量子粒子群優(yōu)化算法水電系統(tǒng)經濟運行

針對傳統(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,使得單個粒子能表示更多的狀態(tài)和量級,增加了種群的多樣性;采用量子旋轉門更新粒子的速度和位置,提高了收斂的速度。用該算法對ieee30節(jié)點系統(tǒng)進行無功優(yōu)化計算,并與粒子群算法和遺傳算法的優(yōu)化結果進行比較,仿真結果表明,該算法能夠更好地獲得全局最優(yōu)解,具有實用意義。

針對水火電系統(tǒng)的多約束、時滯非線性特點,建立了帶有梯級水電廠的電力系統(tǒng)模型,并采用量子粒子群(qpso)算法對系統(tǒng)進行優(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,提出了一種改進量子粒子群(iqpso)算法。為了驗證該算法的性能,運用matlab編寫程序,利用典型的4水電3火電系統(tǒng)算例進行仿真。算例表明,改進的量子粒子群算法具有更好的收斂特性。

將量子計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),用于梯級水電系統(tǒng)經濟調度研究中,以系統(tǒng)在調度期內實發(fā)電能和儲蓄電能最大為準則構造優(yōu)化目標函數。qacoa融入了量子計算理論的疊加態(tài)和概率表達特性,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,利用量子旋轉門實現蟻群位置的更新,達到了比常規(guī)蟻群優(yōu)化算法更好的優(yōu)化效果。運用qacoa對梯級水電系統(tǒng)經濟調度進行仿真,結果表明qacoa使調度期內實發(fā)電能和儲蓄電能得到了明顯提高。

隨著電站裝機容量和機組臺數的不斷增加,利用動態(tài)規(guī)劃求解水電站廠內經濟運行問題,將面臨\"維數災\"和實效性問題。近些年,粒子群算法作為一種新型的群體智能優(yōu)化方法,由于能夠彌補動態(tài)規(guī)劃計算時間長、內存占用量大等諸多不足,在水電站廠內經濟運行等方面得到了廣泛重視?，F有文獻,大多數從方法的應用角度探討較多,但從替代動態(tài)規(guī)劃的必然性和潛力方面探討較少,鮮有實例分析。本文以百萬級裝機千瓦的烏江渡水電站為實例,深入分析與比較了粒子群算法與動態(tài)規(guī)劃的優(yōu)劣,認為粒子群算法是代替動態(tài)規(guī)劃、求解裝機規(guī)模龐大的巨型水電站廠內經濟運行的有效方法。

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

第9卷第4期 1992年12月 計算物理 chinesejournalofcomputhonalphysics vo1．9．no．4 dec．，1992 三峽梯級水電系統(tǒng)多地區(qū)輸電短期經濟 但運 t，段虞榮徐明德劉建華il’lf7’ (重慶大學系統(tǒng)工程及直用數學系，重慶630044) 摘要以三峽梯級水電系統(tǒng)為背景，建立了多地區(qū)輸電的梯級水電系統(tǒng)短期優(yōu)化運行的 網絡模型．采用線性與非線性最小費用藏相結合的方法進行梯級間的負荷分配：數據結構采用面 向弧表示的最短路算法，速度快，內存小。整個算法用fortran語言編程在ibmpc／xt機 上試算．結果較滿意．驗證了模型和篼法的正確性。 關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，諸多文獻將網絡規(guī)劃的理

在無功優(yōu)化、分布式電源(dg)有功優(yōu)化和網絡重構協(xié)同的條件下,以有功網損最小為目標函數、多種電氣限制和網絡拓撲結構為約束條件建立了配電網綜合運行優(yōu)化模型;針對基本粒子群算法容易陷入局部最優(yōu)、收斂速度慢等缺點,提出一種改進的粒子群(ipso)算法,并將其用于求解配電網綜合運行優(yōu)化模型.結果表明,所建配電網綜合運行優(yōu)化模型能夠同時優(yōu)化補償電容器投切容量、有載調壓變壓器變比、dg出力和網絡開關狀態(tài),從而獲得配電網的最佳運行狀態(tài).同時,通過ieee33節(jié)點配電網算例的仿真結果驗證了配電網綜合運行優(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,同時使用已搜索到的最優(yōu)個體更新量子門,以改善qga算法的全局收斂性,并將其成功地應用于解決水電站廠內經濟運行問題。文中結合某電站實例進行計算,結果表明,改進后的量子遺傳算法收斂速度更快,能夠滿足工程應用的實際需求。

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

隨著電力系統(tǒng)規(guī)模的日益擴大和電力市場改革的實施，保證電力系統(tǒng)安全、經濟、穩(wěn)定、可靠地運行越來越重要。本文對pso算法在電力系統(tǒng)中應用的研究現狀進行了較為全面的總結，主要包括在電網擴展規(guī)劃、檢修計劃、機組組合、負荷經濟分配、最優(yōu)潮流計算與無功優(yōu)化控制、諧波分析與電容器配置、網絡狀態(tài)估計、參數辨識、優(yōu)化設計等方面的應用研究成果。

