改进的拉格朗日松弛法求解机组组合问题

提出了一种求解机组组合问题的改进拉格朗日松弛算法。与现有此类方法相比,此算法进行了以下三个方面改进：基于启发式排序法得到较优的拉格朗日乘子初值;改进了动态规划求解单机问题时的累计费用以获得更优的机组启停决策;采用自适应性次梯度法结合集结投影次梯度法的联合优化策略加快算法收敛速度。10机到100机的6个算例表明,自适应性次梯度法和集结投影次梯度法的联合优化策略更易跳出其单一策略时的振荡现象,从而加快收敛。     

改进的拉格朗日松弛法求解机组组合问题

提出了一种求解机组组合问题的改进拉格朗日松弛算法.与现有此类方法相比,此算法进行了以下三个方面改进:基于启发式排序法得到较优的拉格朗日乘子初值;改进了动态规划求解单机问题时的累计费用以获得更优的机组启停决策;采用自适应性次梯度法结合集结投影次梯度法的联合优化策略加快算法收敛速度.10机到100机的6个算例表明,自适应性次梯度法和集结投影次梯度法的联合优化策略更易跳出其单一策略时的振荡现象,从而加快收敛.     

基于拉格朗日松弛法的优化调度系统

介绍了一个采用B／W／D(Web Browser／Web Server／Database Server)三层体系结构的电力资源优化调度系统的设计与实现。该系统是以拉格朗日松弛法框架为核心。用户可以通过Internet建立调度案例,输入或上载调度信息和机组信息;之后,系统执行调度程序,完成优化调度计算,将调度结果以各种方式进行汇总统计、分析,并以图形和报表等多种形式显示给用户。该系统可以辅助发电公司制定日常生产计划,并可用于电力市场中的成本利润分析、辅助决策等。系统具有客户端零安装、升级维护方便等特点。     

基于改进拉格朗日乘子修正方法的逆序排序机组组合

机组组合与经济调度是两个不同范畴的优化决策问题,其优化过程在概念上有本质的区别。用经济调度中的拉格朗日乘子对机组组合中的乘子进行修正有概念含混的误区。文章在阐明机组组合与经济调度中拉格朗日乘子的差异及作用机理的基础上,提出了一种新的逆序排序机组组合中拉格朗日乘子的修正方法,并对机组的搜索范围及机组运行的经济指标作了相应的改进,使原有算法在精度和计算速度上均得到了显著提高。20机、26机及110机测试系统的计算结果表明了文中的改进方法是有效的,进一步增强了机组组合对大规模系统的适应性。     

利用拉格朗日松弛法解决SIS中的负荷经济分配问题

利用拉格朗日松弛法对火力发电厂厂级监控信息系统(SIS)中的负荷经济分配问题进行了求解。该方法以发电费用为目标函数,用拉格朗日乘子将系统的负荷约束松弛,并将得到的拉格朗日函数分解为一个上下两层的优化问题分别进行求解,保证了算法的快速有效性。与混沌优化及遗传算法进行了仿真比较,结果表明所提出的方法收敛速度快,求解精度高,易于掌握,是解决电力系统负荷经济分配问题的有效手段。     

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。     

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。     

采用拉格朗日松弛法的电动汽车分散优化充电策略

电动汽车聚合商作为电动汽车充电服务的提供商,是电网公司和电动汽车用户之间交互的重要协调者。从电动汽车聚合商的角度出发,在考虑电动汽车用户的电量需求、充电时间以及配电变压器的可用容量等约束条件下,以电动汽车聚合商充电收益最大化为目标,构建了基于拉格朗日松弛法的分散优化模型,研究了分散优化充电策略的执行机制和流程。采用蒙特卡洛方法模拟电动汽车的充电情况,通过仿真算例,对比分析了在无序充电、集中优化充电和分散优化充电模式下的负荷曲线、经济效益和计算效率。结果表明：基于拉格朗日松弛法的分散优化充电策略可得到近似于集中优化模式下的充电收益,同时具有更高的计算效率,适合实际应用。     

适用于不同电价机制的统一机组组合算法

现有电力市场中存在两种结算电价机制：按机组报价结算(一机一价)和按市场出清价格结算(统一电价)。不同市场之间的结算方式也有所不同,例如,双边交易中采用一机一价结算方式,而实时市场中采用边际电价结算方式。不同结算电价机制下,机组组合的目标函数不同,传统机组组合方法必须根据电价机制的不同进行调整。通过研究发现,两种结算方式下机组组合问题的最优条件具有类似的数学表达形式。基于这一统一的最优条件表达形式,提出了一种新的机组组合算法。与传统拉格朗日松弛法相比,新算法能够有效地求解两种电价机制下的机组组合问题。     

兼顾经济和环保效益的机组组合

在节能减排背景下,提出了同时兼顾经济和环保效益的多目标机组组合模型,基于拉格朗日松弛法的思想,将该问题分解为单机子问题,在子问题中利用并列选择遗传算法对经济和环保效益进行双目标优化。分别以发电费用最小、排放最小和综合最小为目标建立模型,对6机30节点算例进行了计算和比较,验证了算法和模型的有效性,实现了综合考虑经济和环保因素的机组组合问题的求解。     

一种基于拉格朗日与时间解耦的超大规模SCUC求解框架

安全约束机组组合（security constrained unit commitment,SCUC）是电网出清场景中最为广泛使用的一类模型。建立了一种针对超大规模SCUC现货市场出清问题的求解框架,首先提出了SCUC问题的时间解耦求解方法,通过缩小问题的规模来加快求解速度;其次针对时间解耦后模型的子问题提出了拉格朗日松弛求解技术,在不影响求解准确度的情况下,有效降低了关键困难约束的求解难度。数值实验证明,所提出的框架极大地提升了求解效率,且十分稳定。     

