針對(duì)傳統(tǒng)粒子群算法在無功優(yōu)化中易陷入局部最優(yōu)和后期收斂慢等問題,提出了基于量子粒子群混合算法的無功優(yōu)化計(jì)算方法。該算法將量子疊加態(tài)思想引入到粒子群算法中,使得單個(gè)粒子能表示更多的狀態(tài)和量級(jí),增加了種群的多樣性;采用量子旋轉(zhuǎn)門更新粒子的速度和位置,提高了收斂的速度。用該算法對(duì)ieee30節(jié)點(diǎn)系統(tǒng)進(jìn)行無功優(yōu)化計(jì)算,并與粒子群算法和遺傳算法的優(yōu)化結(jié)果進(jìn)行比較,仿真結(jié)果表明,該算法能夠更好地獲得全局最優(yōu)解,具有實(shí)用意義。

針對(duì)水火電系統(tǒng)的多約束、時(shí)滯非線性特點(diǎn),建立了帶有梯級(jí)水電廠的電力系統(tǒng)模型,并采用量子粒子群(qpso)算法對(duì)系統(tǒng)進(jìn)行優(yōu)化求解。為了解決基本量子粒子群算法容易陷入局部最優(yōu)解的問題,提出了一種改進(jìn)量子粒子群(iqpso)算法。為了驗(yàn)證該算法的性能,運(yùn)用matlab編寫程序,利用典型的4水電3火電系統(tǒng)算例進(jìn)行仿真。算例表明,改進(jìn)的量子粒子群算法具有更好的收斂特性。

將量子計(jì)算理論引入到蟻群優(yōu)化算法中,形成量子蟻群優(yōu)化算法(qacoa),用于梯級(jí)水電系統(tǒng)經(jīng)濟(jì)調(diào)度研究中,以系統(tǒng)在調(diào)度期內(nèi)實(shí)發(fā)電能和儲(chǔ)蓄電能最大為準(zhǔn)則構(gòu)造優(yōu)化目標(biāo)函數(shù)。qacoa融入了量子計(jì)算理論的疊加態(tài)和概率表達(dá)特性,以量子態(tài)為基本信息單元,將量子比特的概率幅用于螞蟻位置的編碼,利用量子旋轉(zhuǎn)門實(shí)現(xiàn)蟻群位置的更新,達(dá)到了比常規(guī)蟻群優(yōu)化算法更好的優(yōu)化效果。運(yùn)用qacoa對(duì)梯級(jí)水電系統(tǒng)經(jīng)濟(jì)調(diào)度進(jìn)行仿真,結(jié)果表明qacoa使調(diào)度期內(nèi)實(shí)發(fā)電能和儲(chǔ)蓄電能得到了明顯提高。

隨著電站裝機(jī)容量和機(jī)組臺(tái)數(shù)的不斷增加,利用動(dòng)態(tài)規(guī)劃求解水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行問題,將面臨\"維數(shù)災(zāi)\"和實(shí)效性問題。近些年,粒子群算法作為一種新型的群體智能優(yōu)化方法,由于能夠彌補(bǔ)動(dòng)態(tài)規(guī)劃計(jì)算時(shí)間長(zhǎng)、內(nèi)存占用量大等諸多不足,在水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行等方面得到了廣泛重視。現(xiàn)有文獻(xiàn),大多數(shù)從方法的應(yīng)用角度探討較多,但從替代動(dòng)態(tài)規(guī)劃的必然性和潛力方面探討較少,鮮有實(shí)例分析。本文以百萬級(jí)裝機(jī)千瓦的烏江渡水電站為實(shí)例,深入分析與比較了粒子群算法與動(dòng)態(tài)規(guī)劃的優(yōu)劣,認(rèn)為粒子群算法是代替動(dòng)態(tài)規(guī)劃、求解裝機(jī)規(guī)模龐大的巨型水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行的有效方法。

