改进的拉格朗日松弛法求解机组组合问题

提出了一种求解机组组合问题的改进拉格朗日松弛算法.与现有此类方法相比,此算法进行了以下三个方面改进:基于启发式排序法得到较优的拉格朗日乘子初值;改进了动态规划求解单机问题时的累计费用以获得更优的机组启停决策;采用自适应性次梯度法结合集结投影次梯度法的联合优化策略加快算法收敛速度.10机到100机的6个算例表明,自适应性次梯度法和集结投影次梯度法的联合优化策略更易跳出其单一策略时的振荡现象,从而加快收敛.     

基于粒子群修正策略的机组组合解耦算法

机组组合问题是电力系统优化运行的一个难点,理论上难以得到最优解。提出了一种基于粒子群修正策略的解耦算法。首先采用集结投影次梯度的拉格朗日松弛算法得到机组组合的对偶解;然后依据对偶信息中的备用乘子及对偶组合状态建立粒子群优化空间;而后利用无约束的标准粒子群优化算法实现拉格朗日乘子的局部更新,通过粒子的调整和粒子间信息的传递改变机组启停,进而修正拉格朗日对偶解,最终得到机组组合问题的近似最优解。6个系统的仿真计算验证了该方法的求解速度及计算精度。     

基于模型预测控制的两区域互联电网AGC系统研究

实时电价是需求侧管理策略的重要手段,是解决智能电网供需平衡的理想需求响应机制,能起到削峰填谷的作用。为此,为智能电网设计了一种分布式实时电价算法：基于改进对偶分解的近端中心算法,求解用户总效用与电能供应商成本之差最大的优化问题。在此算法中,对偶问题的拉格朗日乘子即为实时电价,通过迭代更新拉格朗日乘子,形成电能供应商的实时电价与用户的实时能耗水平之间的互动,算法最终为每个用户找到最优的能耗水平(即用户的总效用最大化),同时使得电能供应商的成本最小化。所提算法既保留了问题的可分离性,又加快了收敛速度,克服了基于对偶分解的次梯度法求解该优化问题在用户规模较大时收敛慢甚至不收敛的缺点。仿真结果充分表明了所提算法具有快速收敛的特性。     

基于改进对偶分解的智能电网快速实时定价方法

实时电价是需求侧管理策略的重要手段,是解决智能电网供需平衡的理想需求响应机制,能起到削峰填谷的作用。为此,为智能电网设计了一种分布式实时电价算法:基于改进对偶分解的近端中心算法,求解用户总效用与电能供应商成本之差最大的优化问题。在此算法中,对偶问题的拉格朗日乘子即为实时电价,通过迭代更新拉格朗日乘子,形成电能供应商的实时电价与用户的实时能耗水平之间的互动,算法最终为每个用户找到最优的能耗水平(即用户的总效用最大化),同时使得电能供应商的成本最小化。所提算法既保留了问题的可分离性,又加快了收敛速度,克服了基于对偶分解的次梯度法求解该优化问题在用户规模较大时收敛慢甚至不收敛的缺点。仿真结果充分表明了所提算法具有快速收敛的特性。     

一种求解机组组合问题的快速拉格朗日松弛法

提出一种求解机组组合问题的快速拉格朗日松弛算法。与现有此类算法比较,此算法在以下两个方面进行了改进：采用启发式逆排序法对机组的启停决策进行修正,解决了松弛因子步长过大导致多余机组启动的问题,加快了收敛速度;提出一种基于二分法的经济调度算法,在每步迭代中得到机组的最优有功出力后,对单台机组不满足爬坡约束的相邻时段建立出有功出力调整模型并求解,有效地处理了爬坡约束。通过对10机到100机6个算例计算分析,本算法的计算时间远远小于其他算法,且可获得较好的计算结果。     

求解机组组合问题的嵌入贪婪搜索机制的改进粒子群优化算法

提出了一种求解机组组合问题的嵌入贪婪搜索机制的改进粒子群优化算法。其特点包括:采用固定阈值处理表示机组运行状态的0、1整型变量,从而可直接应用粒子群算法求解机组组合问题,避免求解各时段中的经济负荷分配子问题;在粒子群算法迭代过程中应用变异操作更新进化速度缓慢的粒子,增强了算法的搜索能力;算法收敛后,采用基于优先列表的贪婪搜索机制做进一步寻优,既加快了算法收敛速度,又提高了解的质量。算例结果表明所提出的方法在求解机组组合问题时具有很强的搜索能力和适应性。     

基于改进布谷鸟搜索算法的机组组合优化模型

为了获得更加理想的机组组合方案,提出一种改进布谷鸟算法的机组组合优化模型。首先建立机组组合的数学优化模型;然后采用布谷鸟算法对该数学模型进行求解,得到最优机组组合方案,同时为了解决标准布谷鸟搜索算法存在的不足,引入选择性淘汰策略和决策域策略,加快搜索速度和寻优能力;最后采用3机组和10机组组合问题对其性能进行仿真测试。仿真实验结果表明,改进布谷鸟算法具有更快的求解速度和求解准确度,获得了更优的机组组合方案。     

