并行小种群差分进化算法的水火电力系统短期优化调度

以差分进化算法(de)为基本框架,结合混沌算法(ca)和蛙跳算法(slfa)各自局部搜索优势以及多核并行计算技术(pc),提出一种新的并行混合差分进化算法(phde),即将de与ca、slfa进行有机融合,分别对精英个体进行混沌局部搜索和对较差个体进行蛙跳局部更新,且差分进化运算、混沌局部搜索和蛙跳局部更新均采用pc,以有效缩短计算时间。phde具有三点优势:一是保留了de简单易行、收敛迅速的特点;二是继承了ca、slfa的遍历性,能够避免早熟收敛现象;三是通过合理的并行模式,有效降低了计算时间。典型测试函数表明了phde的可行性、高效性和鲁棒性。实例研究表明,phde具有较好的优化性能和计算效率,为高效求解水库群优化调度问题提供了一种可行途径。

以水电站运行成本最小为目标,提出了一种用差分进化算法(differentialevolution,de)实现大型水电站最优运行的方法。差分进化算法是一种基于群体的多目标进化算法,通过群体内个体间的合作与竞争产生的群体智能指导优化搜索。将改进的方法应用于水电站经济运行,模型考虑了机组能量特性差异,并能在旋转备用、启停成本、气蚀振动区、机组可用性等约束条件下,制定出电站日内96段最优运行计划。计算表明,该方法避免了动态规划等算法处理多约束、大型优化问题的困难,同时提高了进化算法的精度。

风一火电力系统联合优化调度是一个极其复杂的np问题，不易求解。，改进粒子群算法，并将其应用于风一火电力系统联合优化调度，提出了一种改进的惯性权重线性递减的粒子群算法。针对粒子群算法容易局部收敛的缺陷，、首先，本文在惯性权重线性递减（ldw）的基础上，加入常数扰动，使惯性权重大幅增大，以便于跳出局部搜索，进行全局搜索，从而防止局部收敛；其次，为尽可能的避免粒子群算法出现粒子高度聚集在最优粒子的周围的情况，使得粒子趋于相同以致于大大损失粒子群的多样性，一定概率的自适应的改变惯性权重并混入随机个体，以便于更好的保持种群多样性、、最后，在matlab2010agui平台下采用几种不同的粒子群算法进行仿真试验。仿真结果表明，在相同条件下改进的粒子群算法能够寻到更精确的解。

通过综合考虑发电费用最小及污染气体排放量最小这两个调度目标建立了水火电力系统多目标环境经济调度模型,并提出一种混合多目标差分进化算法对模型进行求解。该算法针对多目标优化问题的特点对差分进化算法的算子进行了修正,并基于混沌序列提出一种参数自适应调整策略以克服算法参数率定的难题。设计了一种二次变异算子来防止算法陷入局部最优。针对不同类型约束特性提出一种约束处理方法。实例计算结果及对比分析验证了所提方法的可行性和有效性,为实现水火电力系统实现经济与减排双目标均衡优化提供了一条崭新途径。

为提高电力系统短期负荷预测的精度,引入一种新型的群智能方法——粒子群优化算法,并将这种智能算法与bp算法相结合,形成了粒子群优化bp算法模型,建立了计及气象因素的短期负荷预测模型.通过具体算例将此模型与单纯的bp模型进行比较,结果表明:该算法具有较高的预测精度,完全能满足实际工程的要求.

针对梯级水电站优化调度的复杂问题,结合差分进化算法和混合蛙跳算法各自优势,提出一种新的混合差分进化算法。该算法将差分进化策略嵌入到混合蛙跳算法框架中,对整个群体循环进行分组进化与混合操作,而在每个分组内部按照差分进化策略对个体不断进行更新。数值实验表明该算法具有较强的全局搜索能力,克服了基本差分进化算法易早熟收敛的缺点。将该算法应用于梯级水电站中长期优化调度实例,并与传统动态规划法进行比较分析,进一步验证了其可行性与有效性。

针对电力负荷短期预测问题,提出了一种基于相似日的神经网络预测方法,分析传统bp算法的不足,提出一种基于levenbery-marquardt优化法的bp模型学习算法,在建立具体模型时,对于24点负荷预测,采用24个单输出的神经网络来分别预测每天的整点负荷值,具有网络结构较小,训练时间短的优点,考虑了不同类型的负荷差异,并对四川省电力公司某区一条线路的供电负荷进行短期负荷预测仿真,仿真结果表明其具有较好的预测精度。