分析了大規(guī)模風(fēng)電給電力系統(tǒng)實(shí)時(shí)調(diào)度所帶來的若干問題,依據(jù)節(jié)能減排原則,以消納風(fēng)電最大化和火電機(jī)組一次能源消耗最小化為雙重目標(biāo),建立了含大規(guī)模風(fēng)電的實(shí)時(shí)調(diào)度模型。在量子粒子群算法基礎(chǔ)上加入混沌初始化和混沌擾動(dòng),形成混沌量子粒子群優(yōu)化算法。基于修改的ieee-118節(jié)點(diǎn)系統(tǒng)進(jìn)行仿真計(jì)算,結(jié)果表明:建立的模型能在最大程度消納風(fēng)電的前提下,最大限度地減少一次能源消耗,達(dá)到節(jié)能減排的目的;采用的算法計(jì)算速度快、收斂性能好,滿足實(shí)時(shí)性的要求。

第9卷第4期 1992年12月 計(jì)算物理 chinesejournalofcomputhonalphysics vo1．9．no．4 dec．，1992 三峽梯級(jí)水電系統(tǒng)多地區(qū)輸電短期經(jīng)濟(jì) 但運(yùn) t，段虞榮徐明德劉建華il’lf7’ (重慶大學(xué)系統(tǒng)工程及直用數(shù)學(xué)系，重慶630044) 摘要以三峽梯級(jí)水電系統(tǒng)為背景，建立了多地區(qū)輸電的梯級(jí)水電系統(tǒng)短期優(yōu)化運(yùn)行的 網(wǎng)絡(luò)模型．采用線性與非線性最小費(fèi)用藏相結(jié)合的方法進(jìn)行梯級(jí)間的負(fù)荷分配：數(shù)據(jù)結(jié)構(gòu)采用面 向弧表示的最短路算法，速度快，內(nèi)存小。整個(gè)算法用fortran語言編程在ibmpc／xt機(jī) 上試算．結(jié)果較滿意．驗(yàn)證了模型和篼法的正確性。 關(guān)鍵蠲苧塾查皇墅塑壅’旦規(guī)瑚法最優(yōu)化方法 一 、前言 近年來，諸多文獻(xiàn)將網(wǎng)絡(luò)規(guī)劃的理

在無功優(yōu)化、分布式電源(dg)有功優(yōu)化和網(wǎng)絡(luò)重構(gòu)協(xié)同的條件下,以有功網(wǎng)損最小為目標(biāo)函數(shù)、多種電氣限制和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為約束條件建立了配電網(wǎng)綜合運(yùn)行優(yōu)化模型;針對(duì)基本粒子群算法容易陷入局部最優(yōu)、收斂速度慢等缺點(diǎn),提出一種改進(jìn)的粒子群(ipso)算法,并將其用于求解配電網(wǎng)綜合運(yùn)行優(yōu)化模型.結(jié)果表明,所建配電網(wǎng)綜合運(yùn)行優(yōu)化模型能夠同時(shí)優(yōu)化補(bǔ)償電容器投切容量、有載調(diào)壓變壓器變比、dg出力和網(wǎng)絡(luò)開關(guān)狀態(tài),從而獲得配電網(wǎng)的最佳運(yùn)行狀態(tài).同時(shí),通過ieee33節(jié)點(diǎn)配電網(wǎng)算例的仿真結(jié)果驗(yàn)證了配電網(wǎng)綜合運(yùn)行優(yōu)化模型的有效性和ipso算法的高效性.

