利用强度Pareto进化算法的多目标无功优化

为更好地解决电力系统多目标无功优化问题,分析了当前多目标无功优化算法存在的缺陷,首次将强度Pareto进化算法(SPEA2)应用于多目标无功优化,为真正意义上的多目标无功优化提供了依据。SPEA2是一种新型的多目标进化算法,参数设置少,收敛速度快,寻优能力强,求得的Pareto最优解分布均匀。IEEE30节点测试系统的算例结果表明所提出的算法在多目标无功优化中具有良好的效果,为各目标之间的权衡分析提供了有效工具,是一种求解多目标无功优化问题的有效方法。     

基于Pareto最优的电力系统多目标优化研究

针对基于Pareto最优的电力系统多目标优化问题研究进行了综述。首先对Pareto多目标优化问题进行概述,其次对基于Pareto最优的电力系统多目标优化问题的处理方法进行分析,并归纳了目前求解该领域Pareto最优的MOEA、ε-MOEA、SPEA、NSGA-II、NPGA和MOPSO智能优化算法的特点。最后对基于Pareto最优的电力系统多目标优化的研究趋势和发展方向进行了展望。     

计及输电阻塞的帕累托最优多目标电网规划

在解除管制环境下,要求输电扩展规划有效缓解输电网络阻塞,文中分别以年阻塞盈余、线路投资费用和系统缺电成本为规划目标,基于帕累托(Pareto)多目标最优建立综合考虑阻塞问题、经济性和可靠性的多目标电网规划模型,并通过一种改进的强度帕累托进化算法(strength Pareto evolutionary algorithm,SPEA),实现对模型的求解。建立一种基于多维空间欧氏距离的排序方法,实现帕累托最优解集范围内的优化决策。18节点系统算例表明通过改进SPEA可以有效形成分布均匀的帕累托解集,并且所提多目标规划方法能够缓解和控制规划网络的输电阻塞。     

考虑环境污染的嘉兴电厂机组出力经济分配

提出了多目标环境经济调度模型,并应用多目标免疫算法(MOLA)加以求解.MOIA将优化问题的可行解对应抗体及Pareto最优个体对应抗原,应用聚类算法不断更新抗原群中的抗原来获得大量的Pareto最优解.最后利用本文算法对嘉兴电厂的机组出力进行环境经济调度,结果表明该算法的可行性和有效性.     

基于Godlike算法的海岛型分布式电源规划模型

为实现海岛地区低污染、低成本电力的有效供给,提高可再生能源的利用消纳能力,针对海岛型分布式电源规划特点,建立了综合考虑投资运行费用、系统损耗和系统稳定性这3个方面的多目标分布式电源目标规划模型;在引入Pareto最优解概念的基础上,提出了采用Godlike算法对上述多目标、多约束、非线性优化问题进行求解。将所建立的模型及其求解算法应用于我国南方某岛分布式发电系统电源规划实际问题中,仿真结果表明Godlike算法计算结果要远远优于单体遗传算法、模拟退火算法、差分进化算法和粒子群优化算法,其能够有效避免单个算法在求解分布式电源规划问题时容易陷入局部最优、算法过早成熟等问题,保证了算法可有效得到全局Pareto最优解。     

基于改进粒子群算法的多目标最优潮流计算

针对电力系统多目标最优潮流计算问题,提出一种基于(非劣最优)Pareto解集的改进粒子群算法AL iPSO。用最优值评估选取法求取粒子和全局最优位置,解决目标函数间可能存在的冲突。并将关联度自适应学习应用于多目标优化,提出适合Pareto解特点的适应度设计和随机惯性权策略,克服PSO算法容易早熟而陷入局部最优解的缺点。通过对IEEE 6、IEEE 14节点系统多目标最优潮流计算,验证了该算法的有效性。     

基于LS-SVM和SPEA2的电站锅炉燃烧多目标优化研究

利用最小二乘支持向量机(LS-SVM)对锅炉燃烧特性建模,构造了以锅炉效率与NOx排放为组合的锅炉燃烧多目标优化模型,并与BP神经网络建模比较,分析表明模型在泛化能力、收敛速度和最优性均优于神经网络模型;针对锅炉高效低污染燃烧多目标问题,提出利用多目标进化算法SPEA2(强度Pareto进化算法)实现运行工况寻优,然后根据模糊集理论在Pareto解集中求得满意解,获得锅炉燃烧优化调整方式.通过某600 MW机组的仿真计算,并与加权遗传算法比较,结果表明本文算法在Pareto前沿具有更好的多样化,克服了将多目标函数加权求和转化为单目标优化问题只能找到凸Pareto最优域及需要多次运行得到Pareto解集的缺陷,计算结果可指导运行人员进行参数优化调整,提高燃烧经济性.     

