基于蚁群优化算法的机组最优投入

机组最优投入问题(optimal Unit Commitment,UC)是寻求1个周期内各个负荷水平下机组的最优组合方式及开停机计划,使运行费用为最小。该问题是一个高维数、非凸的、离散的、非线性的优化问题,很难找出理论上的最优解,但由于它能带来显著的经济效益,所以受到了国内外很多学者的广泛关注。作者尝试采用一种新型的模拟进化优化算法——蚁群优化算法(ACO)来求解该问题。首先,利用状态、决策及作者提出的路径概念把UC设计成类似于旅行商(TSP)问题的模式,从而可以方便地利用ACO来求解。其次,由于ACO处理的是无约束优化问题,对于UC这一约束优化问题,提出了不同的方法来处理各种约束。用tabu表限制不满足旋转备用约束和机组最小启/停时间约束的状态;通过附加惩罚项来处理线路N安全性约束。数值算例验证了此算法的可行性和有效性。

用于机组组合优化的蚁群粒子群混合算法

提出了一种用于求解机组组合优化问题的蚁群粒子群混合优化算法。通过将机组组合解编码为机组操作序列,降低了蚁群算法搜索的难度,使其空间复杂度由指数型降为线性型,使采用蚁群算法求解更大规模的机组组合问题成为可能。采用协同粒子群算法求解多时段负荷的经济分配问题时,用一个粒子群处理一个时段的优化问题,通过共享粒子群间的惩罚项解决了机组爬升率的约束问题。10机和20机系统的仿真实验和分析结果验证了该方法正确性、有效性和优越性。

共同性斜视矫正术前后眼压变化的临床观察

目的观察共同性斜视矫正术前后眼压变化。方法 34例(65眼)接受共同性斜视矫正术患者,按手术涉及的眼外肌分组:一条水平直肌后退组共44眼,其中单纯一条内直肌后退组19眼,单纯一条外直肌后退组25眼;一条水平直肌后退联合同眼另一条水平直肌缩短组21眼。检查术眼的术前和术后1 d、2 d、3 d、7 d、2周和1个月的眼压,并进行统计学分析。结果单纯一条内直肌后退组患者术前眼压为(16.53±3.56)mmHg(1 kPa=7.5 mmHg),术后1 d、2 d、3 d、7 d、2周、1个月分别为(19.52±3.76)mmHg、(19.22±2.66)mmHg、(19.45±2.81)mmHg、(16.36±3.60)mmHg、(15.61±2.16)mmHg、(15.50±3.11)mmHg;术后1 d、2 d、3 d眼压均较术前升高,差异均有统计学意义(均为P<0.05);术后7 d、2周和1个月眼压均接近术前水平,差异均无统计学意义(均为P>0.05)。单纯一条外直肌后退组患者术后1 d、2 d、3 d眼压均较术前升高,差异均有统计学意义(均为P<0.05);术后7 d、2周和1个月眼压均接近术前水平,差异均无统计学意义(均为P>0.05)。一条水平直肌后退联合同眼另一条水平直肌缩短组患者术后1 d、2 d眼压均较术前升高,差异均有统计学意义(均为P<0.05),术后3 d和7 d眼压与术前差异均无统计学意义(均为P>0.05);术后2周和1个月眼压下降,与术前比较差异均有统计学意义(均为P<0.01)。结论共同性斜视手术中单纯剪断一条水平直肌,仅导致眼压早期升高,术后7 d基本恢复至术前水平;剪断两条水平直肌,导致术后早期眼压升高,之后逐渐下降。

一种求解最优机组组合问题的随机扰动蚁群优化算法

针对蚁群优化算法中易出现的停滞现象 ,设计出一种新颖的随机扰动蚁群优化算法。该算法包含了两个重要方面 :一是提出了采用倒指数曲线来描述的扰动因子 ;二是设计出了相应的随机选择策略和扰动策略。此外 ,还对该算法中参数的选取方法及取值范围进行了研究和探讨。利用该算法求解最优机组组合问题 ,并在模型的转化、约束项的处理等方面进行了深入的分析。通过对两个测试系统进行计算 ,并与基本蚁群算法进行比较 ,证明了该算法可以有效地克服基本蚁群算法计算时间较长和容易出现停滞现象的缺陷 ,具有更好的全局优化能力。

基于蚁群算法的水电站AGC机组组合与负荷分配优化

针对水电站厂级自动发电控制(AGC)中的经济运行问题,采用蚁群算法求解,所建模型综合考虑了功率平衡、机组出力约束、旋转备用和机组开停机时间约束等多重安全运行限制条件,并根据等微增率原则导出经济负荷分配公式嵌入并行随机搜索模式中,减少负荷分配时的迭代次数。算例中的机组耗量特性曲线根据实际数据采用二次曲线拟合。仿真结果表明,该方法既带有智能算法搜索的随机性又具有传统算法的稳定性,优化速度快且精度较高。

求解机组组合问题的多种群混沌蚁群算法

机组组合是一个大规模混合整数规划问题,具有高维、离散、非线性等特点,在数学上被称为NP-hard问题。国内外研究表明蚁群算法在解决组合问题时有其特有的优越性。提出的多种群混沌蚁群算法在基本蚁群算法的基础上,把蚁群分为搜索蚁、侦察蚁和工蚁,并引入了混沌量。一方面继承了蚁群算法在解决组合问题上的优越性;另一方面最大限度地克服蚁群算法本身的运算速度慢、易陷入局部最优等缺点。最后用修正后的IEEE30节点系统对算法可行性作了验证,并对算法的合理性和有效性进行了分析。结果表明,所提出的多种群蚁群算法是合理有效的。