為了克服量子遺傳算法(quantumgeneticalgorithm——qga)存在的\"早熟\"問題,本文將傳統(tǒng)遺傳算法中的變異算子引入量子遺傳算法,同時(shí)使用已搜索到的最優(yōu)個(gè)體更新量子門,以改善qga算法的全局收斂性,并將其成功地應(yīng)用于解決水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行問題。文中結(jié)合某電站實(shí)例進(jìn)行計(jì)算,結(jié)果表明,改進(jìn)后的量子遺傳算法收斂速度更快,能夠滿足工程應(yīng)用的實(shí)際需求。

第28卷第19期電網(wǎng)技術(shù)vol.28no.19 2004年10月powersystemtechnologyoct.2004 文章編號(hào)：1000-3673（2004）19-0014-06中圖分類號(hào)：tm715文獻(xiàn)標(biāo)識(shí)碼：a學(xué)科代碼：470·4054 粒子群優(yōu)化算法在電力系統(tǒng)中的應(yīng)用 袁曉輝1，王乘1，張勇傳1，袁艷斌2 （1．華中科技大學(xué)，湖北省武漢市430074；2．武漢理工大學(xué)，湖北省武漢市430071） asurveyonapplicationofparticleswarmoptimization toelectricpowersystems yuanxiao-hui1，wangcheng1，zhangyong-chuan1，yuanya

隨著電力系統(tǒng)規(guī)模的日益擴(kuò)大和電力市場(chǎng)改革的實(shí)施，保證電力系統(tǒng)安全、經(jīng)濟(jì)、穩(wěn)定、可靠地運(yùn)行越來越重要。本文對(duì)pso算法在電力系統(tǒng)中應(yīng)用的研究現(xiàn)狀進(jìn)行了較為全面的總結(jié)，主要包括在電網(wǎng)擴(kuò)展規(guī)劃、檢修計(jì)劃、機(jī)組組合、負(fù)荷經(jīng)濟(jì)分配、最優(yōu)潮流計(jì)算與無功優(yōu)化控制、諧波分析與電容器配置、網(wǎng)絡(luò)狀態(tài)估計(jì)、參數(shù)辨識(shí)、優(yōu)化設(shè)計(jì)等方面的應(yīng)用研究成果。

本文針對(duì)水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行中機(jī)組組合優(yōu)化問題的特點(diǎn),提出了一種結(jié)合禁忌搜索思想的粒子群算法(particleswarmoptimization,pso)。該方法采用離散二進(jìn)制粒子群算法解決機(jī)組運(yùn)行狀態(tài)組合問題,用標(biāo)準(zhǔn)粒子群算法解決既定運(yùn)行機(jī)組間負(fù)荷優(yōu)化分配問題,并將兩個(gè)問題結(jié)合在一起并行優(yōu)化,引入禁忌搜索算法(tabularsearch,ts)的記憶功能和藐視準(zhǔn)則以提高粒子多樣性,擴(kuò)大搜索空間,克服pso算法可能出現(xiàn)的早熟現(xiàn)象。以烏江渡水電站為例進(jìn)行優(yōu)化計(jì)算,并與pso算法的計(jì)算結(jié)果比較,表明該方法可以有效避免早熟現(xiàn)象,具有較高的全局收斂能力,同時(shí)也具有較高的全局尋優(yōu)能力。

針對(duì)霍夫變換進(jìn)行圓檢測(cè)時(shí)計(jì)算量大、耗時(shí)長(zhǎng)等問題,提出了一種基于改進(jìn)型粒子群的圓檢測(cè)算法。該算法先對(duì)拍攝圖像進(jìn)行邊緣檢測(cè)獲取邊緣圖像后,再從邊緣點(diǎn)中隨機(jī)選取1點(diǎn)作為初始粒子位置,通過設(shè)置最大算法迭代次數(shù)與閾值來克服粒子群算法陷入局部最優(yōu)問題。以每個(gè)粒子作為一個(gè)候選圓心,采用優(yōu)化策略,以粒子運(yùn)動(dòng)、融合更新等操作完成圓的檢測(cè)。