基于改进二进制粒子群与动态微增率逐次逼近法混合优化算法的水电站机组组合优化

针对水电站机组组合问题具有高维、非凸、离散、非线性等特点,提出了一种适用于求解大容量、多机组巨型水电站机组组合问题的改进二进制粒子群优化算法,改进了粒子概率变换和位置更新方程,使其具有更强的全局寻优能力和更快的收敛速度。通过将改进二进制粒子群算法与动态微增率逐次逼近法混合嵌套,分别对水电站外层机组组合和内层机组间负荷分配进行交替迭代优化来求解水电站机组组合问题。同时引入启发式机组最短开停机时间修补策略和基于机组启停优先顺序表的系统备用容量修补技术,有效处理了多重约束条件,提高了算法的收敛速度和寻优能力。以三峡水电站为工程应用背景进行了实例研究,并与DP和BPSO算法以及实际耗水量进行了比较分析,结果表明所提算法简单快速,优化效果较好,具有较强的工程实用价值。     

基于改进二进制粒子群与动态微增率逐次逼近法混合优化算法的水电站机组组合优化

针对水电站机组组合问题具有高维、非凸、离散、非线性等特点,提出了一种适用于求解大容量、多机组巨型水电站机组组合问题的改进二进制粒子群优化算法,改进了粒子概率变换和位置更新方程,使其具有更强的全局寻优能力和更快的收敛速度.通过将改进二进制粒子群算法与动态微增率逐次逼近法混合嵌套,分别对水电站外层机组组合和内层机组间负荷分配进行交替迭代优化来求解水电站机组组合问题.同时引入启发式机组最短开停机时间修补策略和基于机组启停优先顺序表的系统备用容量修补技术,有效处理了多重约束条件,提高了算法的收敛速度和寻优能力.以三峡水电站为工程应用背景进行了实例研究,并与DP和BPSO算法以及实际耗水量进行了比较分析,结果表明所提算法简单快速,优化效果较好,具有较强的工程实用价值.     

梯级水电站优化调度的变阶段逐步优化算法

逐步优化算法(POA)在求解梯级水电站联合优化调度中,其优化结果受初始解的影响较大,不同的初始解对优化迭代过程的收敛性影响不同,导致优化结果可能陷入局部最优。针对这一问题,本文在深入分析POA寻优机制的基础上,探求了影响算法全局收敛能力的关键因素,揭示了POA的两阶段寻优策略和梯级水电站优化调度在求解两阶段问题时传统的"自上而下逐电站"寻优模式对算法收敛能力的影响规律,进而提出了基于逐步差分和变阶段优化改进策略的变阶段逐步优化算法,有效消弱了原始算法在求解梯级电站联合调度问题中对初始解的依赖性,在一定程度上保证算法收敛于全局最优解。实例研究表明所提算法优化得到的梯级发电量比POA算法提升0.15%左右,有效克服了原始算法的局部收敛问题,且改进算法效率更高,寻优结果更稳定。     

基于改进FOA优化BP神经网络算法的光伏系统MPPT研究

针对基于BP神经网络的光伏系统MPPT策略在光照强度突变时存在较大误差的问题,提出了一种改进的果蝇优化算法用于BP神经网络的权值和阈值优化,并建立了基于IFOA-BP神经网络算法的光伏系统MPPT控制的仿真模型。测试和仿真结果表明,IFOA的收敛速度和求解精度较改进前均有明显提升;IFOA优化后的BP神经网络收敛速度加快,预测误差减少;较之于电导增量法,IFOA-BP神经网络的MPPT策略在稳态条件下能明显抑制功率波动,在外界条件发生突变时,能迅速准确地追踪到最大功率点,具有良好的稳态精度和动态特性。     

考虑发电机阀点效应的改进拉格朗日松弛有功调度策略

发电机阀点效应导致的非凸非光滑特性增加了有功经济调度模型的复杂度,从而增大了求解难度.文中提出一种考虑发电机阀点效应影响的改进拉格朗日松弛有功调度算法.首先,提出一种二次多项式分段拟合算法,从而将发电机阀点效应成本分解为多个分段二次多项式形式;其次,将拟合后的表达式代入拉格朗日松弛子问题中,从而将原问题转化为分段二次规划问题,并采用比较对称轴及优化变量上下限的方法快速求解,避免了引入整数变量造成的求解效率偏低问题.同时,为防止多个局部最优解导致的优化过程不收敛问题,提出一种基于近端梯度法的增广求解策略,通过在目标函数中引入辅助变量及惩罚项来加强子问题的凸性,加快收敛速度.最后,基于40机和48机测试系统对所提方法的有效性进行了测试.     

