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.     

智能电网中基于ESS-MOPSO算法的调度优化策略

结合智能电网的调度优化策略应综合考虑经济运行、节能减排及电能质量各方面因素,给出了智能电网的优化调度方程,并采用粒子群算法对该方程进行多目标寻优.介于传统粒子群算法中使用Pareto准则的局限性,采用一种基于优先阶的均衡选择全局搜索策略,更加有效地选取出全局最优粒子,引导其他粒子寻优.在对智能电网调度优化的仿真中取得了良好效果.     

计及排放的动态经济调度免疫克隆演化算法

结合免疫系统的克隆选择原理和遗传进化机制,提出一种免疫克隆演化算法(Immune clonal evolutionary algorithm, ICEA)。ICEA建立克隆选择机制与演化机制的动态结合,提出动态免疫选择和自适应非均匀突变算子,针对动态经济调度(dynamic emission economic dispatch, DEED)问题特性引入不同的等式和不等式的约束修补策略,使其适合大规模约束的DEED问题求解。数值试验将ICEA应用于10机系统进行测试,并与同类算法展开比较。仿真结果表明,ICEA具有较好的收敛性和全局优化效果,获得的Pareto前沿具有较好的均匀性和延展性,该结果能为电力系统调度人员提供较为有效的调度决策方案。     

基于改进粒子群算法的电力系统环保经济调度

传统电力系统调度的目标函数为总燃料成本最小化,未将化石燃料燃烧所带来的污染物(如氧化硫、氧化氮)排放成本考虑在内.随着环境保护需求的日益增长,需要考虑计及排放的电力系统调度方案.首先,提出将排放物作为调度函数的约束条件进行建模;其次,提出一种更为优化的变搜索半径优化的多目标粒子群算法来处理系统模型;再次,针对蒙东地区某含风电的电力系统进行仿真,并将所得结果与传统粒子群算法、多目标差分进化算法、多目标粒子群算法所得结果进行比较.结果表明,本文所述方法在解决方案上实现了改进.     

基于麻雀搜索优化算法分数阶PI的PMSM矢量控制

永磁同步电机(Permanent Magnet Synchronous Motor,PMSM)矢量控制系统转速环采用PI控制器难以满足系统动态响应速度快、鲁棒性强等要求,采用分数阶比例积分(Fractional Order Proportional Integral, FOPI)控制器,并利用麻雀搜索算法(Sparrow Search Algorithm,SSA)优化FOPI控制器参数.通过搜索最优适应度的麻雀所在位置,得到控制器最优组合参数,选择时间乘以误差绝对值积分作为其目标适应度函数.对SSA整定FOPI、粒子群算法(Particle Swarm Optimization,PSO)整定PI参数的电机调速性能进行试验对比.结果表明,SSA优化的FOPI具有增强鲁棒性和减小超调量的优势.     

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。     

基于改进人工蜂群算法的多目标绿色柔性作业车间调度研究

针对柔性车间生产排程问题,以最小化完工时间、最小化机器总负载以及加工总成本最低为目标函数,设计了一种多目标麻雀搜索算法(multi-objective sparrow search algorithm, MOSSA)进行求解. 首先,将父子代融合后的种群进行非支配排序,选取最优位置个体和最差位置个体;其次,采用两段式规则对机器选择和工序排序进行编码;最后,利用麻雀搜索算法完成种群的更新和寻优. 通过算例进行实验仿真,研究参数对MOSSA的影响,并将MOSSA与其他算法进行比较. 结果表明：该模型下,参数影响较小,MOSSA具有高性能全局搜索能力和较好的收敛性,对于解决多目标生产排程问题具有指导作用.

     

基于PSO的电力系统环境经济负荷调度

针对基于线性加权和处理成单目标优化问题的传统方法存在的缺陷,提出使用粒子群优化算法求解EELD多目标优化问题。该方法通过对粒子群算法个体极值和全局极值选取方式的改进,实现了对EELD多目标优化问题的非劣最优解集的搜索,为决策者提供了丰富的参考信息。在此基础上,应用模糊满意度方法求出的最优折衷解为调度运行人员提供了最佳调度折衷方案。最后,对一个三机系统进行了测试,并与线性加权人工神经网络法进行了比较分析,仿真结果验证了该方法的有效性。     

基于混合粒子群算法的梯级泵站优化调度

针对不同时段电价差异,以流量平衡为基础,建立以梯级泵站耗电电费最小为目标的优化调度模型,并采用粒子群算法求解.为克服粒子群优化算法易早熟、迭代后期收敛速度慢的缺点,引入免疫思想,以粒子适应度为标准,通过克隆变异算子、疫苗接种算子和优胜劣汰算子,构建双粒子群,增强了粒子群搜索精度和搜索范围,并将其应用于广东某供水工程.优化调度仿真对比分析表明:免疫粒子群算法(IAPSO)能够有效地解决梯级泵站优化调度问题,降低了泵站运行成本,与基本粒子群算法(PSO)和自适应惯性权重粒子群算法(APSO)相比,收敛速度更快,搜索精度更高.     