针对标准萤火虫算法(fireflyalgorithm,fa)在求解电力系统优化潮流(opf)问题上出现的早熟收敛和求解精度不高等问题,引入混沌优化和莱维飞行,形成了混沌莱维萤火虫优化算法(chaoticlévyflightfirelyalgorithm,clfa).对改进的clfa算法进行了推导与分析,并将fa和clfa两种算法对ieee30节点测试系统进行电力系统优化潮流仿真,用实验证实算法的有效性.仿真结果表明:改进后的clfa算法避免了早熟收敛,增强了局部搜索能力,提高了求解精度.算法的改进方式具有良好的创新性,学生可以自行开发不同的改进方式,改进后的算法更有利于进行后续的电力系统优化潮流问题研究.

第28卷第19期电网技术vol.28no.19 2004年10月powersystemtechnologyoct.2004 文章编号：1000-3673（2004）19-0014-06中图分类号：tm715文献标识码：a学科代码：470·4054 粒子群优化算法在电力系统中的应用 袁晓辉1，王乘1，张勇传1，袁艳斌2 （1．华中科技大学，湖北省武汉市430074；2．武汉理工大学，湖北省武汉市430071） asurveyonapplicationofparticleswarmoptimization toelectricpowersystems yuanxiao-hui1，wangcheng1，zhangyong-chuan1，yuanya

随着电力系统规模的日益扩大和电力市场改革的实施，保证电力系统安全、经济、稳定、可靠地运行越来越重要。本文对pso算法在电力系统中应用的研究现状进行了较为全面的总结，主要包括在电网扩展规划、检修计划、机组组合、负荷经济分配、最优潮流计算与无功优化控制、谐波分析与电容器配置、网络状态估计、参数辨识、优化设计等方面的应用研究成果。

郑州大学 硕士学位论文 电力系统短期负荷预测方法的研究 姓名：张德玲 申请学位级别：硕士 专业：电力系统及其自动化 指导教师：陈根永 20070515 电力系统短期负荷预测方法的研究 作者：张德玲 学位授予单位：郑州大学 本文链接：http://d.g.wanfangdata.com.cn/thesis_y1059836.aspx

首先,简要介绍了深度学习算法的有关内容,包括深度学习与神经网络的比较和深度学习的训练过程。其次,从负荷的日属性、负荷的周属性、温度因素、节假日因素这几个方面对负荷的特性进行了研究。最后,根据负荷的历史数据,应用深度学习算法进行了短期负荷预测,并将其预测结果与bp神经网络的预测结果做了比较。

针对电力负荷短期预测问题,提出了一种基于相似日的神经网络预测方法,在建立具体模型时,对于24点负荷预测,采用24个单输出的神经网络来分别预测每天的整点负荷值,具有网络结构较小,训练时间短的优点,考虑了不同小时类型的负荷差异,具有较高的预测精度。分析了如何采用bp多层感知器的隐层数及隐层单元数。最后对四川省电力公司某区一条线路的供电负荷进行短期负荷预测仿真,仿真结果表明其具有较好的预测精度。

分析了大规模风电给电力系统实时调度所带来的若干问题,依据节能减排原则,以消纳风电最大化和火电机组一次能源消耗最小化为双重目标,建立了含大规模风电的实时调度模型。在量子粒子群算法基础上加入混沌初始化和混沌扰动,形成混沌量子粒子群优化算法。基于修改的ieee-118节点系统进行仿真计算,结果表明:建立的模型能在最大程度消纳风电的前提下,最大限度地减少一次能源消耗,达到节能减排的目的;采用的算法计算速度快、收敛性能好,满足实时性的要求。

提出一种求解梯级水电系统短期发电计划问题的新方法——混沌杂交进化算法(chea)。该算法将混沌序列与进化算法有机结合在一起,同时采用浮点数编码并构造一种新的自适应误差反向传播变异算子,从而有效抑制了进化算法的“早熟”现象和收敛速度慢等缺陷。仿真计算结果表明,该方法可以求解具有复杂约束条件的非线性优化问题,算法求解精度高、收敛速度快,从而为水电系统的短期发电计划问题提供了一种有效的方法

