一种求解电网多目标模糊优化运行的自适应现代规划算法

从随机优化技术及生物进化机制角度出发,设计出一种新颖的自适应进化规划算法。该算法包含了2个重要部分：（1）采用倒指数形式来描述均方差与适合度之间的关系;（2）在寻优过程中,变异量自适应发生改变,并结合模糊集理论应用于求解具有可伸缩约束的电网多模糊优化运行问题,求解时对优化模型、遗传操作等方面进行了探讨。试验系统的计算结果表明,该算法具有很强的自适应性及通用性,在全局收剑特性、约束项的处理、算法复杂度及运算效率等方面显示了一定的优势,体现了求解电网多目标优化运行的良好前景。     

电网规划的多目标满意优化

为解决电网规划的多目标、非线性、离散型的NP难的寻优问题。利用满意优化理论建立了电网规划的多目标满意优化模型。模型中考虑了电网规划的经济性最好与可靠性最高两个目标函数,用满意解定义它们各自的满意度,同时采用线性加权法确定其综合满意度。并通过改进的粒子群算法来对模型进行求解。18节点的系统算例表明所提模型及算法是可行的。     

一种求解电网多目标模糊优化运行的 自适应进化规划算法

从随机优化技术及生物进化机制角度出发,设计出一种新颖的自适应进化规划算法。该算法包含了2个重要部分①采用倒指数形式来描述均方差与适合度之间的关系;②在寻优过程中,变异量自适应发生改变,并结合模糊集理论应用于求解具有可伸缩约束的电网多目标模糊优化运行问题,求解时对优化模型、遗传操作等方面进行了探讨。试验系统的计算结果表明,该算法具有很强的自适应性及通用性,在全局收敛特性、约束项的处理、算法复杂度及运算效率等方面显示了一定的优势,体现了求解电网多目标优化运行的良好前景。     

基于多目标两阶段规划的虚拟电厂优化调度

虚拟电厂（virtual power plant,VPP）聚合分布式电源和负荷侧可调资源以统一整体参与能源市场交易,成为了提升新能源消纳、挖掘负荷侧需求响应潜力的有效途径。在此背景下,构建了基于多目标两阶段规划的虚拟电厂优化调度模型。日前阶段以市场运营收益和用户用能满意度最大化为目标,构建了虚拟电厂多目标优化模型,采用NSGA-Ⅱ算法求解多目标问题的帕累托最优解,并提出综合效益指标对解进行筛选;实时阶段以偏差惩罚成本和弃风成本最小化为目标,构建了虚拟电厂鲁棒优化模型,考虑了热电联产机组（combined heat and power,CHP）灵活热电比对风电消纳的促进作用。最后,对某实际虚拟电厂进行算例分析,研究结果表明所提方法能够在保证虚拟电厂综合效益的前提下提高其能源利用效率。     

一种多目标量子算术优化算法探究

为更好地解决算术算法中多目标优化问题,提出一种基于档案集的多目标量子算术优化算法并在七个基准函数上进行测试;通过分析测试结果以及与常用的多目标优化方法 /多目标粒子群优化算法、快速非支配排序遗传算法和多目标灰狼优化算法相关指标进行比较,表明了该算法优于上述常用的多目标优化算法,并具有较高的收敛速率。     

基于改进粒子群优化算法的多目标分布式发电规划

通过归一化处理和权系数选取,将以网络损耗最小、节点电压平均偏差最小、静态电压稳定裕度最大和总投资成本最小为目标的多目标分布式发电（distributedgeneration,DG）规划模型转化为单一目标。采用改进粒子群4~g415（improvedparticleswarmoptimization,IPSO）算法进行DG规划的优化计算,为避免陷入局部最优,对惯性权重进行非线性的自适应调整,并在计算过程中引入速度变异算子和位置交叉算子,较好地克服了计算后期易陷入局部收敛的问题。将IPSO算法应用于69节点配电网测试系统,仿真结果验证了IPSO算法是有效和可行的。     

