非线性原-对偶内点法无功优化中的修正方程降维方法

针对无功优化模型中含有离散变量的问题,采用非线性原–对偶内点法进行求解。根据卡罗需–卡恩–塔克条件下修正方程结构稀疏的特点,首先将松弛变量和不等式拉格朗日乘子的增量用决策变量的增量表示,再将其代入修正方程并从中消去变比和无功电源出力的增量,最终降维后方程仅含节点电压幅值及相角、等式拉格朗日乘子增量。在计及变比和无功补偿装置出力的离散性约束条件下,通过增加无功电源出力作为优化变量,保证了修正方程中变比的海森矩阵始终为对角矩阵,扩展了降维处理方法的适用范围。算例结果验证了该降维方法的有效性。

原-对偶内点法最优潮流在电力系统中的应用

结合电力系统的特性 ,提出了一种基于稀疏技术的原 - 对偶内点法求解最优潮流问题 ,它在处理等式约束和变量型不等式约束时 ,能够同时处理函数型不等式约束 ,并且没有新的注入元注入系统。提出了一种新的迭代步长和中心方向的修改策略 ,同经典的牛顿法最优潮流比较表明 ,不需要预估有效约束集和进行试验迭代 ,易于编程实现。

原-对偶内点法和预测-校正内点法在最优潮流的应用

最优潮流问题在数学上是一个带约束条件的优化问题,其模型包括目标函数以及等式约束条件和不等式约束条件。利用原-对偶内点法和预测-校正内点法进行最优潮流的计算,原-对偶内点法是在保持原始可行性和对偶可行性的同时,沿一条原-对偶路径寻找最优解。预测-校正法在进行泰勒展开时保留了高阶项,首先通过修正方程计算仿射方向,在计算得到仿射扰动因子后回代入修正方程得到校正方向,进而得到修正量。预测-校正法具有比原-对偶法更好的收敛性,用Matlab实现了原-对偶内点法和预测-校正内点法进行潮流优化计算,并用算例进行了验证。

基于原-对偶内点法的二次电压-无功功率优化

基于原对偶内点法对电力系统的电压无功优化问题进行了分析．首先对原对偶内点法进行了扩展，使之能处理电压无功优化控制中大量的不等式约束；此外，提出了一种新的壁垒参数和步长的控制策略，并采用了一种有效的预测校正方法来提高算法的收敛速度．实际电网中优化计算表明。

基于原-对偶内点法的化工过程优化算法

在基于积极集SQP的拟序贯算法研究基础上,提出了基于原-对偶内点法的拟序贯化工过程优化算法。拟序贯算法分为模拟层和优化计算层双层。模拟层中使用正交配置法同时离散状态变量和控制变量,变量的边界约束加于配置点上。同时,每次NLP迭代均求解离散DAE系统,消除等式约束和状态变量,从而减小NLP问题的规模。最新研究表明,在大规模优化问题中内点法相对于积极集SQP算法具有明显优势,因此,优化计算层中用原-对偶内点法来求解NLP问题。使用FORTRAN语言独立编写了整个算法程序,并通过热集成精馏系统最优控制的动态优化问题验证了算法的有效性。结果显示,该算法具有求解大规模动态优化问题的能力。

线性规划的原-对偶内点算法数值实验初步

利用原-对偶内点算法的思想,初步给出了该算法的数值例子,对已有结果做了一个重要的补充。

基于原-对偶内点法的无功优化不可行问题研究

内点法已成功的应用到无功优化当中,但当不存在所有满足等式和不等式约束的解时,内点法就是不可行的。本文对原对偶内点法的不可行问题进行了研究,通过借助于约束的对偶变量和互补间隙提供的信息进行不可行探测,并将互补间隙作为惩罚项引入目标函数,解决了不可行问题。算例结果通过与非线性内点法相比较证明,本文算法较好对不可行问题进行探测和处理。

基于非线性原-对偶内点算法的电力系统无功优化

以电力系统中无功优化的非线性规划模型为基础,采用原对偶内点算法进行全局寻优.文中通过对障碍参数确定方式的研究,根据障碍参数的物理本质以及电力系统本身的特点,提出了在运用原对偶内点算法分析电力系统无功优化时,应根据不同物理意义的变量来确定相应障碍参数的方法.在此基础上,分析了障碍参数中加速因子对算法的影响,提出了加速因子的动态确定策略.在对IEEE 118节点系统进行的计算分析表明本文算法收敛性好、计算速度快.

基于非线性原-对偶内点法的OPF算法及其校正策略

给出了电力系统最优潮流(OPF)的数学模型以及求解该模型的非线性原一对偶内点法,在阐述OPF数学模型的基础上,对基于非线性原-对偶内点法的OPF算法进行了详细的数学描述。并就改善内点法的2种高阶校正策略进行了论述,通过对3个不同规模电力系统的数值计算,验证了2种策略对于不同规模系统均优于原-对偶内点法,同时指出2种策略对不同规模系统有着不同的适应性。

基于Tikhonov模型的原-对偶算法在图像恢复中的应用

图像在采集、存储、传输以及显示过程中,由于各种因素,往往会造成图像模糊,所以消除图像中的噪声、去除模糊等意义重大。在模糊图像恢复过程中,运用针对Tikhonov正则化问题演化来的梯度下降法与原-对偶算法,以及它们改进的算法对模糊图像进行恢复。在这一模型中,正则化参数的选择对图像恢复的效果有很大的影响,选取一个相对合适的正则化参数来平衡拟合项与正则项情况很重要。选定合适的正则化参数后,在Armijo准则下应用0.618优选法选择步长,进行梯度下降法以及正则化下的原-对偶算法的计算,对模糊灰度图像进行恢复。使用上述2种方法对模糊图像进行恢复,实验表明,与梯度下降法相较而言,原-对偶算法在图像恢复中效果更好。

