基于粒子群优化算法的AGC机组调配研究

电力市场下AGC机组的调配问题是辅助服务领域中的一个重要研究内容。提出了一种基于粒子群优化算法的AGC机组调配方案。该方法基于AGC机组调配的数学模型,考虑了机组调节容量,调节速率等约束条件。介绍了算法的基本原理,并分析了参数的不同取值对算法收敛性的影响。实际系统的算例表明,利用粒子群优化算法,不仅可以克服整数规划法可能得不到最优解的缺点,而且与遗传算法比较具有收敛性好,收敛速度快的优点,从而为AGC机组的调配问题提供了一种新的有效算法。     

混合PSO算法在AGC机组调配中的应用

针对自动发电控制(ACC)机组的调配问题,提出将基本粒子群算法与离散粒子群算法相结合混合建模来求解,从而将电力系统机组调配组合这一整数规划问题分解为具有连续变量和离散变量的2个优化子问题.该方法兼顾了AGC机组的性能和价格因素,具有收敛速度快求解精度高等特点.通过对12机系统的算例分析和与其他算法的结果对比,验证了该方法的可行性和有效性.     

一种用于机组组合问题的改进双重粒子群算法

为了更经济快速地解决机组组合问题,提出一种改进双重粒子群优化(particle swarm optimization,PSO)算法,包含离散部分和连续部分。离散PSO分时段优化机组的启停状态,在种群更新时加入了临界算子,改进了可行解的判别条件,各机组出力最低值的和要在一定程度上低于负荷需求值,并考虑机组启停时间的向前继承和向后约束。连续PSO用于启停状态确定过程中和确定后的负荷分配,考虑功率平衡约束、热备用约束和机组的出力上下限约束。求解经济负荷分配时,利用罚函数的方法满足机组的爬坡速率约束,最后得到煤耗最小值。采用2个24时段的算例进行仿真,实验结果表明新算法减少了搜索量,提高了收敛速度,并为机组组合问题提出了新思路。     

基于粒子群优化算法的AGC机组调配研究

电力市场下AGC机组的调配问题是辅助服务领域中的一个重要研究内容.提出了一种基于粒子群优化算法的AGC机组调配方案.该方法基于AGC机组调配的数学模型,考虑了机组调节容量,调节速率等约束条件.介绍了算法的基本原理,并分析了参数的不同取值对算法收敛性的影响.实际系统的算例表明,利用粒子群优化算法,不仅可以克服整数规划法可能得不到最优解的缺点,而且与遗传算法比较具有收敛性好,收敛速度快的优点,从而为AGC机组的调配问题提供了一种新的有效算法.     

AGC机组调配经济性的改进免疫算法研究

对于电力市场的买卖双方,成交电量及价格直接关系到厂网的经济效益。采用考虑机组调节容量和调节速度约束条件的机组数学模型,提出了一种解决电力系统AGC（自动发电控制）机组调配问题的改进免疫算法。采用启发式方法产生初始解,对参调机组与参调容量进行双层优化,使优化调度问题的收敛速度和效率有了显著的提高。通过实际系统的算例分析以及与常用算法的效果比较,验证了本算法在优化机组调配经济性方面应用的优越性及有效性。     

AGC机组调配经济性的混沌遗传算法研究

AGC问题是互联电力系统经济有效运行的核心问题.以AGC机组的能耗费用最低为目标函数,提出了一种新的优化调配方法-混沌遗传算法.在遗传进化的过程中,引入混沌变量,维持群体中染色体的多样性,以克服遗传算法中的早熟问题,改善全局收敛性,提高计算速度.通过对某地区几个电厂的机组进行仿真计算,将结果与遗传算法得到的结果进行比较,表明混沌遗传算法应用于AGC机组的优化调度是合理可行的.     

AGC机组调配经济性的混沌遗传算法研究

AGC问题是互联电力系统经济有效运行的核心问题。以AGC机组的能耗费用最低为目标函数,提出了一种新的优化调配方法——混沌遗传算法。在遗传进化的过程中,引入混沌变量,维持群体中染色体的多样性,以克服遗传算法中的早熟问题,改善全局收敛性,提高计算速度。通过对某地区几个电厂的机组进行仿真计算,将结果与遗传算法得到的结果进行比较,表明混沌遗传算法应用于AGC机组的优化调度是合理可行的。     

带遗传算子模拟植物生长算法在AGC机组调配经济性中的应用

建立AGC机组调配调节费用的数学模型,采用一种带遗传算子模拟植物生长算法(Plant Growth Simulation Algorithm,PGSA),应用于机组调配经济性研究。为解决完整模拟植物生长过程全局搜索可能速度过慢的问题,采用最优保留和最差杂交后保留的策略,可在加速计算速度的同时抑制早熟,防止陷入局部最优。此外,为防止新生长点过于聚集,采用K-means聚类算法对机组进行分类,并在长出新生长点时,同类机组选择差异性较大的变异方式。对于存在多个最优解,采用多解平均法,确保机组调配的公平性。通过计算结果对比验证了该算法的合理性及有效性。     