一种求解多目标最优潮流的模糊优化算法

将模糊集理论和非线性原－对偶路径跟踪内点法应用于求解具有可伸缩约束的多目标最优潮流问题,选择合适的加速因子以改善算法的收敛性,并与单目标非线性最优潮流问题的计算结果进行了比较。对几个试验系统的计算表明,该算法具有稳定收敛性能,优化结果精确,灵活方便,处理变量不等工约束和函数不等式约束的能力很强,适合于求解大规模电力系统的多目标优化问题。     

改进多目标蚁群算法在电网规划中的应用

针对电网规划需综合考虑经济性和可靠性的问题,提出一种改进的多目标蚁群算法。该算法采用改进的快速排序方法构造Pareto最优解集,缩短了慢速链,降低了算法的时间复杂度;采用聚类算法裁剪非支配解,使所得解在整个Pareto解空间具有良好的多样性和分布性;采用信息素更新变参数控制,加快算法的全局收敛速度;采用挥发系数动态自适应调节机制,提高算法全局搜索能力。通过18节点电网规划算例证明,提出的改进算法与基本多目标蚁群算法相比,所得的Pareto最优解数量更多,Pareto前沿分布更加均匀,同时收敛性和快速性也得到了提高。     

一种地区电网多目标无功优化的新方法--改进模拟退火算法

本文介绍了改进模拟退火算法在地区电网无功优化中的应用。实际计算表明,与常规优化方法比较,模拟退火算法收敛性好,适应性强,是实现无功优化的好方法。另外,本文给出一种新的多目标模型,测试结果验证了此法的可行性。     

基于改进仿电磁学算法的多目标电网规划方案研究

对基本仿电磁学(Electromagnetism-Like Mechanism,ELM)算法进行了改进,获得了新型的改进仿电磁学(improve electromagnetism-like mechanism,IELM)算法,并与遗传算法(genetic algorithm,GA)进行了性能对比分析。研究结果表明:在基本ELM中引入被动聚集思想来实现单个粒子的解域拓展,避免解域狭小问题;通过建立权重的自适应控制函数规避了迭代后期的不收敛性;运用搜索范围动态缩减法来提高预期收敛速度和全局寻优效果。相较于GA算法,采用改进的IELM算法在解决电网规划方案的非线性组合优化过程中,在收敛效率、操作适应性和全局最优解方面具有显著优势。     

二层线性整数规划问题的一种全局优化方法及应用

在研究了整数规划连续途径的基础上，分别采用模拟退火算法和分枝定界法对一类二层线性整数规划的上级和下级问题进行了求解。在给出算法的同时，通过对价格控制问题算例的应用，提供了解决此类问题全局最优解的一种有效途径。     

基于改进蚁群算法的无功优化研究

建立了网损最小的数学模型,对蚁群算法的缺陷进行改进,包括对蚁群搜索到的路径进行排序,自适应调节路径上释放的信息素.同时又在信息素更新机制里引入微分进化算法的发散项,提高算法的收敛速度和全局寻优能力.通过IEEE-30节点的仿真计算,验证了改进蚁群算法在电力系统无功优化领域的可行性和有效性.     

分时阶梯电价-微电网联合优化调度的不确定二层规划方法

微电网为分布式电源并网提供了有效的技术途径,微电网的优化运行是微电网领域的重要研究课题。电价是影响微电网系统经济收益的重要因素,为进一步提高微电网的经济效益,计及系统不确定性,采用不确定二层规划模型提出分时阶梯电价-微电网联合优化调度方法。首先建立分时阶梯电价下的负荷响应模型。其次以分时阶梯电价为上层决策者,以微电网综合效益最大为上层目标,以微电网优化运行方案为下层决策者,以综合运行成本最小为下层目标,分别计及必要约束条件,建立Maximin形式的不确定二层规划模型。采用混沌粒子群结合不确定函数模拟组成的综合智能算法对所提出的模型进行求解。最后通过一个算例表明,该模型适用于分时阶梯电价机制下微电网优化运行,其各项运行指标要优于原有分时电价机制下的。     

蚁群算法在组合优化中的应用

本文介绍了崭新的求解复杂优化问题的启发式算法-蚁群算法以及它的基本原理.该算法是通过模拟蚁群搜索食物的过程,达到求解此类问题的目的.它具有智能搜索、全局优化、稳健性强、分布式计算、易与其他方法结合等优点.文章还介绍了该算法在静态组合优化,如旅行商、二次分配、车间任务调度、车辆路线、图着色、有序排列,以及动态组合优化中的应用.文章最后展望了蚁群算法所具有的广阔应用前景.     