基于改进飞蛾扑火算法的单时刻参数可变机组组合优化

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。     

基于改进教与学算法的配电网无功优化

在解决配电网无功优化问题中,智能启发式算法得到了广泛应用,但仍存在一些不足。采用了教与学优化算法求解含分布式电源的配电网无功优化问题。教与学优化算法算法简单,取消了其他智能算法求解时需设定的控制参数,收敛速度快,收敛能力强。现将精英策略引入教与学算法,改进了该算法的搜索能力,提高了求解的稳定性。以有功网损最小为目标建立了无功优化模型,并基于改进的IEEE 33母线配电网系统进行仿真计算,结果验证了基于精英策略改进的教与学算法具有更强的收敛性和鲁棒性,能获得更好的优化结果,为配电网无功优化问题求解提供了一种新的方法和思路。     

电力系统机组启停优化问题的改进DPSO算法

该文从微粒群优化算法的原理和机组组合问题的特点出发，提出了一种适合机组启停优化问题求解的改进的离散二进制微粒群优化算法(DPSO)：文中结合机组启停优化问题的特点，采用改进的DPSO算法对机组的开停机状态进行优化组合，利用随机的顺序投入法初始化原始种群，将无希望／重希望准则引入搜索过程，通过重新初始化机制与变异操作克服DPSO易于陷入局部最优的缺点，并保证机组的开停状态组合满足单机约束和系统约束。保证搜索在问题的可行域进行。对2个算例系统的仿真计算及与其它方法的比较表明，该算法在搜索精度和搜索速度方面均具有很大的优越性。此算法兼顾了收敛速度和收敛精度2个方面，具有很好的适应性。这种寻优的方式不仅为机组肩停优化问题带来了新的解决思路，对于求解更广泛的组合优化问题亦具有普遍的意义。     

一种改进型粒子群优化算法在电力系统经济负荷分配中的应用

针对机组数不同的电力系统设计优化方案,提出将基于有效群体利用策略的粒子群算法应用到经济负荷分配问题的解决中。该改进算法通过有效改变粒子数目,并改进了速度位移方程,加快了算法的收敛速度,同时提高其收敛精度。为验证该算法的有效性,针对机组数不同的电力系统经济负荷分配进行了测试,并与其他优化算法进行了比对测试。结果证明了该算法可高效准确地找到最优解,有效避免了陷入局部最优的问题,并保证了较快的运行速度。     

求解机组组合问题的改进离散粒子群算法

电力系统机组组合问题是一个高维数、离散、非线性的大规模复杂工程优化问题.文中提出了一种基于改进离散粒子群优化算法求解机组组合问题的新方法.首先采用新的策略生成粒子,以保证所有生成的粒子均为满足基本约束条件的可行解,使整个算法只在可行解区域进行优化搜索;然后引入优化窗口的概念和启发式的规则以缩短计算时间和提高优化精度.仿真结果表明所提出的算法具有解的质量高、收敛速度快的特点,充分证明了它能很好地解决机组组合问题.     

求解全局优化问题的多策略改进灰狼算法

针对原始灰狼算法在求解全局优化问题时,存在后期收敛速度慢、易陷入局部最优、优化效率低等缺点,提出一种多策略改进的灰狼优化算法(multi-strategy improved grey wolf optimization, MSI＿GWO)。从参数、搜索机制以及最优解扰动3个方面引入3种改进策略。对控制参数a,采用非线性调整策略,改进算法的勘探和开发能力;采用动态权重策略进行位置更新,提高算法的收敛性;设计小波最优解扰动策略,提高种群多样性,同时避免算法陷入局部最优。对MSI＿GWO算法的寻优性能进行验证,选取单峰多峰共9个测试函数完成仿真实验,并与其他改进灰狼优化算法以及粒子群、天鹰优化算法、蜜獾算法进行比较,结果表明,MSI＿GWO算法在收敛速度和寻优效率方面均为最优的。     

绿色VRP的增强拉格朗日松弛启发式算法

针对绿色多车型车辆路径问题(GHFVRP),建立了以最小化车辆固定成本、行驶成本及碳排放成本之和为优化目标的混合整数规划模型(MIP),并提出一种增强拉格朗日松弛启发式算法(ELRHA)进行求解。首先，通过松弛难约束构造对偶问题，并分解为两个子问题，再采用次梯度法更新拉格朗日乘子，求解两个子问题获得原问题的下界；其次，设计一种两阶段启发式算法对下界进行修复及优化，以获得较好可行解并更新问题上界；最后进行仿真实验，实验结果表明：在相同实验环境下对17个算例进行20次测试，ELRHA平均求解间隙为4.49%,相较Gurobi提升3.28%,同时与其它算法对比进一步验证了ELRHA能求解问题高质量上界。可见，ELRHA能有效求解GHFVRP。     

电网规划综合评判决策系统的设计与应用

提出了一种求解电力系统负荷经济分配问题的改进粒子群优化算法.该算法考虑了机组的爬坡约束、出力限制区约束、非光滑费用函数曲线等非线性特性,用保留可行解的方法处理负荷平衡约束条件,用自适应罚函数法处理爬坡和出力限制区约束条件,加快了算法的收敛速度,对不活动粒子的处理使算法避免了"早熟"现象.仿真计算表明,改进粒子群优化算法是一种求解负荷经济分配问题的有效方法.