粒子群優(yōu)化算法是通過粒子記憶、追隨當(dāng)前最優(yōu)粒子,并不斷更新自己的位置和速度來尋找問題的最優(yōu)解。為了克服標(biāo)準(zhǔn)粒子群算法存在著早熟收斂、難以處理問題約束條件等缺點(diǎn),本研究對(duì)遞減慣性權(quán)值進(jìn)行了改進(jìn),將其表示為粒子群進(jìn)化速度與群體平均適應(yīng)度方差的函數(shù);給出了適合pso算法的約束處理機(jī)制,提出了一種改進(jìn)自適應(yīng)粒子群算法,并將其應(yīng)用于水庫優(yōu)化調(diào)度中。實(shí)例計(jì)算并與經(jīng)典方法相比,表明該方法原理簡(jiǎn)單、易編程實(shí)現(xiàn),能以較快的速度收斂于全局最優(yōu)解。

針對(duì)粒子群算法易陷入局部最優(yōu)的缺點(diǎn),提出了一種雙適應(yīng)度方法、動(dòng)態(tài)鄰域算子和隨機(jī)動(dòng)態(tài)調(diào)整慣性權(quán)重機(jī)制有機(jī)結(jié)合的混合改進(jìn)策略。算例計(jì)算表明,該改進(jìn)策略能增強(qiáng)粒子的局部收斂能力,加快算法的收斂速度,便于處理復(fù)雜約束條件,為求解具有復(fù)雜約束條件的非線性規(guī)劃問題提供了一種簡(jiǎn)單有效的方法。文中探討了梯級(jí)水電站優(yōu)化調(diào)度的相關(guān)問題,考慮了豐枯分時(shí)電價(jià)因素,建立了梯級(jí)水電站長(zhǎng)期優(yōu)化調(diào)度數(shù)學(xué)模型,并應(yīng)用改進(jìn)粒子群算法進(jìn)行求解。實(shí)際梯級(jí)水電站計(jì)算表明,該模型使枯水期大部分時(shí)間出力均勻平穩(wěn),豐水期能兼顧防洪和蓄水的不同要求,有利于電力系統(tǒng)的穩(wěn)定運(yùn)行。改進(jìn)粒子群算法計(jì)算速度快、收斂精度高,為梯級(jí)水電站長(zhǎng)期優(yōu)化調(diào)度提供了一種簡(jiǎn)單實(shí)用的求解方法。

重點(diǎn)分析了常規(guī)粒子群算法(particleswarmoptimization,pso)在水電站優(yōu)化調(diào)度應(yīng)用中存在的問題和出現(xiàn)的原因,并針對(duì)問題提出了相應(yīng)的解決方法,形成了基于粒子群算法的水庫優(yōu)化調(diào)度改進(jìn)應(yīng)用方法。改進(jìn)前后計(jì)算結(jié)果的對(duì)比分析表明,改進(jìn)后的粒子群算法可明顯提高求解水電站優(yōu)化調(diào)度問題的收斂速度和求解精度。

給出求解水電廠內(nèi)經(jīng)濟(jì)運(yùn)行問題的新方法,這種方法基于進(jìn)化規(guī)劃原理,具有編程簡(jiǎn)單,計(jì)算方便的特點(diǎn),是一種有效的自適應(yīng)隨機(jī)搜索算法

隨著電力市場(chǎng)化的逐步實(shí)施,發(fā)電企業(yè)將會(huì)參與市場(chǎng)競(jìng)爭(zhēng)。水電廠經(jīng)濟(jì)運(yùn)行能提高1%～3%的水力效率,水電廠應(yīng)盡快實(shí)現(xiàn)經(jīng)濟(jì)運(yùn)行。以豐滿水電廠發(fā)電機(jī)出力與耗流量函數(shù)為基礎(chǔ),應(yīng)用改進(jìn)遺傳算法對(duì)水電廠進(jìn)行計(jì)及開停機(jī)的優(yōu)化調(diào)度計(jì)算。在改進(jìn)遺傳算法中,采取了自適應(yīng)和精英保留策略以及移民算子,提出了方向性變異的觀點(diǎn),改進(jìn)了變異方法。計(jì)算結(jié)果與自動(dòng)發(fā)電控制(agc)方法進(jìn)行了比較,表明算法具有一定的優(yōu)勢(shì)。