基于原-对偶内点法的区域电网无功能力评估

提出了区域电网无功能力的概念,定义了无功能力指标,建立了评估区域电网无功能力的数学模型。模型中考虑了电压稳定性、节点电压水平、热稳定等安全约束条件,并用原-对偶内点法求解。通过对IEEE 30节点和IEEE57节点样本系统的仿真,证明了该方法的有效性和正确性。

基于原-对偶内点算法的电力系统无功优化

原-对偶内点算法很好的继承了牛顿法的优点,并能将函数性约束和变量性约束一并处理。应用该方法求解电力系统无功优化问题时能有效处理目标函数中的大量不等式约束。IEEE 14节点节点系统的仿真结果表明,该算法收敛快、鲁棒性好。

基于原-对偶内点法和混合整数规划法的机组组合问题研究

电力系统机组组合能带来显著的经济效益,随着电力市场的不断发展,在电力系统优化运行中变得尤为重要。然而电力系统机组组组合问题是一个大规模、非凸、非线性混合整数优化问题,至今仍然没有找到一种理想的优化算法。因此针对其特点,采用了原-对偶内点法和混合整数规划法相结合的算法,首先利用混合整数规划法形成伴随规划来处理离散变量,再通过内点法求解伴随规划子问题和负荷经济分配,充分发挥了两种算法在求解机组组合问题上的优势。文中对标准10机组24时段系统算例进行了仿真测试并与之前的各种优化算法进行了对比,结果表明了本文算法模型解决机组组合问题的有效性和优越性。

基于预测-校正原对偶内点法的多分类支持向量机学习算法

支持向量机基于统计学习理论,是一种新型通用的有监督的机器学习方法,其核心思想是使结构风险极小化,但是由于需要求解二次规划,使得它在求解大规模数据上具有一定的局限性,尤其是对于多分类问题,现有的支持向量机算法具有很高的复杂性.本文构造了基于线性规划的一对一三类结构支持向量分类器,可以直接利用比较成熟的线性规划算法——预测-校正原对偶内点法,并在此基础上提出了基于预测-校正原对偶内点法的支持向量机的多分类学习算法,这种算法可用于比较庞大的多类别识别问题,并且克服了标准支持向量机的一些缺点,而且模型简单,容易实现.针对UCI数据库上数据进行了实验,结果证实该算法具有较高的可行性和实用性.

求解离散无功优化的非线性原—对偶内点算法

针对无功优化计算中离散变量和连续变量共存问题 ,提出用直接非线性原—对偶内点法内嵌罚函数的新算法。通过对几个不同规模试验系统计算分析 ,并与 Tabu搜索法求得的结果比较 ,证明了该方法是有效的 ,而且在计算速度、收敛性和优化精度上都优于 Tabu搜索法。

基于神经网络和非线性原—对偶内点算法的电网无功优化补偿

在简要分析了传统的电力系统无功优化的方法后 ,针对无功优化计算中离散变量和连续变量共存的问题 ,提出了用神经网络对补偿后电网的质量参数进行预测 ,并结合求解无功优化的非线性原 -对偶内点算法进行全局寻优 ,实现对电网无功优化补偿的控制方法 .结果表明 ,该控制系统提高了系统的功率因数 ,减少了系统的损耗 ,初步解决了电网参数复杂、补偿系统难以建模等问题 。

基于原–对偶内点法的复杂电力系统电压崩溃校正控制

给出了在采用原–对偶内点法进行校正控制计算时值得注意的初值选取、中心参数选取等一些问题,并针对福建省网168节点系统的实际数据进行了仿真计算。结果表明,在考虑了这些要点后所求得的结果可靠,能较好地满足实际工程要求。

基于原—对偶内点法的电压无功实时优化控制算法

提出了一种充分利用稀疏技术的基于原—对偶内点法的电压无功实时优化控制算法。通过引入模糊约束对不可行的探测和处理,并结合电力系统的稀疏特性,提出旨在满足实时控制要求,提高算法速度和可靠性的措施。所提算法在华东电力系统中的试算表明,该方法能够有效地解决大规模电力系统中带有大量不等式约束的电压无功优化控制问题,对不可行能快速、准确地探测和处理。

基于原–对偶内点法的节点边际电价计算

节点边际电价在电力交易和处理输电阻塞中具有重要作用。文中建立了计算节点边际电价的线性规划模型,分析了利用传统线性规划方法求解节点电价存在的困难,提出了基于原–对偶内点法的节点边际电价计算方法。对典型的6节点电力系统进行了计算验证,结果表明,所提出的方法计算结果符合理论要求,计算速度快,收敛性好。

基于原—对偶混合梯度下降法的图像恢复算法

对基于原—对偶混合梯度下降法的图像恢复算法进行了改进。在原算法中,步长参数的设计对其恢复效果和收敛速度影响较大。为了改善算法性能,通过引入中间变量改变算法的形式,然后分离对偶向量的分量,用加权矩阵取代原算法中的步长参数,并对其分开设计。数值实验表明,在峰值信噪比(PSNR)和视觉效果相当的前提下,和原算法相比,降低了参数设计对算法性能的影响,且计算时间减少50%左右。