基于免疫遗传算法的环境经济负荷调度

介绍以目标函数为抗原,以问题解为抗体,利用进化策略进行群体更新的免疫遗传算法。讨论环境经济负荷调度多目标函数优化问题,给出利用免疫遗传算法解决这一问题的主要步骤。利用一个含有5个电力生产单元的燃煤电力系统模型验证了该算法的可行性和有效性。并与遗传算法和Hop fie ld神经网络进行比较分析,证实了该算法解决该类问题的优化性和快速收敛性。

一种求解环境经济负荷调度问题的人工神经网络新方法

提出了一种求解火力发电系统的环境经济负荷调度 (EELD)问题的新的人工神经网络方法。该方法可以克服传统神经网络方法引起的参数问题 ,而且不论其初始点是否位于可行域内 ,神经网络模型所表示的动态系统的状态都会快速收敛于对应的 EELD问题的全局最优解。文中还利用一个

遗传算法搜索优化及其在环境经济负荷调度中的应用

建立了环境经济负荷调度(EELD)问题的优化调度模型,提出一种利用MTALAB中的遗传算法与直接搜索工具箱求解这一问题的方法,并与人工神经网络法进行了比较分析。仿真计算表明,该方法将遗传算法较方便地应用到了EELD问题中,在环境经济合理配置的前提下优化分配各单元机组的发电量,且收敛速度快、应用范围广。

一种新的混合算法在环境经济负荷调度中的应用

以求解环境经济负荷调度这一复杂的约束优化问题为背景,提出了一种新的混合差分进化算法(HDE),通过基于概率选择的Lévy变异和萤火虫追寻行为的局部搜索机制引入,保持了差分算法搜索过程中个体的多样性。实际的算例仿真结果和算法比较表明,在处理最大污染控制成本约束条件下的的环境经济调度是有效和可行的。

基于聚类组合和支持向量机的环境经济负荷调度模型

文章提出了一种基于聚类组合和支持向量机的短期负荷预测方法。该方法首先使用SOM网络训练规格化的特征数据并获得初始聚类中心;然后将初始聚类中心作为C-均值算法的输入,使用DB指数评价聚类结果以获得最佳聚类数,通过训练可得到相似日样本;最后选择合适的参数和核函数构造支持向量机模型来进行逐点负荷预测。预测结果表明,该方法比单一的支持向量机算法具有明显的优势。

基于PSO的电力系统环境经济负荷调度

针对基于线性加权和处理成单目标优化问题的传统方法存在的缺陷,提出使用粒子群优化算法求解EELD多目标优化问题。该方法通过对粒子群算法个体极值和全局极值选取方式的改进,实现了对EELD多目标优化问题的非劣最优解集的搜索,为决策者提供了丰富的参考信息。在此基础上,应用模糊满意度方法求出的最优折衷解为调度运行人员提供了最佳调度折衷方案。最后,对一个三机系统进行了测试,并与线性加权人工神经网络法进行了比较分析,仿真结果验证了该方法的有效性。

LINGO在环境经济负荷调度中的应用

介绍了LINGO软件优化方法以及它在环境经济负荷调度问题上的应用。结合一个含有3个电力生产单元的燃煤电力系统模型验证了该方法的可行性和有效性。LINGO为环境经济负荷调度问题提供了一个新的方法,具有很好的应用前景。

基于混沌遗传混合优化算法的短期负荷环境和经济调度

环境和经济短期负荷调度主要由在调度周期内的最优机组组合和负荷分配组成,该文将优先次序法、遗传算法与混沌优化相结合,以应用到电站机组环境／经济运行优化问题中,在混沌遗传算法中采用递阶基因结构,将控制基因用于机组组合全局粗寻优,参数基因用于负荷分配局部优化, 基因修正与罚函数相结合解决约束问题,采用混沌扰动避免遗传算法早熟,运用基于线性搜索的混沌局部优化方法,加快算法的收敛速度和降低计算时间,优化计算结果可以同时得到最优机组组合及负荷最优分配,为实际调度系统提供了一个良好的方法。

机组短期负荷环境／经济调度多目标混合优化

环境/经济短期负荷调度主要由调度周期内的最优机组组合和负荷环境/经济分配组成,本文将变权重多目标进化算法与混沌局部优化相结合形成混合优化算法应用到电站机组环境/经济运行多目标优化问题中,在混合多目标优化算法中采用组合结构基因,其中机组基因用于机组组合全局粗寻优,参数基因用于负荷分配局部优化,基因修正与罚函数结合解决约束问题．通过对优秀个体进行基于线性搜索的混沌局部优化,可加快收敛速度和降低计算时间．实例仿真结果说明所提出的算法能获得较好分布的Pareto优化解．

电力经济环境负荷调度的模糊多目标模型

电力经济与环境负荷调度(Environmental/Economic Power Dispatch,EED)已成为当前经济与环境和谐发展下电力系统需考虑的问题。针对EED问题中以发电单元实际发电量作为决策变量的非线性燃料成本函数和微粒排放函数,引入模糊集方法构造发电单元实际发电量的模糊变量,以贴近电力系统中发电单元发电量的特点,使得EED问题的模糊化多目标模型更贴近实际,并采用一种改进遗传算法来找出EED问题模糊化多目标模型的优化方案。最后采用一个3发电单元的测试系统进行仿真并与其他方法进行对比,结果证明采用本文模型和方法得到的系统负荷调度方案在系统经济成本与微粒排放量上有明显的改善。

RBFNN与AHP结合方法在经济/环境负荷调度中的应用

传统的经济调度已不能满足环境保护的要求,利用环境经济负荷调度方式降低污染量成为一种有效而又经济的防治方法,文章提出了采用层次分析法算法对燃料成本和污染量进行权值选取,然后利用径向基神经网络进行学习训练。仿真结果证明算法的有效性与准确性。