求解机组组合问题的多种群混沌蚁群算法

机组组合是一个大规模混合整数规划问题,具有高维、离散、非线性等特点,在数学上被称为NP-hard问题。国内外研究表明蚁群算法在解决组合问题时有其特有的优越性。提出的多种群混沌蚁群算法在基本蚁群算法的基础上,把蚁群分为搜索蚁、侦察蚁和工蚁,并引入了混沌量。一方面继承了蚁群算法在解决组合问题上的优越性;另一方面最大限度地克服蚁群算法本身的运算速度慢、易陷入局部最优等缺点。最后用修正后的IEEE30节点系统对算法可行性作了验证,并对算法的合理性和有效性进行了分析。结果表明,所提出的多种群蚁群算法是合理有效的。     

求解机组组合问题的改进混合整数二次规划算法

混合整数二次规划(MIQP)算法求解机组组合问题具有全局优化能力,但是针对大规模优化问题,其计算速度和计算精度将受影响.文中提出了求解机组组合问题的改进MIQP算法.该算法的核心思想是引入了松弛和解耦2种改进策略.通过求解松弛整数变量的二次规划模型,首先获得机组组合的下界空间,然后再通过拉格朗日解耦算法获得机组组合的上界空间,进而在上下界确定的寻优空间内采用MIQP算法进行再优化.不同测试算例表明,改进的MIQP算法快速且有效,可以降低优化问题的复杂度,显著减少计算时间.     

具有相同机组水火电调度问题的新算法

对Lagrangian松弛法求解水火电调度问题时由机同机级引起解震荡现象进行了研究。通过一个例子分析了震荡产生的根本原因。对此，在松弛函数中引入了惩罚项并采用了伪次梯度法来修正乘子。新算法在求解低层子问题时并不同时求解，使震荡现象在很大程度上得以克服，同时可大幅度地降低偶解对约束的违反程度。通过简单的例子和对一个包含两组机同机组的短期发电调度问题的计算表明，对偶解的约束违反程度明显地降低，解震荡明显地减弱且最后可行解的质量有显著的改善。     

机组组合问题的优化方法综述

（上接本刊１９９９年第４期第５６页）５拉格朗日松弛法电力系统是一个非常典型的大系统,是大系统优化和控制理论的一个重要应用领域［４２］。大系统的分解协调思想最早见于Ｄａｎｔｚｉｇ和Ｗｏｌｆｅ对于线性规划问题的分解［４３］,而用于机组组合问题的主要是拉格...     

考虑多种约束条件的机组组合新算法

提出了考虑系统降出力备用约束、机组出力变化速率、线路潮流约束和断面传输功率约束的机组组合新算法。算法没有引入任何乘子,计算单调收敛,速度快,并且不需要初始可行解。用ＩＥＥＥ ２４母线系统对算法进行了验证,结果表明,算法对各种约束条件的处理正确,解的质量好。     

一种求解大规模机组组合问题的混合智能遗传算法

针对传统的采用二进制编码的遗传算法在求解大规模机组组合问题时收敛速度慢、易早熟等问题,作者结合机组组合问题的特点,提出了一种混合智能遗传算法.该算法以机组状态作为个体编码,结合启发式方法的自适应智能变异算子求解目标函数,显著缩小了求解问题的规模,保证了群体多样性,提高了算法的搜索效率,改善了算法的收敛性.仿真计算结果表明了该算法的有效性和实用性.     

基于粒子群修正策略的机组组合解耦算法

机组组合问题是电力系统优化运行的一个难点,理论上难以得到最优解。提出了一种基于粒子群修正策略的解耦算法。首先采用集结投影次梯度的拉格朗日松弛算法得到机组组合的对偶解;然后依据对偶信息中的备用乘子及对偶组合状态建立粒子群优化空间;而后利用无约束的标准粒子群优化算法实现拉格朗日乘子的局部更新,通过粒子的调整和粒子间信息的传递改变机组启停,进而修正拉格朗日对偶解,最终得到机组组合问题的近似最优解。6个系统的仿真计算验证了该方法的求解速度及计算精度。     

一种求解最优机组组合问题的随机扰动蚁群优化算法

针对蚁群优化算法中易出现的停滞现象，设计出一种新颖的随机扰动蚁群优化算法。该算法包含了两个重要方面：一是提出了采用倒指数曲线来描述的扰动因子；二是设计出了相应的随机选择策略和扰动策略。此外，还对该算法中参数的选取方法及取值范围进行了研究和探讨。利用该算法求解最优机组组合问题，并在模型的转化、约束项的处理等方面进行了深入的分析。通过对两个测试系统进行计算，并与基本蚁群算法进行比较，证明了该算法可以有效地克服基本蚁群算法计算时间较长和容易出现停滞现象的缺陷，具有更好的全局优化能力。     

机组组合问题的两阶段优化算法

针对电力系统机组组合问题(UC)高维、非凸、非线性的特点,提出了一种两阶段优化方法(LR-DE).利用拉格朗日松弛算法(LR)对UC问题进行解耦,将多机优化问题转化为单机优化问题的重复计算,使模型简化,利用动态规划法和次梯度法求出对偶解对应的拉格朗日乘子;根据对偶解信息设定拉格朗日乘子更新空间,并利用微分进化算法(DE)进行搜索,全面考虑所有约束条件,不断缩小对偶间隙,求出最优的机组组合状态.算例分析表明,该算法优化效果好,搜索能力强,能较好解决大规模机组组合优化问题.