人工智能在最优潮流中的应用综述

近年来,人工智能(AI)技术广泛地渗透到了电力系统,在电力系统最优潮流(OPF)的解算中,基于AI方法的算法能够有效处理非线性和离散性问题,从而摆脱陷入局部极值或发散的可能,获得全局最优解.该文相应于AI的结构模拟、思维模拟和行为模拟三类研究方法,分别综述了人工神经元网络(ANN)、模糊集理论、进化方法(模拟进化、模拟退火等)、多代理技术等AI方法在电力系统OPF中的应用.     

人工智能在最优潮流中的应用综述

近年来,人工智能(AI)技术广泛地渗透到了电力系统,在电力系统最优潮流(OPF)的解算中,基于Al 方法的算法能够有效处理非线性和离散性问题,从而摆脱陷入局部极值或发散的可能,获得全局最优解该文相应于Al的结构模拟、思维模拟和行为模拟三类研究方法,分别综述了人工神经元网络(ANN)、模糊集理论、进化方法(模拟进化、模拟退火等)、多代理技术等Al方法在电力系统OPF中的应用     

基于强度Pareto进化算法的最优潮流

为更好地解决电力系统最优潮流问题,分析了当前多目标优化算法存在的缺陷,将强度Pareto进化算法(SPEA)应用于最优潮流中.SPEA是一种新型的多目标进化算法,具有收敛速度快,参数设置少,全局搜索能力强,所求的Pareto最优解分布均匀等优点.通过对IEEE30节点测试系统运用SPEA和混沌粒子群方法(CpSO)的计...     

双层交互混合差分进化算法在水库群优化调度中的应用

标准差分进化算法在求解梯级水库长期调度问题时,随着解链长度的增加,算法求解性能下降,易于陷入局部最优,为此构建了双层交互的混合差分进化算法。该算法结合差分进化算法的全局搜索和混合蛙跳的局部挖掘性能,上层基于小生境排挤技术保证差分进化算法的种群多样性,下层基于族群独立进化与定期通信保证局部搜索的稳定性。在整体上,下层结构为上层提供更多质量较优、结构互异的优良解,双层结构之间通过信息交互完成搜索信息的更新。通过将改进算法与标准差分进化以及逐次逼近动态规划法对比,模拟结果表明改进算法在求解梯级水库联合优化问题时的有效性和优越性。     

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。     

基于自学习迁移粒子群算法及高斯罚函数的无功优化方法

针对粒子群算法在求解无功优化问题时存在早熟收敛,易陷于局部最优的现象,提出了自学习迁移粒子群算法(self-learning migration particle swarm optimization,SLMPSO).该算法在采用混沌序列对粒子群进行初始化操作,基于云模型理论的X-条件云发生器对粒子的惯性权重进行自适应调整的基础上,引入一种迁移操作,以引导全局最优粒子的飞行方向,解决粒子群后期朝单一进化方向进化的问题,有效地增强了算法的全局寻优能力.针对电力系统无功优化中的离散变量归整问题,首先将离散变量完全化为连续变量进行迭代求解,在寻求至全局最优解后引入高斯罚函数对离散变量进行归整操作.以网损和电压偏离最小为目标,对IEEE标准30节点算例进行仿真计算,验证了所提算法的有效性和可行性.     

基于Godlike算法的海岛型分布式电源规划模型

为实现海岛地区低污染、低成本电力的有效供给,提高可再生能源的利用消纳能力,针对海岛型分布式电源规划特点,建立了综合考虑投资运行费用、系统损耗和系统稳定性这3个方面的多目标分布式电源目标规划模型;在引入Pareto最优解概念的基础上,提出了采用Godlike算法对上述多目标、多约束、非线性优化问题进行求解。将所建立的模型及其求解算法应用于我国南方某岛分布式发电系统电源规划实际问题中,仿真结果表明Godlike算法计算结果要远远优于单体遗传算法、模拟退火算法、差分进化算法和粒子群优化算法,其能够有效避免单个算法在求解分布式电源规划问题时容易陷入局部最优、算法过早成熟等问题,保证了算法可有效得到全局Pareto最优解。     

基于信任技术的最优潮流新算法

信任技术（Trust-Tech）是一种求解非线性优化问题的有效方法,文中将其应用于电力系统最优潮流计算中。该计算方法分2个求解阶段：第1个阶段建立约束条件的非线性动态系统——商梯度系统,并求解该动态系统的稳定平衡点,得到最优潮流（OPF）问题的可行解,同时采用有效集的思想处理不等式约束以降低计算量;第2个阶段对OPF问...     

自适应进化规划及其在多目标最优潮流中的应用(Ⅱ)--基于自适应进化规划的多目标最优潮流

电力系统多目标最优潮流是一个极其复杂的非线性规划问题,其解算方法目前仍处于研究阶段,而开发高效、快速、可靠的最优潮流算法是一项相当艰巨的工作.鉴于此,文中探讨了自适应进化规划在电力系统多目标最优潮流应用中的问题.在优化模型、遗传操作等方面进行了研究,进一步拓展了电力系统最优潮流计算方法的应用前景.通过30节点IEEE试验系统的算例表明自适应进化规划算法十分有效,具有广泛的应用价值.     

基于综合能源系统的最优潮流解耦算法

依据能源枢纽作为多能源系统的联系载体,建立了一个通用的优化建模框架,用于不同能源耦合系统的最优潮流研究。根据建立的优化建模框架,将综合能源系统的最优潮流问题解耦,得到一系列独立的传统最优潮流问题,从而使得问题易于求解。综合能源系统的最优潮流问题是一个大规模的非线性问题,将多主体进化算法应用于求解中,从而保证能够得到的全局最优解,适用于大型的复杂的多能源系统。通过包含有多个能源枢纽的综合能源系统的仿真分析,验证了该模型的有效性。