自适应粒子群算法在电力经济调度中的应用

自适应粒子群算法在电力经济调度中的应用

Application of Adaptive Particle Swarm Optimization in Power Economic Dispatch

【摘 要】摘 要： 以发电系统中发电费用最低为目标，结合实际发电运行中系统平衡约束和机组操作约束条件，建立了电力经济调度(ED)模型。考虑到标准粒子群(PSO)算法存在收敛速度慢以及早熟收敛的问题，通过引入进化状态估计和精英学习策略，提出一种自适应粒子群优化(APSO)算法，并将其成功应用于求解该ED模型。在Matlab平台对15台机组算例进行了仿真，仿真结果表明自适应粒子群算方法的求解精度更高。 【期刊名称】自动化仪表 【年(卷),期】2015(036)003 【总页数】4

【关键词】 电力系统 自适应粒子群算法 经济负荷分配 进化状态估计 精英学习策略 惩罚策略

Elite learning strategy Penalty strategy

0 引言

电力经济调度(economic dispatch,ED)是电力系统规划的基本问题，其求解算法的研究始终是业界的热点问题。近年来，应用于ED问题的求解算法不断涌现。这些算法包括遗传算法[3]、萤火虫算法[4]、微分进化算法[5-6]、蚁群算法等，尤其是粒子群(particle swarm optimization，PSO)算法，取得了一定成效。Ahmed.S等人[7]提出一种基于自适应加速系数的改进PSO算法，Pranava.G等人[8]提出一种采用受限系数的概念来确保粒子收敛性的改进PSO