共查询到18条相似文献,搜索用时 187 毫秒
1.
2.
3.
基于改进拉格朗日乘子修正方法的逆序排序机组组合 总被引:10,自引:4,他引:6
机组组合与经济调度是两个不同范畴的优化决策问题,其优化过程在概念上有本质的区别。用经济调度中的拉格朗日乘子对机组组合中的乘子进行修正有概念含混的误区。文章在阐明机组组合与经济调度中拉格朗日乘子的差异及作用机理的基础上,提出了一种新的逆序排序机组组合中拉格朗日乘子的修正方法,并对机组的搜索范围及机组运行的经济指标作了相应的改进,使原有算法在精度和计算速度上均得到了显著提高。20机、26机及110机测试系统的计算结果表明了文中的改进方法是有效的,进一步增强了机组组合对大规模系统的适应性。 相似文献
4.
针对无功优化分解协调模型求解中增广拉格朗日函数不可分的问题,在邻近中心算法基础上提出一种适用于特殊等式约束优化问题、可实现所有步骤分解计算的全分邻近中心算法。该算法通过邻近函数构造平滑同时可分的拉格朗日函数,并通过最优梯度更新拉格朗日乘子,只需要在相邻分区之间交换边界节点信息即可实现全网无功优化的分解协调计算。与通过对偶梯度更新拉格朗日乘子的分解算法相比,它不但可以直接确定计算所用参数,而且可以大大提高收敛速度。算例结果表明,所提算法可以实现全网无功优化的分解协调计算,并且其计算效率远高于基于辅助问题原理的分解协调算法。 相似文献
5.
电力系统机组组合问题的改进粒子群优化算法 总被引:20,自引:13,他引:20
机组组合问题是一个大规模的非线性混合整数规划问题.文章首先对机组组合问题的0、1变量进行松弛,应用罚函数方法将此问题转化为一个非线性连续变量的规划问题,并应用改进粒子群优化算法求解.该算法在标准的粒子群优化算法的基础上,每个粒子速度和位置的更新不仅考虑自身个体极值和全局极值的信息,还考虑其它粒子所包含的信息.通过收敛性分析可知,若合适地选择算法的控制参数,该算法能较好地收敛到最优解.算例表明文章所提出的算法具有解的质量高、收敛速度快的优点. 相似文献
6.
7.
8.
9.
10.
机组组合属于高维、离散、非凸的混合整数非线性规划问题,具有NPhard特点。提出结合二进制粒子群算法与混沌飞蛾扑火算法的单时刻参数可变机组组合优化方法,将总时刻机组组合问题依次、逐一分解为单时刻启停状态主问题与单时刻经济分配子问题,对主、子问题分别运用二进制粒子群算法与改进飞蛾扑火算法进行交替迭代求解以提升求解速率。运用参数可变策略与优先次序法概率调整策略对算法参数及候选解进行修正,以提升算法运行效率及候选解质量。测试结果表明,本文所提方法具有良好的运算速率及收敛精度,能有效求解大规模机组组合问题。 相似文献
11.
电力系统机组组合问题的闭环粒子群算法 总被引:4,自引:0,他引:4
针对标准粒子群优化(PSO)算法易陷入局部最优解的缺点,提出了闭环PSO(CLPSO)算法。算法引入经典控制理论中的反馈机制和闭环控制概念,将每个粒子视为被控对象,根据每一步得到的适应值通过PID控制器动态调整惯性权重,以满足搜索过程中粒子时时变化的需求。该策略极大地保证了粒子多样性,提高了算法的全局搜索能力。将CLPSO算法应用到机组组合问题中,同时结合新的策略以降低问题维数和保证寻优过程中粒子的可行性。仿真结果验证了所提出的算法在解决机组组合问题上的有效性。 相似文献
12.
Unit commitment (UC) is a NP-hard nonlinear mixed-integer optimization problem. This paper proposes ELRPSO, an algorithm to solve the UC problem using Lagrangian relaxation (LR) and particle swarm optimization (PSO). ELRPSO employs a state-of-the-art powerful PSO variant called comprehensive learning PSO to find a feasible near-optimal UC schedule. Each particle represents Lagrangian multipliers. The PSO uses a low level LR procedure, a reserve repairing heuristic, a unit decommitment heuristic, and an economic dispatch heuristic to obtain a feasible UC schedule for each particle. The reserve repairing heuristic addresses the spinning reserve and minimum up/down time constraints simultaneously. Moreover, the reserve repairing and unit decommitment heuristics consider committing/decommitting a unit for a consecutive period of hours at a time in order to reduce the total startup cost. Each particle is initialized using the Lagrangian multipliers obtained from a LR that iteratively updates the multipliers through an adaptive subgradient heuristic, because the multipliers obtained from the LR tend to be close to the optimal multipliers and have a high potential to lead to a feasible near-optimal UC schedule. Numerical results on test thermal power systems of 10, 20, 40, 60, 80, and 100 units demonstrate that ELRPSO is able to find a low-cost UC schedule in a short time and is robust in performance. 相似文献
13.