采用基于分解的多目标进化算法的电力环境经济调度

为了准确、快速地求解电力系统环境经济调度(environmental economic dispatching,EED)问题,将基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)应用于电力调度领域,提出了基于MOEA/D的多目标环境经济调度算法。该算法首先采用Tchebycheff法将整个EED Pareto最优前沿的逼近问题分解为一定数量的单目标优化子问题,然后利用差分进化同时求解这些子问题,并在算法中加入约束处理及归一化操作,以获得最优的带约束EED问题的调度方案。最后,应用模糊集理论为决策者提供最优折中解。对IEEE 30节点测试系统进行仿真计算,并与其它智能优化算法的调度方案对比。结果表明,该算法有效可行,且具有很好的收敛速度和求解精度。     

基于SPEA-II算法的SoC测试多目标优化研究

测试功耗、测试时间是SoC测试优化中的两个测试目标,它们之间存在相互影响的关系。在多目标优化过程中,进化算法对于解决多目标优化问题拥有比较好的优化效果,因此各种进化算法被广泛地应用于SoC测试多目标优化的研究中。对SoC测试时间、测试功耗这两个测试目标建立联合优化模型,分析了NSGA II算法与SPEA II算法的特点,并对改进型强度Pareto进化算法(SPEA Ⅱ)进行研究,进而将SPEA II算法用于上述所建立模型的求解。使用ITC’02标准电路中p93791电路和d695电路对上述方法进行实验验证, 实验数据表明上述方法可以求得该联合优化模型的一组最优解;并且针对p93791电路,在与NSGA II算法的实验数据比较中,得到了更好的优化结果。证明了SPEA II算法对SoC测试结构优化方面具有良好的适用性和可行性。     

基于人工蜂群算法的多目标最优潮流问题的研究

以污染气体排放量、网损最小为目标,建立多目标电力系统最优潮流数学模型,并提出一种基于人工蜂群的多目标算法对其进行求解。该算法利用外部存档技术来保存进化过程中已经找到的Pareto最优解,并在每次迭代后更新。最后根据模糊集理论从Pareto最优解集中选取最优折衷解,为决策者提供科学的决策依据。通过IEEE-30节点系统及IEEE-57节点系统的仿真,验证了该算法在求解大规模电力系统多目标问题上的有效性,相比其他多目标算法能有效避免局部收敛。     

基于演化算法和讨价还价博弈的多目标最优潮流研究

针对电力系统的多目标最优潮流问题,首先通过遗传算法取得帕累托解集,从而充分反映出不同优化目标之间相互影响、相互背离的内在关系,在此基础上利用纳什讨价还价博弈方法选取全局最优解。探讨同时考虑发电费用（或发电煤耗）最小和系统网损最小的多目标最优潮流问题,首先验证该问题满足讨价还价博弈公理,再通过强度帕累托演化算法（strong Pareto evolution algorithm 2, SPEA2）求解得到帕累托前沿,保证收敛速度较快且帕累托前沿分布均匀,最后基于纳什讨价还价博弈求得最优解,解决了不同目标函数之间可能存在的矛盾。该文通过对IEEE 14节点系统的算例计算,验证了该方法的有效性。     

基于内点半定规划法的含UPFC的最优潮流

传统最优潮流(OPF)问题是一个非凸优化问题,统一潮流控制器(UPFC)的引入进一步增加了OPF问题的非凸程度,因此传统内点法无法有效保证所得解的全局最优性。基于此,将对初值选取不敏感、具有全局收敛能力的内点半定规划(SDP)算法推广至计及UPFC的电力系统OPF问题中,将UPFC变量添加至系统状态变量中,并对增广变量进行优化重组,利用直角坐标的二次形态将含UPFC的OPF问题映射到SDP空间。对IEEE 30、57、118、300节点系统和一个实际系统进行算例测试,结果表明所提算法有效保证了所得解的全局最优性,对增广变量的优化重组有效提高了算法的计算效率和数值稳定性。     

Distributed multi-step Q(λ) learning for Optimal Power Flow of large-scale power grids

This paper presents a novel distributed multi-step Q(λ) learning algorithm (DQ(λ)L) based on multi-agent system for solving large-scale multi-objective OPF problem. It does not require any manipulation to the conventional mathematical Optimal Power Flow (OPF) model. Large-scale power system is first partitioned to subsystems and each subsystem is managed by an agent. Each agent adopts the standard multi-step Q(λ) learning algorithm to pursue its own objectives independently and approaches to the global optimal through cooperation and coordination among agents. The proposed DQ(λ)L has been thoroughly studied and tested on the IEEE 9-bus and 118-bus systems. Case studies demonstrated that DQ(λ)L is a feasible and effective for solving multi-objective OPF problem in large-scale complex power grid.     

