基于衍生搜索政治优化算法解决含可再生能源的多区域经济调度问题

随着可再生能源并入多区域电力系统,其不确定性大大增加了电力系统多区域经济调度的复杂度。如何高效求解含有风力和太阳能的多区域经济调度(multi-areaeconomic dispatch containing wind and solar energy,MAEDWS)问题面临着严峻的挑战。针对现有优化算法在处理MAEDWS问题时存在收敛速度慢和求解精度低等不足,该文提出一种基于衍生搜索的政治优化(derivative search-based political optimizer,DSPO)算法。在政治优化算法的基础上,引入首脑引领策略和衍生搜索机制。前者引领候选解前往更有希望的区域,加快收敛速度;后者在区域获胜者周围衍生邻域解,丰富多样性。该文将DSPO算法和其他6种代表性算法应用于MAEDWS问题,并进行对比分析。收敛曲线和性能指标的结果表明DSPO算法在收敛效率、求解精确度、稳定性方面取得了整体最优。

量子衍生涡流搜索算法

涡流搜索是最近提出的新型优化算法,具有操作简单且搜索能力强的突出优点,但在后期容易陷入早熟收敛.对比,通过在该算法中引入量子计算,提出一种量子衍生涡流搜索算法.首先将涡流中心用量子比特编码;然后将其在Bloch球面上实施多次旋转得到多个个体,将最优个体作为新的涡流中心,完成一次迭代.对新的涡流中心再次实施旋转,直至满足终止条件.标准函数极值优化的实验结果表明,所提出的方法明显优于普通涡流搜索算法.

基于量子衍生涡流搜索的阿尔奇公式参数确定方法

阿尔奇公式是应用测井资料定量解释油水层的经典公式,然而传统的利用岩电实验确定阿尔奇公式参数的方法具有成本高、工作量大的缺点.针对这一问题,本文提出了基于量子衍生涡流搜索的阿尔奇公式参数确定方法.首先,根据阿尔奇公式参数的取值范围随机产生一个当前解,然后以当前解为中心,基于三维高斯分布随机产生若干候选解,并在这些候选解中寻找最优解,若最优解优于当前解,则用最优解替换当前解,再以当前解为中心,基于三维高斯分布继续产生候选解,如此循环直至收敛.收敛后的最优解即为最终确定的阿尔奇公式的参数.该方法的特色是候选解采用量子比特编码,候选解的产生采用量子比特的绕轴旋转实现,对于不同尺度空间的搜索具有较好的适应性.实验结果表明,在保证饱和度解释精度的前提下,量子衍生涡流算法可以替代复杂的岩电实验方法来确定阿尔奇公式的参数,使阿尔奇公式参数确定工作更为便捷.