基于改进思维进化算法的机组负荷优化分配

机组负荷优化分配是电厂提高经济效益的重要手段。思维进化算法(MindEvolutionaryComputation,MEC)模拟人类思维的进化过程,通过趋同和异化过程在解空间中搜索最优解,和其他优化方法如动态规划法等相比较,具有算法简单通用,可以得到全局最优解等优点。本文对思维进化算法进行了改进,增加禁忌区域、自适应调整散布方差、改进收敛条件,并用其解决机组负荷优化分配问题。通过两个算例的计算,并和其它优化方法相比较,证明了这种新方法的有效性,为机组负荷优化分配问题提供了一种新的思路和方法。     

基于混沌粒子群算法的火电厂厂级负荷在线优化分配

机组负荷优化分配是降低发电厂能耗水平的重要技术手段,该文针对厂级负荷在线优化分配对算法速率和精度的要求,提出一种新的机组负荷实时分配模型,分别给出了机组自动发电控制和厂级负荷分配方式下负荷响应速率约束方程,并提出一种自适应约束边界,可显著提高算法计算效率,在满足电网对机组负荷品质要求的前提下实现全厂煤耗量最小的目标。提出采用混沌粒子群算法来求解实时负荷优化分配问题,采用自适应惯性权重以加快算法收敛速度,在粒子群算法解的邻域内进行混沌优化搜索,避免算法陷入局部极值点。文中给出了厂级负荷在线优化分配算法步骤,并进行了算例分析,验证了所提模型和算法的有效性。     

基于人工免疫算法的电力系统最优潮流计算

基于一阶或二阶梯度的优化算法在计算电力系统最优潮流时经常陷入局部最优点，模拟进化算法具有较好的全局搜索能力，但是有时也由于过早成熟的现象而陷入局部最优点，文中提出了一种计算电力系统最优潮流的新算法－人工免疫算法，该算法是根据人或其他高等动物免疫系统的机理而设计的，将目标函数和一部分不等式约束条件作为抗原，将搜索空间的解作为抗体，依据抗原与抗体的结合力以及抗体之间的结合力对解进行评价和选择，通过抗体之间的相互激励作用提高了最优点附近的搜索效率，通过记忆细胞对抗体的抑制作用有效地摆脱局部最优点，应用此算法进行电力系统最优潮流计算，对IEEE30节点系统的计算结果说明了该算法的有效性。     

基于免疫算法以负荷均衡为目标函数的配电网络重构方法

在分析配电网重构的数学模型和免疫算法原理的基础上,提出了一种应用于配电网络重构的免疫算法(ImmuneAlgorithm,IA)。将满足基于负荷均衡的目标函数和约束条件的优化问题对应于免疫算法的抗原,优化问题的解作为免疫算法的抗体,解的优劣则通过亲和力的计算来评价,具有最大亲和力的抗体就是问题的最优解,即网络中联络开关和分段开关的最佳状态。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,克服了传统遗传算法易陷于局部极小和收敛速度慢的缺点。     

电力系统经济负荷分配的人工免疫混沌优化算法

提出了一种用于求解复杂电力系统经济负荷分配问题的新的人工免疫混沌优化算法，该算法融合了人工免疫算法极强的全局搜索能力以及混沌优化方法适合局部搜索的特点。在优化过程中，人工免疫算法通过克隆选择、克隆扩增和高频变异形成记忆细胞，并将其作为最优解的近似解，然后按混沌运动规律在近似解的邻域内进行局部搜索，进而获得精确的最优解。多个算例仿真结果表明，所提出的算法能够有效地解决经济负荷分配问题。     

基于改进免疫算法的电力系统最优潮流计算

提出了一种改进的人工免疫算法来计算电力系统最优潮流,免疫算法是根据人或其它高等动物免疫系统的机理而设计的,将目标函数和不等式约束条件作为抗原,将搜索空间的解作为抗体,依据抗原与抗体的结合力以及抗体之间的结合力对解进行评价和选择,该算法在保持了基本免疫算法的全面搜索能力基础之上,又通过引入矢量距等概念及使得免疫算法在理论上保证了解的多样性。通过IEEE-30节点系统的计算结果表明该算法是可行的。与遗传算法等模拟进化算法相比,该算法全局搜索能力强,收敛速度快。     

遗传和禁忌搜索混合算法在机组负荷分配中的应用

提出一种遗传和禁忌搜索相结合的混合算法,利用该算法解决电力系统经济负荷分配问题。遗传算法的全局搜索能力强,但容易出现"早熟"现象,而禁忌搜索的爬山能力强,能有效避免"早熟"现象。首先利用遗传算法进行全局搜索,当算法陷入"早熟"时停止搜索,以遗传算法的结果作为初始解进行禁忌搜索,提高了初始解的质量,使禁忌搜索达到很好的效果。将该方法分别应用于某5台机组组成的发电系统和3台机组组成的发电系统进行负荷优化计算,结果与遗传算法进行比较,分析表明该算法收敛速度更快,优化成功率更高,优化结果更靠近全局最优。     

基于改进免疫算法的电力系统最优潮流计算

提出了一种改进的人工免疫算法来计算电力系统最优潮流,免疫算法是根据人或其它高等动物免疫系统的机理而设计的,将目标函数和不等式约束条件作为抗原,将搜索空间的解作为抗体,依据抗原与抗体的结合力以及抗体之间的结合力对解进行评价和选择,该算法在保持了基本免疫算法的全面搜索能力基础之上,又通过引入矢量距等概念及使得免疫算法在理论上保证了解的多样性.通过IEEE-30节点系统的计算结果表明该算法是可行的.与遗传算法等模拟进化算法相比,该算法全局搜索能力强,收敛速度快.     

