快速群搜索优化算法及其在电力系统经济调度中的应用

经济调度(economic dispatch,ED)是电力系统优化的一项重要工作。为得到一个更加精确且实用的ED模型,在模型中考虑了机组阀点效应和多燃料。该ED模型具有非凸、高维、非线性和不可微的特性,求解较为困难。为更好地求解该ED模型,提出一种快速群搜索优化算法(fast groupsearch optimizer,FGSO),该算法能以更少的计算资源得到更高的收敛精度。对3个测试系统的ED模型进行求解,结果表明,FGSO比其他算法收敛速度更快,计算时间更短,能得到更小的发电费用值,且在高维的、具有多局部最优点的复杂优化问题中具有更加突出的优势。因此,FGSO用于求解该复杂ED模型是可行的、快速的和有效的。

多阶段协调的风险调度模型及算法研究

为对预防控制和校正控制进行合理协调,降低系统的运行风险,对"故障前–故障后至实施校正控制前–校正控制"3个运行状态均予以考虑,提出一种多阶段协调的风险调度方法(multistage coordinated risk dispatch,MCRD),构建MCRD的数学优化模型,并给出基于Benders分解的求解算法。算例分析表明,MCRD通过在调度模型中施加风险协调约束,能够有效协调预防控制和校正控制,并根据不同天气状态给出低风险且经济性合理的调度方案,可为调度员运行决策提供重要参考。

基于粒子群优化的快速细菌群游算法

针对细菌觅食算法(Bacterial foraging algorithm,BFA)收敛速度慢的特点,提出一种快速细菌群游算法(Fast bacterial swarming algorithm,FBSA)。本算法通过借鉴粒子群优化(Particle swarm optimization,PSO)算法的信息共享机制,对细菌觅食算法的群体感应(Quorum sensing)机制进行改进,使每个细菌在优化过程中具备感应周围细菌位置、并向细菌群体历史最优位置游动的能力。同时,通过动态调整细菌的搜索步长,加强了算法在优化初期的全局搜索能力以及优化后期的局部搜索能力。对基准测试函数进行仿真实验的结果表明,FBSA对于大部分高维函数的优化能力优于BFA和PSO,并且具有更快的收敛速度。