本文針對水電站廠內經濟運行中機組組合優(yōu)化問題的特點,提出了一種結合禁忌搜索思想的粒子群算法(particleswarmoptimization,pso)。該方法采用離散二進制粒子群算法解決機組運行狀態(tài)組合問題,用標準粒子群算法解決既定運行機組間負荷優(yōu)化分配問題,并將兩個問題結合在一起并行優(yōu)化,引入禁忌搜索算法(tabularsearch,ts)的記憶功能和藐視準則以提高粒子多樣性,擴大搜索空間,克服pso算法可能出現的早熟現象。以烏江渡水電站為例進行優(yōu)化計算,并與pso算法的計算結果比較,表明該方法可以有效避免早熟現象,具有較高的全局收斂能力,同時也具有較高的全局尋優(yōu)能力。

針對霍夫變換進行圓檢測時計算量大、耗時長等問題,提出了一種基于改進型粒子群的圓檢測算法。該算法先對拍攝圖像進行邊緣檢測獲取邊緣圖像后,再從邊緣點中隨機選取1點作為初始粒子位置,通過設置最大算法迭代次數與閾值來克服粒子群算法陷入局部最優(yōu)問題。以每個粒子作為一個候選圓心,采用優(yōu)化策略,以粒子運動、融合更新等操作完成圓的檢測。

粒子群優(yōu)化算法是通過粒子記憶、追隨當前最優(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。為了克服標準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,本研究對遞減慣性權值進行了改進,將其表示為粒子群進化速度與群體平均適應度方差的函數;給出了適合pso算法的約束處理機制,提出了一種改進自適應粒子群算法,并將其應用于水庫優(yōu)化調度中。實例計算并與經典方法相比,表明該方法原理簡單、易編程實現,能以較快的速度收斂于全局最優(yōu)解。

針對粒子群算法易陷入局部最優(yōu)的缺點,提出了一種雙適應度方法、動態(tài)鄰域算子和隨機動態(tài)調整慣性權重機制有機結合的混合改進策略。算例計算表明,該改進策略能增強粒子的局部收斂能力,加快算法的收斂速度,便于處理復雜約束條件,為求解具有復雜約束條件的非線性規(guī)劃問題提供了一種簡單有效的方法。文中探討了梯級水電站優(yōu)化調度的相關問題,考慮了豐枯分時電價因素,建立了梯級水電站長期優(yōu)化調度數學模型,并應用改進粒子群算法進行求解。實際梯級水電站計算表明,該模型使枯水期大部分時間出力均勻平穩(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)定運行。改進粒子群算法計算速度快、收斂精度高,為梯級水電站長期優(yōu)化調度提供了一種簡單實用的求解方法。

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

給出求解水電廠內經濟運行問題的新方法,這種方法基于進化規(guī)劃原理,具有編程簡單,計算方便的特點,是一種有效的自適應隨機搜索算法

隨著電力市場化的逐步實施,發(fā)電企業(yè)將會參與市場競爭。水電廠經濟運行能提高1%～3%的水力效率,水電廠應盡快實現經濟運行。以豐滿水電廠發(fā)電機出力與耗流量函數為基礎,應用改進遺傳算法對水電廠進行計及開停機的優(yōu)化調度計算。在改進遺傳算法中,采取了自適應和精英保留策略以及移民算子,提出了方向性變異的觀點,改進了變異方法。計算結果與自動發(fā)電控制(agc)方法進行了比較,表明算法具有一定的優(yōu)勢。

通過建立某水電站廠內經濟運行的數學模型,運用遺傳算法制訂該水電站廠內經濟運行的控制計劃。通過對初值的敏感性、收斂速度和優(yōu)化結果三方面驗證,發(fā)現遺傳算法對初值不敏感且收斂速度較快。當遺傳算法精度逐漸增大時,搜索速度逐漸減慢,且搜索效率降低,這時需要進行算法的改進。

以水電站運行成本最小為目標,提出了一種用差分進化算法(differentialevolution,de)實現大型水電站最優(yōu)運行的方法。差分進化算法是一種基于群體的多目標進化算法,通過群體內個體間的合作與競爭產生的群體智能指導優(yōu)化搜索。將改進的方法應用于水電站經濟運行,模型考慮了機組能量特性差異,并能在旋轉備用、啟停成本、氣蝕振動區(qū)、機組可用性等約束條件下,制定出電站日內96段最優(yōu)運行計劃。計算表明,該方法避免了動態(tài)規(guī)劃等算法處理多約束、大型優(yōu)化問題的困難,同時提高了進化算法的精度。

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

水電站引水管道直徑的取值影響水電站工程的造價和發(fā)電效益,是水電站引水系統(tǒng)優(yōu)化設計的重要內容。以引水管道直徑為變量,水電站凈收益最大為準則,建立了水電站引水系統(tǒng)優(yōu)化模型,分別采用標準pso算法和改進pso算法進行計算。結果表明,這兩種方法均可用于水電站引水系統(tǒng)的優(yōu)化,改進pso算法優(yōu)于標準pso算法。

本文針對光伏-水電聯(lián)合運行系統(tǒng)在保證聯(lián)合輸出滿足負荷要求的前提下,通過優(yōu)化配置光伏相對于水電的容量,以達到綜合收益最大化.以光伏、水電發(fā)電收益最大為目標函數,以光伏、水電的最大輸出及最小輸出等為約束條件,以1天的數據為基礎,計算出滿足條件時光伏發(fā)電的裝機容量.通過容量優(yōu)化,提高了光伏-水電聯(lián)合系統(tǒng)的綜合收益.并用psasp軟件驗證增加光伏發(fā)電容量對電網穩(wěn)定性的影響.