改进粒子群算法在电力系统经济调度中的应用 improved particle swarm algorithm of economic dispatch in power system application.pdfVIP

第27卷第4期 电力科学与工程 V01．27，No．4 48 2011年4月 ElectricPowerScienceand 1 Engineering Apr．，201 改进粒子群算法在电力系统经济调度中的应用 黄燕燕，彭春华 (华东交通大学电气与电子工程学院，江西南昌330013) 摘要：提出了一种用于求解一般形式的非连续、非凸、非线性约束优化经济调度问题的改进粒子群算法。 该算法以传统的粒子群算法为基础，提出了一种构造惯性权重的方法，混沌操作应用于粒子群算法中， 同时为防止有时落入局部最优，考虑加入适当的变异进行扰动，并结合罚函数技术，使粒子尽可能地在 可行解区域或尽可能接近可行解的区域内寻优。同时，以15个机组为例，仿真结果表明，该算法具有速 度快、精度高和收敛性好的特点。 关键词：经济调度；改进粒子群算法；惯，l生权重；混沌操作；变异扰动；罚函数 中图分类号：TM732文献标识码：A 近可行解的区域内进行寻优，从而提高算法的精 0引言 度。仿真实验的结果表明这种算法简单快速，能 Dis-够得到较好的优化结果。 电力系统经济负荷分配ED(Economic patch)问题是在满足系统供电要求和机组运行技 1 电力系统经济调度的数学模型 术要求的条件下，确定各机组的负荷分配，以达 到总发电成本最小的目标。已经有多种方法被应 经济调度问题，即是在满足若干不等式约束 用于该问题的求解中，其中较传统的方法有入一 条件和等式约束条件的前提下，求燃料总成本目 迭代法、梯度法等…。二次规划法旧1可以较精确 标函数的最小值。 地计及模型的非线性，但一般要求目标函数连续 1．1 目标函数 可导。且定义于凸可行域，其结果在一定程度上 ED(EconomicDispatch)问题是在满足系统 依赖于初值的选取。动态规划法∞1对目标函数无 运行约束的条件下，发电机出力及其最小化的发 严格限制，容易计及约束条件，但存在维数多的 电成本，其数学模型r刊为 灾难。近年来，人工智能算法也被用来求解ED ％ (1) 问题，包括神经网络法HJ、遗传算法J、模拟退 minF=min{∑Fi(PGi)} l=I 火算法M1等，取得了较好的结果。 式中：，为系统总的发电费用；Ng为系统内发电 Swarm 粒子群算法PSO(Particle Optimiza- 机总台数；eci为第i台发电机的有功功率；Fi tion)是由Kennedy和Eberhart于1995年提出的 (P“)为第i台发电机的耗量特性。 一种新的进化计算方法。同遗传算法相比，粒子 对于E(Pa)，一般用二次函数近似表示为 群算法的优势在于简单：容易实现、且没有许多