基于人工蜂群优化法的多区域电力系统经济调度
【图文】：
年提出的一种模拟蜜蜂采蜜行为的随机搜索优化算法。此算法中，模拟三种蜜蜂的搜索行为：采蜜蜂、观察蜂和侦察蜂。采蜜蜂在记忆中选择一个邻近蜜源；通过蜂巢内的观察蜂共享蜜源信息，再由观察蜂在邻近的蜜源内选择一个蜜源，此时采蜜蜂放弃蜜源，变成侦查蜂，并开始全局随机搜索质量更高的新蜜源。每只蜜蜂对应了一个解，采蜜蜂代表构成当前种群的现有解；观察蜂代表潜在的邻域搜索解，有机会进入种群成为现有解；侦查蜂则代表全局随机搜索解，可以代替废弃的现有解。４．２计算流程图人工蜂群优化算法的流程如图１所示。Ｆｉｇｕｒｅ１Ｆｌｏｗｃｈａｒｔｏｆｔｈｅａｒｔｉｆｉｃｉａｌｂｅｅｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎ图１人工蜂群优化法流程图４．３多区域经济调度问题的实现４．３．１初始化设ｐｎ＝［（Ｐ１１，Ｐ１２，…，Ｐ１Ｍ１），…，（Ｐｉ１，Ｐｉ２，…，ＰｉＭｉ），…，（ＰＮ１，ＰＮ２，…，ＰＮＭＮ），（Ｔ１２，Ｔ１３，…，Ｔ１Ｎ），（Ｔ２３，Ｔ２４，…，，Ｔ２Ｎ），…，（Ｔ（Ｎ－１）Ｎ）］为种群进化的第ｎ个向量，ｎ＝１，２，…，ＮＰ。Ｐｎ为所有区域内发电机的实际功率输出和联络线实际功率流。在区域ｉ内的第ｊ个实际功率输出通过设定Ｐｉｊ～Ｕ（Ｐｍｉｎｉｊ，Ｐｍａｘｉｊ）来确定，式中ｉ＝１，２，…，Ｎ；ｊ＝１，２，…，Ｍｉ。联络线实际功率流由Ｔｉｋ～Ｕ（－Ｔｍａｘｉｋ，Ｔｍａｘｉｋ）确定。Ｕ（ａ，ｂ）表示均匀分布的随机变量的范围［ａ，ｂ］。每个向量应满足式（４）、式（６）～
ｓ＝５０，ｍ＝３０，ｎｂ＝１０，ｍｕｌＧ＝０．１，ｍｕｌＴ＝０．０１，Ｎｍａｘ＝１００。对于该算例系统，分别采用ＤＥ、ＥＰ和ＲＣＧＡ算法进行对比验证。设定差分进化法中种群大孝比例因子和交叉常数分别为２００、１．０和１．０。进化规划法中种群大小和比例因子分别选择为１００和０．１；实数编码遗传算法中种群大孝交叉和变异概率分别选取１００、０．９和０．２。ＤＥ、ＥＰ和ＲＣＧＡ三种方法的最大迭代次数取１００次。该测试系统计算结果见表１，成本收敛特性如图２所示。Ｔａｂｌｅ１Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｆｏｒｔｅｓｔｓｙｓｔｅｍ１表１测试系统１仿真结果ＡＢＣＯＤＥＥＰＲＣＧＡＰ１，１／ＭＷ５００．００００５００．００００５００．００００５００．００００Ｐ１，２／ＭＷ２００．００００２００．００００２００．００００２００．００００Ｐ１，３／ＭＷ１４９．９９９７１５０．００００１４９．９９１９１４９．６３２８Ｐ２，１／ＭＷ２０４．３３５８２０４．３３４１２０６．４４９３２０５．９３９８Ｐ２，２／ＭＷ１５４．９９５４１５４．７０４８１５４．８８９２１５５．８３２２Ｐ２，３／ＭＷ６７．２９１５６７．５７７０６５．２７１７６５．２２０９Ｔ１２／ＭＷ８２．７７２８８２．７７３１８２．７６５２８２．４１３５ＰＬ１／ＭＷ９．４２６９９．４２６９９．４２６７９．４１９３ＰＬ２／ＭＷ４．１９５５４．１８９０４．１７５４４．２０６４Ｃｏｓｔ／（＄／ｈ）１２２５５．３９１２２５５．４２１２２５５．４３１２２５６．２３ＣＰＵｔｉｍｅ
【作者单位】： 安徽理工大学电气与信息工程学院;
【分类号】：TP18;TM73
【参考文献】
相关期刊论文 前3条
1 ;Hybrid of comprehensive learning particle swarm optimization and SQP algorithm for large scale economic load dispatch optimization of power system[J];Science China(Information Sciences);2010年08期
2 何大阔;王福利;毛志忠;;基于改进遗传算法的电力系统经济负荷分配[J];控制与决策;2007年02期
3 王瑜;李斌;袁博;;混合SQP的基于完全学习的粒子群优化算法在电力系统中经济分配问题的应用[J];中国科学:信息科学;2010年03期
【共引文献】
相关期刊论文 前10条
1 林剑;赵龙;徐剑;余节约;;基于人工蜂群优化的印刷色彩分色[J];包装工程;2011年05期
2 年立群;路宗强;;偶对潮流优化问题研究[J];承德石油高等专科学校学报;2009年01期
3 周任军,申文伟;微增动态规划在电力系统火电机组最优组合中的应用[J];长沙电力学院学报(自然科学版);1997年02期
4 康忠健,陈学允;电网静态电压稳定控制数学模型的研究[J];电力系统自动化;1999年21期
5 于继来，柳焯;利用移相器进行电力系统网损优化控制[J];电力系统自动化;1995年04期
6 韩凤玲,王毅,柳焯;配电网短路故障模式分析[J];电力系统自动化;1996年10期
