改进多目标蚁群算法在电网规划中的应用

被引:21
作者
符杨 [1 ]
孟令合 [2 ]
胡荣 [1 ]
曹家麟 [1 ]
机构
[1] 上海电力学院电力工程系
[2] 不详
关键词
多目标蚁群算法; 聚类分析; Pareto最优; 电网规划;
D O I
10.13335/j.1000-3673.pst.2009.18.011
中图分类号
TM715 [电力系统规划];
学科分类号
摘要
针对电网规划需综合考虑经济性和可靠性的问题,提出一种改进的多目标蚁群算法。该算法采用改进的快速排序方法构造Pareto最优解集,缩短了"慢速链",降低了算法的时间复杂度;采用聚类算法裁剪非支配解,使所得解在整个Pareto解空间具有良好的多样性和分布性;采用信息素更新变参数控制,加快算法的全局收敛速度;采用挥发系数动态自适应调节机制,提高算法全局搜索能力。通过18节点电网规划算例证明,提出的改进算法与基本多目标蚁群算法相比,所得的Pareto最优解数量更多,Pareto前沿分布更加均匀,同时收敛性和快速性也得到了提高。
引用
收藏
页码:57 / 62
页数:6
相关论文
共 14 条
[1]   计及输电阻塞的帕累托最优多目标电网规划 [J].
王一 ;
程浩忠 .
中国电机工程学报, 2008, (13) :132-138
[2]   电力市场环境下基于多智能体的多目标电网规划方法 [J].
徐敏杰 ;
吴俊勇 ;
胡兆光 ;
张志光 .
电力自动化设备, 2008, (01) :33-37
[3]   基本蚂蚁算法中算法参数的优化 [J].
涂亚平 ;
刘萍 ;
谢宝陵 ;
吴海兵 .
小型微型计算机系统, 2007, (11) :1985-1987
[4]   基于非支配遗传算法及协同进化算法的多目标多区域电网规划 [J].
王秀丽 ;
李淑慧 ;
陈皓勇 ;
王锡凡 ;
梅姚 .
中国电机工程学报, 2006, (12) :11-15
[5]   基于模式记忆并行蚁群算法的输电网规划 [J].
翟海保 ;
程浩忠 ;
吕干云 ;
陈小良 ;
马则良 .
中国电机工程学报, 2005, (09) :17-22
[6]   蚁群算法的全局收敛性研究及改进 [J].
段海滨 ;
王道波 .
系统工程与电子技术, 2004, (10) :1506-1509
[7]   电网规划中的模糊可靠性评估方法 [J].
张焰 .
中国电机工程学报, 2000, (11) :78-81
[8]   缺电成本与可靠性规划的研究 [J].
曹世光 ;
柳焯 ;
于尔铿 .
电网技术, 1997, (09) :52-54+57
[9]  
多目标进化算法及其应用[M]. 科学出版社 , 郑金华著, 2007
[10]  
数据挖掘教程[M]. 清华大学出版社 , ()MargaretH.Dunham著, 2005