发电机组组合的混合蚁群优化算法

电力系统中的机组组合作为一个非确定型多项式困难问题,一直难以获得其理论最优解。针对算法的精度和速度这一矛盾,提出了一种结合启发式算法和蚁群算法的混合优化算法。用优先级排序法获得次优解,并在附近形成一个搜索邻域;采用蚁群算法在此邻域内寻优,减小了蚁群算法的空间复杂度。同时,在蚁群算法中引入了人工鱼群算法的拥挤度概念。拥挤度阈值在迭代过程中是自适应变化的,从而增强了算法的遍历寻优能力,也保持了较快的收敛速度。经济负荷分配采用简化梯度法。对一个10机系统算例仿真计算,验证了所提算法对解决机组组合问题具有很强的搜索能力和快速收剑性。

多种群蚁群算法解机组组合优化

电力系统机组组合问题是一个大规模混合整数规划问题,具有高维、离散、非线性等特点,在数学上被称为NP-hard问题。为解决蚁群算法在解决机组组合问题中遇到的计算速度慢、易陷入局部最优等问题,将多种群蚁群算法应用到解决机组组合的问题中。开展了多种群蚁群算法在机组组合问题中的应用分析,新建了除搜索蚁之外的侦察蚁和工蚁,设定了3种蚁群之间的信息交互原理,提出了各蚁群的信息素更新方法。在修正后的IEEE30节点系统对算法可行性作了验证,并对算法的合理性和有效性进行了分析。研究结果表明,所提出的多种群蚁群算法是合理、有效的。

粒子群优化算法研究及在电力系统机组组合中的应用

蚁群优化算法由于其具有较强的优越性,现已被用于约束优化问题的求解,并在相关的工程领域得到了实用。针对粒子群优化算法初始参数依赖性强和易陷入局部最优的问题,提出了对粒子群分组并重组信息共享机制的改进粒子群体智能算法。该算法有效地降低了陷入局部极小的概率,从而能够获取更佳的近似最优解。为验证算法的有效性和可行性,将改进粒子群优化算法用于10机系统和26机系统组合问题的仿真求解,结果表明该改进方法能收敛到更好的解,而且计算时间也大大减小。

计及环境约束的机组组合二层规划方案研究

就节能减排下的机组组合问题,通过一价格惩罚因子将传统的双目标优化问题转化为环境约束下的单目标优化问题,提出了求解该问题的二层规划方法。该方法基于二进制编码,通过一种改进蚁群算法选取上层机组的最优启停,并用二次规划处理下层负荷的优化分配。最后,通过6机系统在24小时内的算例仿真验证了该方案的可行性及有效性。

蚁群算法在电力系统机组优化组合中的应用研究

采用模拟进化优化算法———蚁群优化算法来求解机组最优启停问题。引入了状态、决策、路径等概念,把机组最优启停问题设计成蚁群算法模式,通过附加惩罚项来处理各种约束,用tabu表限制不满足约束的状态,使得蚂蚁的搜索总在可行域内进行,对算法的搜索进程起到了有效的引导作用。仿真证明利用蚁群优化算法求解机组最优启停问题是可行的、有效的。

求解计及可靠性机组启停的随机摄动蚁群算法

利用安全函数的概率性分析方法并针对机组启停问题对系统的旋转备用需求进行评估。针对该评估模型,在基本蚁群优化算法的基础上,提出了一种新的随机摄动蚁群优化算法来进行求解。对模型的转化、可靠性约束及其他运行约束的处理等进行了较深入的研究。试验系统的计算结果表明:一方面该算法可以有效地克服基本蚁群算法容易出现停滞现象的缺陷,具有更好的全局优化能力;另一方面所做的期望安全水平对优化解的影响的敏感度分析,对实际工程决策具有一定的指导意义。

多种群蚁群优化算法在大型水电站自动发电控制机组优化组合中的应用

为求解大型水电站自动发电控制(automatic generation control,AGC)机组优化组合问题,提出一种多种群蚁群优化算法。同时,综合考虑水量、电量平衡,水库、机组运行限制等多重安全生产约束条件,提出了一种流量—水头—出力的循环迭代策略确定时段动态水头,并引入基于机组启停优先顺序表的系统备用容量修补技术,使水电站AGC机组运行时达到最优。将所提算法应用于葛洲坝水电站AGC机组优化组合,与其他求解方法对比表明所提算法求解精度高,求解速度快,具有较强的工程实用价值。

进化优化算法在电力系统机组优化组合中的应用研究

采用进化优化算法——蚁群优化算法来求解机组最优启停问题。引入了状态、决策、路径等概念,把机组最优启停问题设计成蚁群算法模式,从而可以方便地利用蚁群优化算法来求解。通过附加惩罚项来处理各种约束,用tabu表限制不满足约束的状态,使得蚂蚁的搜索总在可行域内进行,对算法的搜索进程起到了有效的引导作用。对上述算法与传统的求解过程进行仿真比较,证明本优化算法可行、有效。

大型水电站整体时空经济运行模型及其算法

针对大型水电站厂内经济运行问题的高维性、复杂非线性和实时性,将空间负荷优化分配模型与时间机组组合优化模型相耦合为整体时空经济运行模型,提出一种扩展蚁群算法.采用多蚁群、多起点、多路径模式进行机组组合优化,依据动态规划法制定的稳定最优表进行经济负荷分配,避开空蚀振动区.引入信息素平滑机制避免优化算法的收敛早熟,采用启发式开停机策略和备用容量补充策略有效处理多重约束,运用全程开停机策略在大型水电站机组台数较多的情况下缩小搜索空间的大小,使算法更快收敛于最优解.以三峡水电站为应用实例对算法的可行性进行了验证,计算结果表明所提出的算法模型不仅具有较强的收敛性和稳定性,而且能够兼顾计算速度和优化精度.