7 刘伟,余贻鑫,田树苞;变结构模型参考自适应励磁与调速综合控制器(下)──最优安装位置的确定[J];电力系统自动化;1998年06期
8 唐英干;崔玉红;乔雷杰;关新平;;一种新算法在经济负荷分配中的应用[J];电力系统及其自动化学报;2009年01期
9 张振宇;葛少云;刘自发;;粒子群优化算法及其在机组优化组合中应用[J];电力自动化设备;2006年05期
10 王景亮,张焰,王承民,孙建生,金钟鹤,徐风阁,杜晓辉;基于灵敏度分析与最优潮流的电网无功/电压考核方法[J];电网技术;2005年10期
相关会议论文 前6条
1 李丽;程玉荣;牛奔;;离散人工蜂群算法求解旅行商问题[A];第十三届中国管理科学学术年会论文集[C];2011年
2 杨琳;孔峰;;基于梯度蜂群混合算法的电力系统最优潮流计算[A];中南六省（区）自动化学会第二十九届学术年会论文集[C];2011年
3 YUAN Gui-li;YU Tong;GAN Mi;;Multi-objective Opt Environmental P timal Load Distribution Based o Protection and Speediness in Pow on Economy, wer Plants[A];第25届中国控制与决策会议论文集[C];2013年
4 Peng Zhang;Hong Liu;Yanhui Ding;;Dynamic Bee Colony Algorithm Based on Multi-species Coevolution[A];山东计算机学会2013学术年会论文集[C];2013年
5 王族统;郭建胜;童声;张鹏涛;;多目标可靠性冗余优化的蜂群算法求解[A];探索 创新 交流——第六届中国航空学会青年科技论坛文集（下册）[C];2014年
6 黄崇福;;从概率统计进化到智联网的动态风险评估[A];风险分析和危机反应中的信息技术--中国灾害防御协会风险分析专业委员会第六届年会论文集[C];2014年
相关博士学位论文 前10条
1 吴德烽;计算智能在三维表面扫描机器人系统中的应用研究[D];大连海事大学;2010年
2 罗彬;基于MMOI方法的电信客户流失预测与挽留研究[D];电子科技大学;2010年
3 刘衍民;粒子群算法的研究及应用[D];山东师范大学;2011年
4 董旭初;Bayesian网的最优树分解研究[D];吉林大学;2011年
5 李世勇;基于效用最优化的多路径网络资源分配研究[D];北京交通大学;2010年
6 冯业伟;基于支持向量机和移动Agent技术的银行风险早期预警系统研究[D];中国海洋大学;2011年
7 刘路;基于改进支持向量机和纹理图像分析的旋转机械故障诊断[D];天津大学;2011年
8 王亚军;减少OFDM系统的峰均功率比的研究[D];上海交通大学;2011年
9 汪洋;基于视觉测量的铁路列车钩舌检测流水线关键技术研究[D];大连海事大学;2011年
10 肖永豪;蜂群算法及在图像处理中的应用研究[D];华南理工大学;2011年
相关硕士学位论文 前10条
1 王敏蔚;基于改进免疫算法的机组组合优化[D];浙江大学;2011年
2 王建君;AGC方式下火电机组间负荷优化分配方法研究[D];东北电力大学;2011年
3 王江峰;基于神经动力学的几类优化模型的分析与设计[D];中原工学院;2011年
4 姜飞;混合智能优化算法及其应用[D];西安电子科技大学;2011年
5 魏丽;群体动画中运动生成模块的模型研究[D];山东师范大学;2011年
6 肖黎丽;地方电厂发电计划管理系统设计[D];大连海事大学;2011年
7 张萌;CAS在企业信息资源整合中的应用研究[D];大连海事大学;2011年
8 张守明;基于人工蜂群的模糊聚类数据挖掘算法研究[D];兰州理工大学;2011年
9 梁建慧;新型智能优化算法及其在图像分割中的应用研究[D];陕西师范大学;2011年
10 黄旭;群智能优化算法及其在PPI网络中的应用研究[D];陕西师范大学;2011年
【二级参考文献】
相关期刊论文 前4条
1 李兴斯;一类不可微优化问题的有效解法[J];中国科学(A辑 数学 物理学 天文学 技术科学);1994年04期
2 唐焕文,张立卫,王雪华;一类约束不可微优化问题的极大熵方法[J];计算数学;1993年03期
3 唐巍,李殿璞;电力系统经济负荷分配的混沌优化方法[J];中国电机工程学报;2000年10期
4 侯云鹤,鲁丽娟,熊信艮,程时杰,吴耀武;改进粒子群算法及其在电力系统经济负荷分配中的应用[J];中国电机工程学报;2004年07期
本文编号：2526252
本文链接：https://www.wllwen.com/jingjilunwen/quyujingjilunwen/2526252.html