针对水火电系统的多约束、时滞非线性特点,建立了带有梯级水电厂的电力系统模型,并采用量子粒子群(qpso)算法对系统进行优化求解。为了解决基本量子粒子群算法容易陷入局部最优解的问题,提出了一种改进量子粒子群(iqpso)算法。为了验证该算法的性能,运用matlab编写程序,利用典型的4水电3火电系统算例进行仿真。算例表明,改进的量子粒子群算法具有更好的收敛特性。

电力系统负荷预测是电力系统中的一个重要的研究课题。对神经网络算法和时间序列预测算法进行加权融合,提出一种混合算法对eunite竞赛数据进行了短期电力负荷预测。实验结果表明负荷预测精度得到了很大的提升。

为解决自适应遗传算法应用于水电站优化调度时易陷入局部最优解的问题,在自适应遗传算法中加入了初始群体变异策略,首先对初始种群进行深度变异并保存优秀个体,然后再对保存的优秀个体采用自适应遗传算法进行全局搜索。水电站优化调度实例表明:采用初始种群变异策略的遗传算法具有更高的全局搜索能力,得出的结果比自适应遗传算法更佳,克服了自适应遗传算法易过早陷入局部最优的缺陷。

为解决bp神经网络应用于入侵检测时检测率较低、训练时间过长的问题,对改进差分进化算法(samde)优化bp神经网络并用于入侵检测的可行性进行研究.该算法引入模拟退火算法(sa)和一种融合de/rand/1与de/best/1的变异算子对差分进化算法进行改进以提高其全局寻优能力.用改进后的算法优化bp神经网络权值阈值.通过逐次的迭代训练使bp神经网络收敛,将优化过的bp神经网络用于入侵检测.仿真实验结果显示,优化的bp网络在收敛速度和精度方面有明显提升,用于入侵检测时提高了检测准确率,缩短了训练时间.

针对标准遗传算法容易"早熟"的缺陷,提出聚类遗传算法;改进了选择算子和交叉算子,并利用shubert多峰测试函数验证了聚类遗传算法的优势.引入水轮机组运行效率梯度变化因素提出改进变异算子,弥补了变异搜索过随机的缺陷.最后,将改进方式应用于三峡-葛洲坝梯级水利枢纽短期电力调度优化研究中,提出和构建了相应的优化模型以及机组组合启停和运行效率同步实现策略.实例优化结果表明:聚类遗传算法和改进变异算子能有效弥补"早熟"的缺陷,并能显著提高优化搜索效率,适用于梯级电站电力调度优化问题.优化得出的梯级电力调度方案可以满足设定目标和约束,并提高了梯级的发电效率.

뗧솦쾵춳뛌웚뢺뫉풤닢랽램퇐뺿ퟷ헟ꎺ십뺲늨톧캻쫚폨떥캻ꎺ쯄뒨듳톧닎뾼컄쿗(63쳵ì1.얣뚫쿾.닜쫷뮪.헔샚뗧솦쾵춳뢺뫉풤닢벼쫵벰웤펦폃19882.쇵뎿鬒뗧솦쾵춳뢺뫉풤놨샭싛폫랽램19873.헅럼짺.췴뫨.몫.쯯쿾잿.헅헱폮.닜뷸믹폚욫ퟮ킡뛾돋믘맩럖컶뗄뛌웚뢺뫉풤닢[웚뾯싛컄æ-뗧췸벼쫵2003(3)4.perryshort-termloadforecastingusingmultipleregressionanalysis19995.apapalexopoulos.thesterburgaregression-basedapproachtoshort-termloadforecasting1990(04)6.헅짜뫍.믆뚫믝.뛅컄맣욽뮬쾵쫽폅뮯뗄

【目的】针对传统优化算法的不足,将微分进化算法应用到水电站水库优化调度问题中,建立新的优化算法模型。【方法】建立基于微分进化算法的水电站水库优化调度模型,并给出具体求解步骤。为验证算法的有效性,将其应用于具体水电站水库的优化调度计算中,最后将该方法与遗传算法的计算结果进行了对比。【结果】实例计算结果表明,与遗传算法相比,微分进化算法收敛速度快,可调参数少,计算精度高,稳定性好,且该算法简单、容易实现,具有较强的全局搜索能力。【结论】微分进化算法在解决水电站水库优化调度问题时具有很强的适用性,为求解水电站水库优化调度问题提供了新思路。