改进粒子群算法及其在电力系统经济负荷分配中的应用

提出了一种用于求解一般形式的非连续、非凸、非线性约束优化问题的改进粒子群算法，用于求解复杂的非凸、非线性电力系统经济负荷分配问题。基于随机分析理论，证明了该算法依概率收敛至全局最优，且收敛性与粒子群的初始分布无关，并提出一个收敛的充分条件。多个算例的仿真结果表明：文中提出的算法有效、可行，可望应用于更广泛的优化问题     

广义蚁群与粒子群结合算法在电力系统经济负荷分配中的应用

提出了一种结合广义蚁群算法和粒子群算法的优化算法,并将其用于求解复杂的非凸、非线性的电力系统经济负荷分配问题.该结合算法同时具有广义蚁群算法的大规模寻优特性和粒子群算法的较强局部搜索能力,在确保全局收敛性的基础上,能够快速搜索到高质量的优化解.多个算例的仿真结果表明了该结合算法的有效性和可行性.     

带杂交、变异因子的自适应蚁群算法在电力系统无功优化中的应用

蚁群算法是一种通用仿生算法 ,可求解传统方法难以解决的非凸、非线性、非连续的优化问题。本文针对基本算法的缺点 ,结合遗传算法和自适应思想对其进行改进 ,并应用于电力系统无功优化问题。通过IEEE6结点算例和某地区一个实际配电网算例 ,验证了算法的有效性     

带杂交、变异因子的自适应蚁群算法在电力系统无功优化中的应用

蚁群算法是一种通用仿生算法,可求解传统方法难以解决的非凸、非线性、非连续的优化问题.本文针对基本算法的缺点,结合遗传算法和自适应思想对其进行改进,并应用于电力系统无功优化问题.通过IEEE6结点算例和某地区一个实际配电网算例,验证了算法的有效性.     

广义不均衡网络流的改进算法及其应用

提出了一种改进的广义不均衡网络流(Out of Kilter)算法。新算法可以求解有可分凸费用的非线性网络流问题。算法将上述非线性问题转化为多个最大流问题求解，并为求解非线性可分凸费用网络流问题提出了通用的求解框架。证明了算法的最优性和收敛性。新算法比原算法更高效、简明，更适合求解大型和超大型的非线性可分凸费用网络流问题。用750节点和5010条弧的网络对本算法作了试算，计算结果说明算法有较高的效率。该算法已被用于三峡水火联合电力系统经济调度及电力市场中，实践证明算法是正确和有效的。     

基于蚁群算法的配电网网架优化规划方法

蚁群算法是一种求解组合优化问题的新型通用启发式方法，该方法的主要特点是正反馈、分布式计算和富于建设性的贪婪启发式搜索。配电网网架优化规划是一个复杂的非线性组合优化问题。本文将蚁群算法用于配电网网架优化规划问题的研究，建立了网架规划的数学模型，该模型以线路的年综合费用和过负荷征罚费用之和最小为目标函数，并在此基础上设计了相应的算法。算例证明了该算法在配电网网架优化规划中应用的可行性和有效性。     

多阶段输电网络最优规划的并行蚁群算法

多阶段输电网络最优规划是一个复杂的非线性组合优化问题,难以采用传统的数学优化方法求解。蚁群算法是近年来出现的用于解决组合优化问题的一种高效的内启发式搜索技术,但存在着未成熟收敛问题。文中给出了多阶段输电网络最优规划的数学模型及其解的向量形式;详细分析了传统蚁群算法的未成熟收敛现象及其原因;提出一种并行蚁群算法并用于求解多阶段输电网络最优规划问题。并行蚁群算法无需初始可行解,能很好地协调局部搜索与全局搜索,在加快计算速度的同时有效地避免了因参数设置、种群规模等不同而引起的未成熟收敛。对实际算例的计算结果表明,该方法具有很高的计算效率和良好的全局收敛性。     

用于机组组合优化的蚁群粒子群混合算法

提出了一种用于求解机组组合优化问题的蚁群粒子群混合优化算法。通过将机组组合解编码为机组操作序列，降低了蚁群算法搜索的难度，使其空间复杂度由指数型降为线性型，使采用蚁群算法求解更大规模的机组组合问题成为可能。采用协同粒子群算法求解多时段负荷的经济分配问题时，用一个粒子群处理一个时段的优化问题，通过共享粒子群间的惩罚项解决了机组爬升率的约束问题。10机和20机系统的仿真实验和分析结果验证了该方法正确性、有效性和优越性。     

改进粒子群算法在电力系统经济调度中的应用

提出了一种用于求解一般形式的非连续、非凸、非线性约束优化经济调度问题的改进粒子群算法.该算法以传统的粒子群算法为基础,提出了一种构造惯性权重的方法,混沌操作应用于粒子群算法中,同时为防止有时落入局部最优,考虑加入适当的变异进行扰动,并结合罚函数技术,使粒子尽可能地在可行解区域或尽可能接近可行解的区域内寻优.同时,以15...     