计及节能调度的分布式电源优化配置及其并行计算

研究了多负荷水平下计及节能调度的配电网分布式电源(DG)优化配置问题,建立了2层规划数学模型,上层优化以DG并网运行价值最大为目标,确定DG与储能电池的位置和容量;下层优化模拟配置储能装置的配电网最优节能调度,确定DG的运行出力。采用蚁群算法结合线性规划的混合算法对该模型进行了求解,并实现了主从模式与对等模式相混合的并行算法。算例表明,该模型可显著提高DG接入容量和实际发电量,使DG并网运行价值最大化;并行算法可有效提高算法的计算速度和搜索效率。     

基于2层规划并计及风险的配电网最优购售电模型

购电侧采用基于条件风险价值(CVaR)法建立的以风险最小为目标的数学模型,以确定配电公司最优购电比例和风险成本;售电侧考虑交易过程中的随机量,建立随机机会约束规划模型以确定最优销售电价。建立2层规划模型,把配电公司利润最大化作为上层决策,购电风险最小化作为下层决策,将购售电模型统一,实现购售电的联合优化。将实时电价与峰谷电价模式结合进行仿真,结果表明,所提模型有效体现购售的联动,确保了配电公司的效益,相比于单层规划模型更有利于降低配电公司的购电风险。     

The analysis of the convergence of ant colony optimization algorithm

The ant colony optimization algorithm has been widely studied and many important results have been obtained. Though this algorithm has been applied to many fields, the analysis about its convergence is much less, which will influence the improvement of this algorithm. Therefore, the convergence of this algorithm applied to the traveling salesman problem (TSP) was analyzed in detail. The conclusion that this algorithm will definitely converge to the optimal solution under the condition of 0<q ₀<1 was proved true. In addition, the influence on its convergence caused by the properties of the closed path, heuristic functions, the pheromone and q ₀ was analyzed. Based on the above-mentioned, some conclusions about how to improve the speed of its convergence are obtained. Translated from Control and Decision, 2006, 21(7): 763–766 [译自: 控制与决策]     

基于改进蚁群算法的变压器诊断数据的约简

针对变压器故障诊断提出的各种算法,多数不能从激增的诊断数据中提取有效的信息,无法实现快速准确诊断。为提高变压器故障诊断的速度,基于蚁群算法基本原理和模糊信息熵理论,对蚁群算法从局部搜索策略、蚂蚁内部状态、信息素更新策略及状态转移规则四方面进行了改进,提出诊断数据约简新方法。经过变压器故障诊断实例验证,使用改进方法将数据约简后,具有较高的诊断正确率,而与传统的算法相比,诊断速度快。     

计及环境约束的机组组合二层规划方案研究蒲实

就节能减排下的机组组合问题,通过一价格惩罚因子将传统的双目标优化问题转化为环境约束下的单目标优化问题,提出了求解该问题的二层规划方法。该方法基于二进制编码,通过一种改进蚁群算法选取上层机组的最优启停,并用二次规划处理下层负荷的优化分配。最后,通过6机系统在24小时内的算例仿真验证了该方案的可行性及有效性。     

基于蚁群算法的数字微流控生物芯片污染故障在线清除

生化分析领域对数字微流控生物芯片的可靠性要求严格,对实验中污染故障进行清除,能够保证复杂生化实验分析结果的准确性。提出基于最大最小蚁群算法的污染故障在线清除策略,完成污染清除,同时降低清洗污染单元时间。方案针对数字微流控生物芯片污染故障建立MTSP模型,建立基于流体和时间约束的禁忌判断策略,采用最大最小蚁群算法,重新定义概率选择函数与信息素更新策略,实现清洗液滴路径规划、快速清除污染故障的目的。实验结果表明,该方案能有效地减少清洗时间,且与MCC方案相比较,能够有效减少阵列单元使用数目。