Multi-objective harmony search algorithm for optimal power flow problem

This paper proposes a multi-objective harmony search (MOHS) algorithm for optimal power flow (OPF) problem. OPF problem is formulated as a non-linear constrained multi-objective optimization problem where different objectives and various constraints have been considered into the formulation. Fast elitist non-dominated sorting and crowding distance have been used to find and manage the Pareto optimal front. Finally, a fuzzy based mechanism has been used to select a compromise solution from the Pareto set. The proposed MOHS algorithm has been tested on IEEE 30 bus system with different objectives. Simulation results are also compared with fast non-dominated sorting genetic algorithm (NSGA-II) method. It is clear from the comparison that the proposed method is able to generate true and well distributed Pareto optimal solutions for OPF problem.     

基于非线性互补问题函数的半光滑牛顿最优潮流算法

提出了一种新的基于非线性互补问题(NCP)函数的半光滑牛顿方法，以用于求解最优潮流(OPF)问题。通过引入NCP函数，将OPF模型KKT条件的互补松弛约束转化为等式约束，并采用非光滑牛顿法求解。算法的突出优势在于能够有效地处理OPF模型中的不等式约束，从而完全避免了OPF计算中起作用的不等式约束的识别问题。同时，文中利用电力系统的弱耦合特性，构造了牛顿分解算法。IEEE多个算例的数值试验表明：提出的算法具有很好的收敛特性和计算效果，有很好的实际应用前景。     

基于内点割平面法的混合整数最优潮流算法

提出了一种采用内点割平面法求解混合整数最优潮流(OPF)的算法。该算法循环执行3个步骤：①求解OPF的可行解并将其线性化；②从线性内点法的最优解中判断基变量；③根据基变量产生混合整数割平面。与单纯形割平面法相比，内点割平面法不仅简单易实现，计算效率高，而且随着问题规模的增加，更能发挥其多项式时间特性的优点。文中还对退化问题的处理以及稀疏技巧的应用进行了深入的讨论。通过对IEEE典型系统的数值仿真计算显示出所提算法对于大型电力系统最优潮流问题的精确求解是非常有效的。     

光滑牛顿法在最优潮流中的应用

文章提出一种光滑化牛顿法计算电力系统的最优潮流,在计算中整合了所有约束条件,对约束函数的光滑化处理,将所要求解的复杂优化问题转化为一个只包含等式约束的简单优化问题.通过IEEE的多个标准算例进行数值试验,结果表明该方法有着很好的适应性和稳定性,而计算量却只与半光滑的方法相当甚至更少;同时算法过程简单明了,在实际应用中有较大的优势.     

电压稳定约束下最优潮流的多目标优化与决策

电压稳定约束下的最优潮流(VSCOPF)是兼顾经济性和稳定性的多目标优化问题.VSCOPF模型将降低考虑机组阀点效应的发电费用和提高系统静态电压稳定裕度同时作为目标函数,并计及了预想事故下的安全约束.提出一种包含多目标优化和多属性决策的两阶段解法.在第1阶段,采用自适应多目标差分进化来搜索VSCOPF的Pareto前沿...     

Efficiency improvements in meta-heuristic algorithms to solve the optimal power flow problem

This paper presents three efficient approaches for solving the Optimal Power Flow (OPF) problem using the meta-heuristic algorithms. Mathematically, OPF is formulated as non-linear equality and inequality constrained optimization problem. The main drawback of meta-heuristic algorithm based OPF is the excessive execution time required due to the large number of load flows/power flows needed in the solution process. The proposed efficient approaches uses the concept of incremental power flow model based on sensitivities, and lower, upper bounds of objective function values. By using these approaches, the number of load flows/power flows to be performed are substantially, resulting in the solution speed up. The original advantages of meta-heuristic algorithms, such as ability to handle complex non-linearities, discontinuities in the objective function, discrete variables handling, and multi-objective optimization, are still available in the proposed efficient approaches. The proposed OPF formulation includes the active and reactive power generation limits, Valve Point Loading (VPL) effects and Prohibited Operating Zones (POZs) of generating units. The effectiveness of proposed approaches are examined on the IEEE 30, 118 and 300 bus test systems, and the simulation results confirm the efficiency and superiority of the proposed approaches over the other meta-heuristic algorithms. The proposed efficient approaches are generic enough to use with any type of meta-heuristic algorithm based OPF.