基于改进鱼群与粒子群混合算法的机组优化组合研究

论文摘要

机组优化组合问题是电力系统短期运行计划的核心问题,是典型的非线性优化问题,涉及到许多非线性、离散性、随机性及不确定性等因素。常规的数学方法在处理此类问题时有一定的局限性,而智能优化方法却适合求解传统优化方法难以解决的高非线性、高离散性的组合优化问题。本文围绕机组优化组合,主要展开以下工作:（1）对鱼群算法、粒子群算法、免疫算法和禁忌搜索算法进行研究。人工协调鱼群算法在处理大系统问题时有自己的优势,把人工协调鱼群算法应用于大系统组合问题,能够快速的解决大系统组合的维数高、求解困难等问题;针对基本粒子群算法的全局搜索能力差、进化后期收敛速度慢、算法到达一定精度无法继续运行等缺点,提出了基于疫苗接种的免疫禁忌粒子群算法（IVT-PSO）。仿真结果表明,该算法能够得到更好的优化效果,验证了方法的有效性。（2）研究了机组优化组合的基本原理和数学模型。考虑了负荷需求限制约束、单机输出功率上下限约束、机组最大允许启停次数约束,把人工协调鱼群算法和基于疫苗接种的免疫禁忌粒子群算法应用到机组优化组合问题中,以煤耗量最小为目标函数,对机组的启停方式和经济负荷分配这两个问题进行交替迭代求解。算例仿真和分析结果验证了该方法的正确性、有效性和优越性。（3）在电力市场竞争条件下,考虑无功和备用收益的影响,以机组本身的可用状态、发电功率限制、爬坡速率以及系统备用容量和电力市场交易等为约束条件,构造了电力市场竞争条件下机组优化问题的数学模型。以发电厂收益最大为目标函数,对机组的启停方式和经济负荷分配这两个问题分别用协调鱼群算法和基于疫苗接种的免疫禁忌粒子群算法进行交替迭代求解。算例仿真和分析结果验证了该方法的正确性、有效性和优越性。

论文目录

• 摘要
• Abstract
• 目录
• 1 绪论
• 1.1 机组优化的研究背景及意义
• 1.2 机组优化的研究现状
• 1.2.1 传统优化方法
• 1.2.2 现代智能优化方法
• 1.3 论文的主要工作
• 2 人工鱼群算法与粒子群算法的研究
• 2.1 人工鱼群算法在组合问题的研究
• 2.1.1 人工鱼群算法概述
• 2.1.2 人工鱼群算法组合优化问题描述
• 2.1.3 扩展的人工鱼群算法
• 2.2 粒子群算法的研究
• 2.2.1 粒子群算法
• 2.2.2 生物免疫算法
• 2.2.3 禁忌搜索算法
• 2.2.4 基于疫苗接种的免疫禁忌粒子群优化算法（简称IVT-PSO）
• 2.3 MATLAB仿真
• 2.3.1 测试函数
• 2.3.2 实验参数设置
• 2.3.3 实验结果
• 2.3.4 仿真分析
• 2.4 本章小结
• 3 机组组合的研究
• 3.1 机组启停优化
• 3.1.1 机组组合问题的提出
• 3.1.2 机组的耗量特性
• 3.1.3 耗量特性曲线及其参数的确定
• 3.1.4 耗机组耗量的微增特性及耗量特性
• 3.1.5 机组的启停成本
• 3.1.6 机组启停优化考虑的因素
• 3.2 负荷优化
• 3.2.1 负荷优化目标函数
• 3.2.2 负荷优化约束条件
• 3.3 本章小结
• 4 基于协调鱼群与IVT-PSO算法的机组优化研究
• 4.1 协调粒子群算法在机组启停应用
• 4.1.1 机组组合的编码
• 4.1.2 机组规则的引入
• 4.1.3 鱼群初始值的归一化处理
• 4.1.4 协调鱼群算法的实现
• 4.1.5 协调鱼群行为在机组启停的行为描述
• 4.1.6 协调鱼群在机组启停的程序设计
• 4.2 WT-PSO算法在负荷分配应用
• 4.2.1 负何优化的约束
• 4.2.2 基于疫苗接种的免疫禁忌粒子群算法在负荷优化的程序设计
• 4.3 仿真实例
• 4.4 本章小结
• 5 市场条件下基于协调鱼群与IVT-PSO算法的机组优化研究
• 5.1 市场条件机组优化应考虑的问题
• 5.2 市场条件下机组优化的模型与约束
• 5.2.1 问题的描述
• 5.2.2 市场条件下机组优化数学模型
• 5.3 协调鱼群与粒子群算法在市场条件下机组优化程序设计
• 5.3.1 鱼群算法的程序设计
• 5.3.2 改进粒子群算法在负荷优化的程序设计
• 5.4 市场条件下机组优化实例仿真
• 5.4.1 原始数据
• 5.4.2 仿真结果
• 5.4.3 仿真分析
• 5.5 小结
• 6 结论与展望
• 6.1 结论
• 6.2 展望
• 致谢
• 参考文献
• 附录
• 攻读硕士学位期间发表的论文
• 攻读硕士学位期间学术成果获奖情况