带遗传算子模拟植物生长算法在AGC机组调配 经济性中的应用

建立AGC机组调配调节费用的数学模型,采用一种带遗传算子模拟植物生长算法(Plant Growth Simulation Algorithm,PGSA),应用于机组调配经济性研究。为解决完整模拟植物生长过程全局搜索可能速度过慢的问题,采用最优保留和最差杂交后保留的策略,可在加速计算速度的同时抑制早熟,防止陷入局部最优。此外,为防止新生长点过于聚集,采用K-means聚类算法对机组进行分类,并在长出新生长点时,同类机组选择差异性较大的变异方式。对于存在多个最优解,采用多解平均法,确保机组调配的公平性。通过计算结果对比验证了该算法的合理性及有效性。     

基于自适应粒子群优化算法的AGC机组调配研究

提出了一种基于自适应型粒子群优化算法（APSO）的自动发电控制（AGC）机组调配方案。该方案针对考虑机组调节容量、调节速率等约束条件的AGC机组调配的数学模型,提出了一种改进的APSO。介绍了算法的基本原理．分析了不同参数取值对算法收敛性的影响。算例表明,该方法不仅可以克服整数规划法可能得不到最优解的缺点,而且与遗传算法比较,具有收敛性好、收敛速度快的优点。     

采用多Agent混沌粒子群算法的配电网重构

针对配电网的辐射状约束条件研究了配电网重构的优化问题,引入破圈法筛选可行解,利用基于多Agent的混沌粒子群算法对筛选后的可行解进行搜索;然后该算法将粒子的群搜索特征与多Agent的智能搜索特征相结合提升算法的搜索效率,并融合混沌局部搜索算法以跳出局部解。以网损为优化目标,分别对33节点和69节点配电网系统进行计算分析,结果表明该算法具有很快的收敛速度,并且对于复杂配电网系统有较好的稳定性与鲁棒性。     

电力系统机组组合问题的闭环粒子群算法

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。     

基于混沌粒子群算法的多目标无功优化研究

针对传统无功优化的不足,建立了以电网有功损耗最小、节点电压偏移最小、静态电压稳定性最好和无功成本最小的多目标无功优化模型.为了将这4个目标同时进行优化,提出了基于Pareto解的混沌粒子群算法多目标无功优化方法,求出该多目标优化问题的Pareto最优解集,供决策者根据实际情况进行科学决策选择.为证明提出方法的有效性,对IEEE30节点系统进行了多目标无功优化分析,结果表明本文提出的方法能够得到良好的无功优化结果.     

基于混沌粒子群优化算法的微电网优化运行技术

以混沌粒子群优化算法为基础进行微电网优化运行技术的研究。首先,通过基于线性微分递减策略的惯性权重的引入,避免算法陷入局部最优;同时,采用线性调整的学习因子的选取增强算法的全局搜索能力;在此基础上,将粒子群优化算法与混沌理论相结合,通过增加粒子的随机性与遍历性,进一步解决传统粒子群算法容易出现早熟和搜索能力不强的问题;然后,在光伏电池、风力发电机等微电源模型构建基础上,考虑到功率平衡、微电源输出功率等约束条件,设计微电网优化运行目标函数,保障其运行成本最优;最后,通过对IEEE-14节点模型的微电网系统仿真对比,验证了算法的可行性与有效性。     

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.     

自适应混沌粒子群算法在PSS设计中的应用

该文采用一种改进的粒子群算法PSO———自适应混沌粒子群算法ACPSO,对多机电力系统稳定器参数进行优化设计,以抑制系统低频振荡。该算法通过混沌初始化粒子群,在迭代计算过程中根据粒子的适应值自适应地调整算法惯性系数,从而可以获得更好的全局搜索能力和收敛速度。选取系统机电振荡模式最小阻尼比最大化为目标函数,将PSS参数优化转换为带不等式约束的非线性优化问题。以3机9节点系统为例,特征值和非线性仿真结果表明,运用该方法设计的PSS能够有效地抑制外界扰动引起的低频振荡。     

一种求解机组组合问题的新型改进粒子群方法

将电力系统中机组组合这一复杂的多约束混合整数规划问题分解为具有整型变量和连续变量的两个优化子问题,提出采用改进离散二进制粒子群算法和标准粒子群算法相结合的双层嵌套方法,分别对外层机组的启、停状态变量和内层功率经济分配进行交替迭代优化求解。同时在算法中引入基于机组优先顺序的变异技术和修补策略,能有效地处理机组最短启、停时间约束,并提高算法的全局寻优能力和计算效率。通过对10机系统的算例计算,并同其他算法的结果进行比较分析,仿真结果表明新方法求解精度高、收敛速度快,从而验证了新方法的可行性和有效性。     

基于粒子群优化算法的并网光伏发电单元建模

以状态空间平均法为基础,建立了单级式并网发电系统单元的模型,主要包括3个部分:光伏阵列、逆变器及控制器、并网侧LC滤波器和线路等环节的等效阻抗,利用粒子群优化算法分步辨识内环和外环模型参数。首先在d轴内环控制器的参考电流上施加阶跃扰动,辨识内环控制模型的参数;然后简化等效内环控制器模型为一阶惯性环节,辨识其模型参数;最后在光伏阵列最大功率点输出侧的直流电压上施加阶跃扰动,以等效内环控制模型为基础,辨识外环控制模型的参数。在Matlab中分别建立光伏并网发电单元系统的详细模型和所提的传递函数模型,结果验证了所提模型的合理性。