful for the optimization of dynamic environments.     

负荷经济调度的可变区间编码遗传算法研究

应用遗传算法对发电厂负荷经济调度问题进行求解。针对遗传算法局部搜索能力较弱的特点,采用可变区间的编码方法,将求解过程分为初步寻优和精细优化。算例表明,该方法使用较短的编码长度获得较好的优化结果,可以在不提高编码长度的情况下提高计算精度,降低了计算精度对基因长度的要求。     

火电厂负荷经济分配的遗传算法解法

研究了遗传算法在火电厂负荷经济分配中的应用,针对火电厂负荷优化分配问题,建立数学模型;根据负荷经济分配问题的特点,对遗传算法的初始群体生成方法进行改进,通过C语言编程实现了计算机模拟,算例仿真证明了设计的有效性.     

Two-stage stochastic approach for spinning reserve allocation in dynamic economic dispatch简

A novel approach was proposed to allocate spinning reserve for dynamic economic dispatch.The proposed approach set up a two-stage stochastic programming model to allocate reserve.The model was solved using a decomposed algorithm based on Benders＇ decomposition.The model and the algorithm were applied to a simple 3-node system and an actual 445-node system for verification,respectively.Test results show that the model can save 84.5 US $ cost for the testing three-node system,and the algorithm can solve the model for 445-node system within 5 min.The test results also illustrate that the proposed approach is efficient and suitable for large system calculation.     

用于非监督特征选择的免疫克隆多目标优化算法

提出一种基于免疫克隆多目标优化算法的特征选择方法,先将非监督特征选择问题归结为多目标优化问题,然后构造相应的问题模型和目标函数．最后,采用免疫克隆多目标优化算法,通过增加相关特征的显著性,减小不相关特征的显著性来实现每个特征显著性的优化,达到特征选择的目的．UCI数据集的仿真实验表明,该算法降低了错误识别率,验证了其在非监督特征选择中的应用潜力．     

考虑电动汽车用户行为特性的电力系统经济调度

随着电动汽车的普及,电动汽车充电行为对电网的影响日益突出,大规模电动汽车的无秩序充电将会对电网的安全可靠与经济调度造成较为严峻的负面影响。在此背景下,考虑电动汽车用户行为特性,进行电力系统经济调度问题研究。首先,以实测数据为基础,考虑电动汽车充电的不确定性,分析充电起始时间和持续时间,得到电动汽车充电负荷的时间分布。然后,以系统的煤耗成本与阀点效应成本之和最低为目标函数,并采用罚函数法将约束条件引入其中,建立计及电动汽车充电的电力系统经济调度模型。最后,对电动汽车的不同充电行为,采用布谷鸟搜索算法分别对其进行实例仿真,验证所提模型的正确性,并分析电动汽车不同充电行为对系统的影响。     

考虑旋转备用约束的含风电场电力系统短期经济调度模型

网风电场输出功率的随机性与波动性给电力系统经济调度带来了严峻挑战,建立一个考虑旋转备用约束的含风电场电力系统短期经济调度模型．在自回归滑动平均模型的基础上得到风速的概率分布,结合风机出力和风速的对应关系,获得风电场出力的概率分布;基于该分布,在经济调度模型中加入一种基于风电实际出力低于计划出力的惩罚函数,并在约束条件中增加与风电实际出力大小有关的额外旋转备用容量约束;采用混合整数规划方法求解该经济调度模型．将模型应用于一个含风电场的10机算例系统计算分析,结果表明,该模型可以在保证系统可靠性要求的基础上,实现经济性最优的目标．