求解电力系统经济调度问题的改进粒子群优化算法

被引：71

作者：

梁静 ^{[1
]}

葛士磊 ^{[2
]}

瞿博阳 ^{[3
]}

于坤杰 ^{[1
]}

机构：

[1] 郑州大学电气工程学院

[2] 郑州大学产业技术研究院

[3] 中原工学院电子信息学院

来源：

控制与决策 | 2020年 / 08期

基金：

中国博士后科学基金;

关键词：

粒子群优化算法; 函数优化; 约束处理; 反向学习; 基准测试函数; 电力系统经济调度;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TM73 [电力系统的调度、管理、通信];

学科分类号：

120103 [信息系统与信息管理]; 140502 [人工智能];

摘要：

电力系统经济调度问题是电力系统中的一个重要的研究课题,针对该问题,提出一种改进粒子群优化(ODPSO)算法.改进算法在搜索前期,采用广义的反向学习策略,使算法能够快速地靠近较优的搜索区域,从而提高收敛速度;在搜索后期,借鉴差分进化算法的进化机制设计改进的变异和交叉策略,对当前种群的最优粒子进行更新,从而提高种群的多样性,进而协助算法获得全局最优解.为了验证改进粒子群优化算法的有效性,对CEC2006提出的22个基准约束测试函数进行仿真,结果表明改进算法相比其他算法在寻优精度和稳定性上更具优势.最后,将改进算法应用于考虑机组爬坡速率约束、机组禁行区域约束以及电力平衡约束的两个电力系统经济调度问题,取得了令人满意的结果.

引用

页码：1813 / 1822

页数：10

共 25 条

[1]

多目标粒子群算法的动态多燃料经济环境负荷分配 [J].