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。     

电力系统经济负荷分配的混沌优化方法

提出了一种应用混沌优化理论求解电力系统经济负荷分配的新方法。该方法以发电费用信息为目标函数,将优化变量各机组有功功率转变成混沌变量,利用混沌运动的遍历性、随机性和规律性直接对目标函数寻优。该方法可考虑网损及传统拉格朗日乘数法不能计及的汽轮机的阀点效应,从而能更有效地保证解的精度,同时将其与遗传算法进行了比较。仿真结果表明,所提出的方法搜索速度快,求解精度高,易于掌握,是解决电力系统经济负荷分配问题     

改进的混沌优化算法及其在电力系统负荷分配中的应用研究

为减少现有混沌优化方法在搜索空间内的盲目重复搜索,提高寻优效率,提出了一种改进的混沌优化算法,并用于电力系统经济负荷分配这类复杂、非线性问题的求解中。该算法根据当前寻得的最优解确定精搜索空间,并根据精搜索空间与原空间的比例大小确定各自的搜索概率,并分别以不同的搜索概率同时对原空间和精搜索空间进行混沌搜索。这样即可避免传统混沌优化算法中因过早缩小搜索空间而造成的遗失全局最优解的缺点,又可提高算法的寻优速度。实验结果表明,该方法收敛速度快,寻优效率高,可有效解决电力系统经济负荷分配等复杂的优化问题。     

改进的混沌优化算法及其在电力系统负荷分配中的应用研究

为减少现有混沌优化方法在搜索空间内的盲目重复搜索,提高寻优效率,提出了一种改进的混沌优化算法,并用于电力系统经济负荷分配这类复杂、非线性问题的求解中.该算法根据当前寻得的最优解确定精搜索空间,并根据精搜索空间与原空间的比例大小确定各自的搜索概率,并分别以不同的搜索概率同时对原空间和精搜索空间进行混沌搜索.这样即可避免传统混沌优化算法中因过早缩小搜索空间而造成的遗失全局最优解的缺点,又可提高算法的寻优速度.实验结果表明,该方法收敛速度快,寻优效率高,可有效解决电力系统经济负荷分配等复杂的优化问题.     

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。     

基于广义蚁群算法的电力系统经济负荷分配

提出了一种可用于求解一般形式的非凸、非线性约束优化问题的广义蚁群算法，以用于求解复杂的非凸、非线性电力系统经济负荷分配问题，与用于组合优化的蚁群算法类似，该算法运用了正反馈，分布式计算和贪婪式启发搜索，基于不动点理论，给出了该算法收敛的充分条件，多个算例结果表明，文中提出的算法是有效可行的。     

基于免疫算法的机组负荷优化分配研究

文章提出应用新的智能算法一免疫算法解决负荷优化分配问题。在分析负荷分配的数学模型和免疫算法特点的基础上，详细研究了基于免疫算法的负荷优化分配方法。优化问题的解对应于免疫算法中的抗体，解的优劣通过结合力的计算来评价，具有最大结合力的抗体就是问题的优化解。文中还提出应用机组持续状态时间进行编码改进，可明显加快算法的搜索速度，免疫算法中特有的基于抗体浓度更新和抗体多样性也使得算法具有很好的收敛性和搜索性能。该算法通过10台机系统进行了验证，计算结果证明免疫算法与其它优化算法相比，能更快搜索到较优解，从而为机组负荷优化分配的求解提供新的有效算法。     

基于改进PSO算法的电力系统负荷经济分配

电力系统负荷经济分配(ED)是一个高维、非凸、非线性问题,其求解过程比较复杂.对粒子群优化(PSO)算法进行改进,在目标函数中加入惩罚项来满足火电机组的约束条件,引入非线性权值递减略和惩罚因子的动态改进,并结合遗传算法(GA)中变异的思想,用来解决负荷经济分配的问题.将该方法的可行性在10台机组系统中多次检验,模拟结果表明文章所改进PSO算法具有良好的收敛性和鲁棒性.     