通過建立某水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行的數(shù)學(xué)模型,運(yùn)用遺傳算法制訂該水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行的控制計(jì)劃。通過對(duì)初值的敏感性、收斂速度和優(yōu)化結(jié)果三方面驗(yàn)證,發(fā)現(xiàn)遺傳算法對(duì)初值不敏感且收斂速度較快。當(dāng)遺傳算法精度逐漸增大時(shí),搜索速度逐漸減慢,且搜索效率降低,這時(shí)需要進(jìn)行算法的改進(jìn)。

以水電站運(yùn)行成本最小為目標(biāo),提出了一種用差分進(jìn)化算法(differentialevolution,de)實(shí)現(xiàn)大型水電站最優(yōu)運(yùn)行的方法。差分進(jìn)化算法是一種基于群體的多目標(biāo)進(jìn)化算法,通過群體內(nèi)個(gè)體間的合作與競(jìng)爭(zhēng)產(chǎn)生的群體智能指導(dǎo)優(yōu)化搜索。將改進(jìn)的方法應(yīng)用于水電站經(jīng)濟(jì)運(yùn)行,模型考慮了機(jī)組能量特性差異,并能在旋轉(zhuǎn)備用、啟停成本、氣蝕振動(dòng)區(qū)、機(jī)組可用性等約束條件下,制定出電站日內(nèi)96段最優(yōu)運(yùn)行計(jì)劃。計(jì)算表明,該方法避免了動(dòng)態(tài)規(guī)劃等算法處理多約束、大型優(yōu)化問題的困難,同時(shí)提高了進(jìn)化算法的精度。

以水電站運(yùn)行成本最小為目標(biāo),提出了一種用混合遺傳算法實(shí)現(xiàn)大型電站最優(yōu)運(yùn)行計(jì)劃的方法。該方法考慮了機(jī)組能量特性差異,并能在旋轉(zhuǎn)備用、起停成本、空蝕振動(dòng)區(qū)、機(jī)組可用性等約束條件下,制定出電站日內(nèi)96段最優(yōu)運(yùn)行計(jì)劃。該方法避免了動(dòng)態(tài)規(guī)劃等算法處理多約束、大型優(yōu)化問題的困難,同時(shí)提高了遺傳算法的精度。算例表明,方法精度高,計(jì)算速度快。

水電站引水管道直徑的取值影響水電站工程的造價(jià)和發(fā)電效益,是水電站引水系統(tǒng)優(yōu)化設(shè)計(jì)的重要內(nèi)容。以引水管道直徑為變量,水電站凈收益最大為準(zhǔn)則,建立了水電站引水系統(tǒng)優(yōu)化模型,分別采用標(biāo)準(zhǔn)pso算法和改進(jìn)pso算法進(jìn)行計(jì)算。結(jié)果表明,這兩種方法均可用于水電站引水系統(tǒng)的優(yōu)化,改進(jìn)pso算法優(yōu)于標(biāo)準(zhǔn)pso算法。

本文針對(duì)光伏-水電聯(lián)合運(yùn)行系統(tǒng)在保證聯(lián)合輸出滿足負(fù)荷要求的前提下,通過優(yōu)化配置光伏相對(duì)于水電的容量,以達(dá)到綜合收益最大化.以光伏、水電發(fā)電收益最大為目標(biāo)函數(shù),以光伏、水電的最大輸出及最小輸出等為約束條件,以1天的數(shù)據(jù)為基礎(chǔ),計(jì)算出滿足條件時(shí)光伏發(fā)電的裝機(jī)容量.通過容量?jī)?yōu)化,提高了光伏-水電聯(lián)合系統(tǒng)的綜合收益.并用psasp軟件驗(yàn)證增加光伏發(fā)電容量對(duì)電網(wǎng)穩(wěn)定性的影響.