基于改进黑洞算法的微电网优化调度

为提高微电网运行的经济性,需要对其进行日前优化调度.首先建立微电网优化调度数学模型,以微电网内部蓄电池充放电功率和燃料电池输出功率为优化向量,以微电网运行成本最少为优化目标,基于日前预测数据,先将一天分成24 h,以1 h作为1个调度时段进行优化;然后以15 min为1个时段将一天分成96个调度时段,将小时级优化调度的结果作为15 min级优化调度的初始值进行二次优化;最后采用差分进化改进黑洞算法分别求解模型.算例结果显示改进的黑洞算法收敛速度快,求得的优化结果能够作为未来一天中微电网内部蓄电池充放电功率和燃料电池输出功率的参考,减少微电网运行成本.     

混合引力搜索的自适应反向学习蜉蝣优化算法

针对蜉蝣优化算法全局探索能力较弱,易陷入局部最优的不足,提出了两种改进策略：利用引力搜索算法更新蜉蝣的速度公式,以增强算法的全局探索能力和局部开发能力;对蜉蝣种群执行自适应反向学习策略,以提高算法的收敛速度及求解精度。将两种策略分别引入雌雄种群中得到六种算法变体。仿真结果表明,雄性种群混合引力搜索算法且雌性种群引入自适应反向学习策略的变体性能最好,命名为GSA-OMA算法。与8个元启发式优化算法相比,GSA-OMA算法具有更好的寻优精度和收敛速度。     

水电混合网络经济调度问题的分布式优化算法设计与分析

该文对包含发电设备、产水设备和电水联合生产设备的混合能源网络建立资源经济调度问题的非线性规划模型。针对这类考虑水电生产复杂关系的优化问题,提出一种连续时间分布式算法来寻找经济调度问题的最优解。收敛分析表明,该算法能够在任意初始条件下收敛到最优解,且不需要设备与相邻设备交换成本函数的梯度信息,能够很好地保护设备的隐私信息。最后,数值仿真实验结果验证了求解混合能源网络中资源调度问题算法的性能和有效性。     

基于蚁群算法的水库调度图优化研究

在满足发电保证率的条件下,以年均发电量最大为目标,建立了基于模拟的水库调度图优化模型。通过混合编码描述调度线的形状,采用蚁群算法优化关键点,求解模型。以隔河岩水电站为研究背景,开展隔河岩水库优化调度图编制研究。计算结果表明,较原设计方案,水库优化调度图年均发电量可提高0.32亿kW.h,提高幅度约1.21%,经济效益显著。     

基于GA-TS混合算法的多装配线调度建模

针对多装配线流水车间调度问题,考虑遗传算法的早熟收敛特性和禁忌搜索算法具有记忆能力的局部寻优特性,将遗传算法和禁忌搜索算法进行结合,提出基于遗传算法和禁忌搜索算法的多装配线混合调度优化算法.先用遗传算法进行全局搜索,改善种群质量,再以改善后的种群作为禁忌搜索算法的初始解,进行局部搜索.依据最小化总延迟和总完工时间的调度目标,建立了一个混合整数线性规划模型,并通过实例演算验证了该混合算法求解多装配线调度问题的可行性和有效性.     

无等待流水线调度问题的混合优化算法

针对无等待流水线调度问题提出了一种混合离散化粒子群优化算法。通过建立位置矢量编码与调度方案之间的映射关系将连续的粒子群优化算法应用于离散的无等待流水线工件调度问题。为了提高离散粒子群算法的性能,增强算法的探索能力,在粒子群每次迭代之后对全局最优解加入随机扰动并进行变邻域搜索。仿真结果表明,该优化算法具有良好的性能。     

基于蚁群算法的多目标优化问题研究

为保持所求得的多目标优化问题Pareto最优解的多样性,文章提出了一种新的蚁群算法。选择策略采用多信息素权重,信息素更新结合了局部信息素更新与全局信息素更新。其中,全局信息素更新采用了两个最好解。此外,通过在外部设置外部集来存储Pareto解,并将改进的算法应用在双目标TSP上。最后进行了仿真实验,结果表明新方法比NSGA-II和SPEA2更有效。     

基于APSO算法的水火电力系统模糊多目标优化调度

建立了以火电厂运行成本最低、污染气体排放最小和水电厂发电效益最大为目标的水火电短期多目标优化调度模型,以3个火电厂与4个梯级水电厂的组成的水火电系统相关数据为实际算例,采用基于反捕食粒子群算法的交互式模糊满意度多目标决策方法,建立不同的决策模型将多目标问题转化为单目标求解,决策者可根据不同的主观效益诉求得到满意的调度方案,避免了人为选取目标权重的随意性,决策计算过程简单实用。算例结果表明,所建模型的正确性和该方法的可行性。     

基于混合搜索策略的Job Shop调度研究

目的 提出基于遗传算法和禁忌搜索算法的混合算法，解决单一算法求解JobShop调度问题存在的不足，提高求解质量．方法 采用遗传算法作为全局搜索算法，禁忌搜索算法作为局部搜索算法．根据JobShop调度问题解的特征。提出基于关键工序的邻域选择方法，将基于这种邻域选择方法的禁忌搜索算法作为变异算子，加强了遗传算法邻域解的搜索能力．结果 混合算法在较短时间内，找到了FT10、LA24、LA36等典型benchmarks问题的最优解，得到的makespan的平均值较并行遗传算法（PGA）提高3．84％、较TSAB算法提高4.66％．结论 采用的禁忌搜索算法改善了遗传算法的局部搜索能力，说明提出的混合搜索策略是有效的．     

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...