ICPSO算法及其在经济负荷分配中的应用

提出一种改进的混沌粒子群优化ICPSO(improved chaotic particle swarm optimization)算法,用于求解非线性、非凸、不连续等复杂约束条件的电力系统经济负荷分配。通过修正粒子群迭代的行动策略,并引入Tent混沌映射加强部分粒子的全局搜索能力,可以提高优化算法的全局搜索性能。最后将该算法应用于3机6母线的电力系统经济负荷分配中,在计及阀点效应的情况下,分别以考虑网损和忽略网损为例进行仿真。仿真结果表明,该算法有较快的收敛速度和较强的全局搜索能力,验证了算法的有效性和优越性。     

含风电场电力系统经济调度的模糊建模及优化算法

随着人们对风电的日益关注,新型风电场的容量在并网系统中所占比例不断增加,这对传统电力系统的经济调度问题提出了新的要求。特别是风电场输出功率的随机变化给系统的经济调度带来了更多的不确定性因素。文中应用模糊理论建立了含风电场电力系统动态经济调度的模糊模型,使调度结果能够表达决策者的意愿,从而更好地适应风机输出功率的随机性。在优化算法上,利用下降搜索思想对传统粒子群算法进行了改进,并将改进后的算法用于求解提出的动态经济调度问题。在算例中进行了测试,结果验证了所提出的方法的可行性。     

基于自调节粒子群算法的电力系统经济负荷分配

带阀点效应的经济负荷分配问题具有不连续、不可导、非凸、非线性的目标函数,同时还受到电力平衡和运行约束的制约,很难应用经典数学算法求解。针对忽略网损的经济负荷分配问题,文章提出了一种自调节粒子群算法,通过可行化调整机制保证解的可行性,同时采用自适应变异算子提高解的多样性,防止算法早熟收敛,提高算法的寻优速度。为验证算法的有效性,文中对多个经济负荷分配问题进行了测试,与其它智能算法的比较结果证明该算法可以有效找到可行解,避免陷入局部最优,能实现问题的快速求解。     

配电网供电恢复的混沌免疫算法

为在配电网供电恢复的方案计算中提高获得最优解的概率并加快算法的收敛速度,分析混沌优化算法和免疫算法原理的基础上,提出了一种混沌免疫算法。该算法融合了混沌优化算法的全局搜索和人工免疫算法的局域搜索能力的特点,在优化过程中采用人工免疫算法代替混沌优化算法中的"细搜索",同时用混沌优化算法中的"粗搜索"来初始化免疫算法中的初始抗体。实例分析表明,该算法具有较快的收敛速度和较强的全局搜索能力,避免了不成熟收敛,有效地提高了供电恢复的速度和精度。     

适用于电力系统短期经济调度的遗传算法

从广义遗传算法的全局收敛性和胞腔排除遗传算法的高效性等两方面,介绍遗传算法在电力系统短期经济调度中的应用现状和发展趋势。     

基于免疫遗传算法的环境经济负荷调度

介绍以目标函数为抗原,以问题解为抗体,利用进化策略进行群体更新的免疫遗传算法。讨论环境经济负荷调度多目标函数优化问题,给出利用免疫遗传算法解决这一问题的主要步骤。利用一个含有5个电力生产单元的燃煤电力系统模型验证了该算法的可行性和有效性。并与遗传算法和Hop fie ld神经网络进行比较分析,证实了该算法解决该类问题的优化性和快速收敛性。     

电力系统动态经济调度优化问题的膜计算方法

将膜计算方法用于求解电力系统动态经济调度优化问题。首先利用二次罚函数将多约束经济调度问题转化为无约束优化问题,对于膜计算的3个基本要素——膜内对象、膜结构和进化规则,该方法以各发电机组24时段的出力值作为膜内对象;采用具有嵌套结构的类细胞膜型膜结构,包含并行基本膜和拟高尔基体膜;在基本膜内执行交叉规则、变异规则、修正规则和保留规则,拟高尔基体被激活后执行移位规则、提取规则和目标导向规则。通过膜内对象不断进化择优,从而实现对动态经济调度问题的求解。基于IEEE 39和IEEE 118节点测试系统的算例,表明该文所提方法能够有效求解电力系统动态经济调度优化问题,与遗传算法和粒子群算法相比,该方法的计算结果和稳定性均更优,具有很好的应用前景。     

基于混沌粒子群优化方法的电力系统无功最优潮流

针对电力系统无功最优潮流问题,提出一种混沌粒子群优化(CPSO)方法,以克服粒子群优化(PSO)方法容易早熟而陷入局部最优解的缺点。该方法结合混沌变量良好的遍历特性及混沌优化的特点,对即将重合而引起搜索能力下降的粒子赋予混沌状态搜索,其余粒子仍以常规PSO方法搜索,从而提高PSO方法的寻优性能。通过对IEEE6,IEEE14,IEEE30和IEEE118测试系统无功最优潮流问题的计算及分析,表明CPSO方法具有很高的搜索效率和诱人的应用前景。