基于蚁群优化算法的机组最优投入

机组最优投入问题（optimal Unit Commitment,UC)是寻求1个周期内各个负荷水平下机组的最优组合方式及开停机计划，使运行费用为最小。该问题是一个高维数、非凸的、离散的、非线性的优化问题，很难找出理论上的最优解，但由于它能带来显著的经济效益，所以受到了国内外很多学者的广泛关注。作者尝试采用一种新型的模拟进化优化算法－－蚁群优化算法（ACO）来求解该问题。首先，利用状态、决策及作者提出的路径概念把UC设计成类似于旅行商（TSP）问题的模式，从而可以方便地利用ACO来求解。其次，由于ACO处理的是无约束优化问题，对于UC这一约束优化问题，提出了不同的方法来处理各种约束。用tabu表限制不满足旋转备用约束和机组最小启／停时间约束的状态；通过附加惩罚项来处理线路N安全性约束。数值算例验证了此算法的可行性和有效性。     

A fuzzy adaptive chaotic ant swarm optimization for economic dispatch

This paper developed a fuzzy adaptive chaotic ant swarm optimization (FCASO) algorithm for solving the economic dispatch (ED) problems of thermal generators in power systems. The FCASO algorithm introduces a fuzzy system to dynamically tune the characteristic parameters ψ_d and r_i of chaotic swarm optimization (CASO). The proposed method was applied to two cases of power systems. The simulation results demonstrate the applicability and effectiveness of the proposed algorithm to the practical ED problem.     

基于风险度评价和改进蚁群算法的配电网网架规划

提出一种基于风险度评价和改进蚁群算法的配电网灵活规划方法.将规划年的预测负荷、电价及导线价格等参数的变化由原来的离散状态转变为多场景区间,从而将电网规划中的单一不确定性问题转化为多个确定性问题.在求解不确定性问题时,提出一种基于云模型的改进蚁群算法,通过定性关联规则推理对蚁群算法中信息素参数ρ和信息素强度Q进行定性控制和动态选取,根据算法进化情况自适应更新支路信息素,有效克服了传统蚁群算法易陷入局部最优解及收敛速度慢的问题.应用改进蚁群算法,依次获得各个场景的规划方案,并以风险度最小为标准确定鲁棒性最优的规划方案,实现电网的灵活规划.算例分析验证了所提方法的有效性.     

基于改进蚁群算法的输电网络扩展规划

输电网络扩展规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中结合单阶段输电网络扩展规划问题的特点，应用改进的蚁群算法来解决输电网络扩展规划问题，建立了相应的数学模型，并给出求解算法。2个算例系统的计算结果表明了这种方法可有效减小搜索空间，并具有计算速度快和收敛性好等优点。     

基于蚂蚁算法的配电网无功优化

电力系统中无功功率的优化配置在电网经济运行中占有十分重要的地位,无功优化问题是一个复杂的组合优化问题,蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中采用改进的蚁群算法来解决配电网络无功优化问题,建立了相应的数学模型。并以某城市配电网无功优化结果表明这种方法搜索效率高易于找到全局最优解的优点。     

电力系统经济负荷分配的量子粒子群算法

本文首次将量子粒子群算法用于电力系统经济负荷分配中。该算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解。同时该算法的进化方程中不需要速度向量,而且进化方程的形式更简单,参数较少且容易控制。对两个算例进行仿真测试,证实该算法可有效解决经济负荷分配问题;性能对比显示,该算法求得的解优于已有的改进粒子群算法及其它优化算法所求得的解。本文为量子粒子群算法用于经济负荷分配的实用化研究奠定了必要的理论基础。     

水库群供水优化调度的免疫蚁群算法应用研究

针对水库群供水优化调度问题,本文介绍了一种基于免疫进化的蚁群算法。该算法充分利用了免疫进化算法的全局快速收敛性和蚁群算法的正反馈性,同时在蚁群算法中增加扰动策略,克服了蚁群算法在求解过程中出现初期信息素匮乏、易陷入局部最优解的问题,并将其应用在滦河下游六水库联合供水优化调度中。实例计算表明,该算法求解水库群供水优化调度问题时,结果可靠、合理,计算效率高,从而为求解高维,复杂的水库供水优化调度提供了新的思路。     

Iteration PSO with time varying acceleration coefficients for solving non-convex economic dispatch problems

This paper presents a novel heuristic algorithm for solving economic dispatch (ED) problems, by employing iteration particle swarm optimization with time varying acceleration coefficients (IPSO-TVAC) method. Due to the effect of valve-points and prohibited operation zones (POZs) in the generating units’ cost functions, ED problem is a non-linear and non-convex optimization problem. The problem even may be more complicated if transmission losses are taken into account. The effectiveness of the proposed method is examined and validated by carrying out extensive tests on three different test systems. Valve-point effects, POZs, ramp-rate constraints and transmission losses are modeled. Numerical results show that the IPSO-TVAC method has a good convergence property. Furthermore, the generation costs of the IPSO-TVAC method are lower than other optimization algorithms reported in recent literature.