火电机组启停机经济调度新算法 总被引:3,自引:0,他引:3
合理的开停机方案能带来经济效益,提出一种混合模拟退火-遗传算法模型进行火电机组的优化启停计划调度,采用十进制编码,无需解码,可减少计算误差的时间,由于引入了模拟退火算法,使得这种算法能接受新特性,不仅改进了忆部收敛性且能加速寻优过程,最终可得到近于全局最优的解,经算例验算表明,该算法可以满足安全可靠的多种约束条件下,较好地改善机组启停计划的经济性,是安排火电机组启停机计划的一种可行方法。 相似文献
14.
Unit-commitment (UC) as a complicated problem needs powerful methods to solve. This paper presents the use of harmony search algorithm (HSA), a recently developed meta-heuristic algorithm, in order to obtain optimal solution for the UC problem. The proposed algorithm has simple implementation and provides optimal solutions in a reasonable time. The method is tested using small and large scale test cases in the literature. Numerical results show that the proposed algorithm can find better solutions in comparison with conventional methods and it is an efficient way to solve UC problems especially in large-scale power systems. 相似文献
15.
Bo Wang Neng-ling Tai Hai-qing Zhai Jian Ye Jia-dong Zhu Liang-bo Qi 《Electric Power Systems Research》2008
In this paper, a new ARMAX model based on evolutionary algorithm and particle swarm optimization for short-term load forecasting is proposed. Auto-regressive (AR) and moving average (MA) with exogenous variables (ARMAX) has been widely applied in the load forecasting area. Because of the nonlinear characteristics of the power system loads, the forecasting function has many local optimal points. The traditional method based on gradient searching may be trapped in local optimal points and lead to high error. While, the hybrid method based on evolutionary algorithm and particle swarm optimization can solve this problem more efficiently than the traditional ways. It takes advantage of evolutionary strategy to speed up the convergence of particle swarm optimization (PSO), and applies the crossover operation of genetic algorithm to enhance the global search ability. The new ARMAX model for short-term load forecasting has been tested based on the load data of Eastern China location market, and the results indicate that the proposed approach has achieved good accuracy. 相似文献
16.
基于蚁群优化算法的机组最优投入 总被引:9,自引:3,他引:9
机组最优投入问题(optimal Unit Commitment,UC)是寻求1个周期内各个负荷水平下机组的最优组合方式及开停机计划,使运行费用为最小。该问题是一个高维数、非凸的、离散的、非线性的优化问题,很难找出理论上的最优解,但由于它能带来显著的经济效益,所以受到了国内外很多学者的广泛关注。作者尝试采用一种新型的模拟进化优化算法--蚁群优化算法(ACO)来求解该问题。首先,利用状态、决策及作者提出的路径概念把UC设计成类似于旅行商(TSP)问题的模式,从而可以方便地利用ACO来求解。其次,由于ACO处理的是无约束优化问题,对于UC这一约束优化问题,提出了不同的方法来处理各种约束。用tabu表限制不满足旋转备用约束和机组最小启/停时间约束的状态;通过附加惩罚项来处理线路N安全性约束。数值算例验证了此算法的可行性和有效性。 相似文献
17.
基于混沌遗传混合优化算法的短期负荷环境和经济调度 总被引:7,自引:4,他引:7
环境和经济短期负荷调度主要由在调度周期内的最优机组组合和负荷分配组成,该文将优先次序法、遗传算法与混沌优化相结合,以应用到电站机组环境/经济运行优化问题中,在混沌遗传算法中采用递阶基因结构,将控制基因用于机组组合全局粗寻优,参数基因用于负荷分配局部优化, 基因修正与罚函数相结合解决约束问题,采用混沌扰动避免遗传算法早熟,运用基于线性搜索的混沌局部优化方法,加快算法的收敛速度和降低计算时间,优化计算结果可以同时得到最优机组组合及负荷最优分配,为实际调度系统提供了一个良好的方法。 相似文献
18.
基于双重混合粒子群算法的配电网重构 总被引:1,自引:0,他引:1
为进一步优化配电网运行结构,将混合蛙跳思想引入粒子群算法,结合配电网结构简化、支路分组,提出一种基于双重混合粒子群算法的配电网重构策略。为提高粒子搜索效率、防止算法早熟,首先,等效简化配电网结构图,对支路分组,缩短编码维数;其次,将各粒子依据一定规则分组,采用基于混合蛙跳思想的二进制粒子群算法进行支路组搜索,且对粒子历史最优值进行多次分组,组内搜索采用二进制粒子群搜索算法。运用该方法分别对IEEE33节点配电系统和136节点配电系统进行仿真,并与遗传算法和粒子群遗传混合算法进行对比分析,结果表明该方法收敛速度快,可得到最优网络重构结果,有效降低网损。 相似文献