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。     

基于矩阵实数编码遗传算法求解大规模机组组合问题

该文提出了一种采用矩阵实数编码遗传算法(MRCGA)进行机组组合优化的新方法：采用矩阵实数编码方式对整体发电计划进行编码后，可直接运用遗传操作求解机组组合问题，避免将其分解成机组启停安排和经济负荷分配的两层优化问题进行求解；采用多窗口变异技术，增强了算法的搜索能力。此方法提出了一种新的个体调整方法，可以处理各项约束条件，保证了结果的可行性。文中通过2个算例及与其它算法的对比分析，验证了所提出的方法在大规模机组组合问题求解时具有很强的适应性和全局搜索能力。     

考虑输电网络影响的火电机组优化组合的一种实用算法

提出一种考虑输电网络损耗及线路过负荷的火电机组优化组合的实用算法。用动态规划法建立一个初始解,运用启发式手法对初始解进行修正,使之逐个满足各约束条件,得到运行可能解,并通过更新发电机起动优先顺序使此过程反复进行直至得到(准)最佳解。在求解过程中引入最优潮流计算,使考虑输电网络损耗及线路过负荷等网络因素对发电机组优化组合的影响成为可能,并提出一种调节发电机出力和改变发电机组合相结合的消除线路过负荷的方法。在IEEE-118母线(36机)系统上对所提出的算法进行了各种条件下的仿真计算,考察了网络损耗及线路过负荷对发电机组优化组合的影响,验证了所提算法对解决考虑输电网络因素影响的发电机组优化组合问题的有效性。     

人工免疫算法在水电机组优化组合中的应用

针对水电机组优化组合问题提出一种模拟生物免疫系统的人工免疫算法,给出算法的基本步骤,构造几种人工免疫算子,并对一个有12台机组的水电系统作仿真计算.计算结果表明:人工免疫算法比遗传算法具有更好的全局收敛性和收敛速度.     

用于机组组合优化的蚁群粒子群混合算法

提出了一种用于求解机组组合优化问题的蚁群粒子群混合优化算法。通过将机组组合解编码为机组操作序列,降低了蚁群算法搜索的难度,使其空间复杂度由指数型降为线性型,使采用蚁群算法求解更大规模的机组组合问题成为可能。采用协同粒子群算法求解多时段负荷的经济分配问题时,用一个粒子群处理一个时段的优化问题,通过共享粒子群间的惩罚项解决了机组爬升率的约束问题。10机和20机系统的仿真实验和分析结果验证了该方法正确性、有效性和优越性。     

遗传算法搜索优化及其在机组启停中的应用

提出了一种遗传算法应用于机组启停的新思路。针对机组启停问题的特点,设计了一些启发式技术,使得遗传算法初始种群中的所有个体都是可行解。针对遗传操作生成的不可行解,建立了一种从不可行域到可行域的是映射关系,大大减少了搜索中的无效操作。对过度满足约束条件的解,给出了一种有效减冗余的手段。并提出了一种边界搜索方法,可以更容易得到更优的解。这些措施起到了优化搜索路径的作用,有效地提高了遗传算法求解的效率和质量。     

基于免疫算法的电压稳定裕度计算

提出一种求解电压稳定裕度的新算法——免疫算法。该算法模仿人体的免疫系统,将搜索空间的解作为抗体,依据抗原与抗体的亲和性以及抗体之间的亲和性对解进行评价和选择,由于具有多样性记忆单元的存在,有效地克服了确定性算法中解易陷入局部极值的缺点,能快速搜索到全局最优解,并求得电压稳定裕度的最大值。应用该算法对IEEE14节点和IEEE57节点系统进行仿真计算,获得了较原-对偶内点算法至少增加10%的稳定裕度。     

求解机组组合问题的帝国竞争算法

提出一种用于解决机组组合问题的改进帝国竞争算法（imperialistic competition algorithm,ICA）。种群个体（国家）分为帝国和殖民地2种类型,两者又组成新的帝国,通过帝国吸收殖民地和帝国之间对殖民地的竞争实现寻优过程。在求解机组组合问题时,首先根据波峰波谷所在时刻将日负荷曲线分割成若干小时间段,然后利用ICA依次求解,与原ICA相比,避免了机组分类不合理对于优化结果的影响,同时采用整数编码的国家个体长度相对减小。最后对10~100机6个算例进行仿真分析,结果表明,算法在较少国家个体的情况下保持了较强的搜索能力,可获得较好的计算结果,是一种有效的优化算法。     

A new genetic-based tabu search algorithm for unit commitment problem

This paper presents a new algorithm based on integrating the use of genetic algorithms and tabu search methods to solve the unit commitment problem. The proposed algorithm, which is mainly based on genetic algorithms incorporates tabu search method to generate new population members in the reproduction phase of the genetic algorithm. In the proposed algorithm, genetic algorithm solution is coded as a mix between binary and decimal representation. A fitness function is constructed from the total operating cost of the generating units without penalty terms. In the tabu search part of the algorithm, a simple short term memory procedure is used to counter the danger of entrapment at a local optimum by preventing cycling of solutions, and the premature convergence of the genetic algorithm. A significant improvement of the proposed algorithm results, over those obtained by either genetic algorithm or tabu search, has been achieved. Numerical examples also showed the superiority of the proposed algorithm compared with two classical methods in the literature.