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。

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。

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。

电力系统无功优化的原对偶内点算法及其应用

以电力系统中电压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;并在此基础上提出了一种预测校正方法,该方法通过协调解的最优性及可行性之间的关系提高算法的收敛性。对IEEE14节点和IEEE30节点系统的分析表明,带有预测校正方法的原对偶内点算法较单纯的原对偶内点算法所需迭代次数少,计算速度快,收敛性好。

基于原对偶仿射尺度内点法的电力系统无功优化算法

本文对潮流雅可比矩阵进行变换直接求取灵敏度系数，建立求解无功优化问题的线性规划模型，并提出采用一种有效的方法——原对偶仿射尺度内点法求解线性规划模型。该算法具有多项式时间复杂性。实际系统的计算结果表明，此算法的迭代收敛次数稳定，与系统规模关系不大，在求解大规模系统无功优化问题时，其性能优于具有指数时间复杂性的单纯性法。

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。

基于改进遗传算法与原对偶内点法的无功优化混合算法

基于改进遗传算法和原对偶内点法提出一种求解无功优化问题的混合算法。首先通过改进遗传算法求解无功优化问题中的离散变量,然后采用原对偶内点法求解与已获得离散变量最匹配的连续变量。在改进遗传算法中采用交叉、变异算子并基于可行域规则处理离散约束,有效提高了混合优化算法的整体寻优效率。在IEEE118节点系统中的仿真计算结果验证了本文方法的有效性。该方法已应用于福建电网自动电压控制系统中。

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。

凸二次规划的原-对偶内点算法数值实验初步

在线性规划原始对偶内点算法的基础上,进一步给出原始对偶内点算法在解凸二次规划问题中的应用,并初步给出了该算法的数值例子,作为对内点算法的一个重要补充。

基于原对偶内点算法求解投资组合优化模型

研究了标准均值方差投资组合选择模型,针对目前求解方法不具有多项式算法复杂性,文章给出了求解均值方差投资组合优化模型的原对偶内点算法。该算法具有多项式复杂性,因此可以快速求解大规模的投资组合优化模型。仿真结果表明,原对偶内点算法可以较好地应用于投资组合问题,具有较广泛的应用空间和一定的推广价值。

基于原—对偶内点算法的股票投资组合分析——兼论Markowitz均值—方差模型的应用

首先对Markowitz均值—方差模型进行了回顾,对Markowitz均值—方差模型的求解给出了更为优化的算法,即原—对偶内点算法,并利用优化后的算法模型对中国股票市场进行实证分析,得出对投资者更为有效的投资建议。

求解凸二次规划的一种改进的原-对偶内点算法

基于牛顿方向,给出了求解凸二次规划问题的改进原对偶可行内点算法。若获得算法的初始可行内点,则该算法经过多次迭代之后收敛到原问题的一个最优解。数值试验表明了该算法的有效性。

基于原对偶内点算法的实时电价研究

实时电价是电力市场中的重要概念。本文介绍了基于最优潮流(OPF)的实时电价模型以及原对偶内点算法的基本原理,并讨论了向心参数的取值对该算法收敛性的影响。通过对IEEE14节点系统的仿真分析,结果表明,有功实时电价比无功实时电价大的多;向心参数的取值对原对偶内点算法很重要,它的大小直接影响算法的收敛性和解的可行性。

原对偶内点算法对电力系统无功的优化分析

针对电力系统中无功优化的问题,从非线性规划的角度进行分析,提出了一种原对偶内点算法。考虑无功问题的定位复杂且非线性,利用原对偶内点算法进行位置判断及潮流分析。通过实际案例进行验证,结果显示原对偶内点算法的无功定位精准度、计算时间均优于已有遗传算法。

基于非线性预报-校正内点法的电力系统无功优化研究

在非线性原?对偶内点法的基础上引入了预报-校正技术,使改进后的非线性预报-校正内点法获得了较纯原-对偶内点法更大的迭代步长,从而加速了算法的收敛。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。IEEE14节点、IEEE30节点、IEEE57节点和IEEE118节点系统的仿真结果表明,该算法收敛快、鲁棒性好。

无功优化内点法中非线性方程组求解规律研究

在有功调度方式给定的前提下用最少变量组建立无功优化模型,用非线性原–对偶内点法求解该模型。根据求解规律和无功优化的特点,在由K-K-T条件构成的非线性方程组的求解过程中,构建由电力系统状态变量和等式约束对应的乘子组成的线性结构,该结构类似牛顿法极坐标形式的潮流计算格式,间接地将不等式约束转化到等式约束中,对求解问题的规模及实时性有良好的适应能力。算例结果证明了该方法的有效性。

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。