经济负荷分配

摘要： 针对电力系统经济负荷分配这一典型的非凸、非线性、组合优化问题,提出一种将改进差分进化算法和鲸鱼算法相结合的优化算法。该算法首先在鲸鱼优化算法中引入了非线性的收敛变化策略,加速寻优算法的迭代;再利用差分进化算法的交叉和选择,丰富算法种群个体信息,增强优化算法的全局收敛性;同时引入一种淘汰机制,将适应度较好的个体信息更快地保留用于下一次鲸鱼优化算法的迭代,提高了求最优解的速度和精度;最后,对多个经济负荷分配问题进行了测试,将该算法与标准鲸鱼算法、标准差分进化算法进行对比,验证了差分进化鲸鱼算法可以更合理地配置电力系统的经济负荷,能够有效找到可行解,避免陷入局部最优,能实现经济负荷的合理分配。

摘要： 电力系统经济负荷运行调节中,存在复杂的非凸、非线性问题,难以实现电力系统运行可靠性和经济性。传统群体智能算法只是单一模仿生物群体行为,不能很好地进行电力系统负荷经济调节。因此提出了一种基于群体智能算法统一框架的粒子群算法,算法根据不同的适应度隶属度函数赋予不同惯性权重,通过外点法构造辅助函数将非可行域的约束以罚函数形式写入目标函数,并建立变罚系数提升目标函数求解过程的搜索范围和收敛速度,同时由搜索策略和变异策略,提升全局搜索能力。通过仿真结果表明:改进PSO算法相较于传统遗传算法、粒子群算法的收敛速度更快,解的离散度更小,收敛精度更高。

摘要： 经济负荷分配是电力系统中重要的优化问题,该问题有若干约束,以往文献常采用罚函数法来处理约束,但罚函数法难以设置罚系数.可行性规则和ε约束法是两种高效且常用的约束处理技术,却难以直接应用于经济负荷分配问题.结合问题的特点,提出了一种将负荷平衡等式约束转化为边界不等式约束的方法:利用功率平衡约束,采用近似法和二次方程求根公式求出一个变量,并对该变量增加两个边界不等式约束,然后采用可行性规则或ε约束法来处理约束.实验部分采用两个经典的经济负荷分配问题对算法进行了测试.结果表明,与其他算法相比,该方法能求得更优的解.

摘要： 蚁群算法是一种广泛应用于电力领域各方面的智能算法,本文首先对原始算法的基本原理以及典型的改进策略进行简单介绍,然后从其应用于电网中的潮流优化问题、经济负荷分配问题、机组最优投入问题(热电机组的短期发电计划等)、电网规划问题(配电网络重构、扩展规划问题)四个方面进行简要评述,简单分析了该算法在此四个方面基本应用现状,并进行对比分析,指出该算法目前存在缺陷以及未来可能应用的方向.

摘要： 本文介绍了一种改进的自由搜索算法,在搜索优化过程中对搜索半径进行自适应调整,融入了遗传算法中的交叉操作以及精英保留策略,当算法收敛时,对个体进行人为迁移以增加寻优能力.将该算法用于电力系统经济负荷分配,通过实例计算证明了该算法的有效性.

摘要： 根据发电系统的特点,考虑多燃料和24 h预测负荷需求数据,建立了一种动态经济负荷分配的优化模型,提出了一种基于个体最优位置的多信息特征粒子群优化算法求解该问题。定义了质心位置和中值位置,采用了由个体最优位置,质心位置和中值位置构成新的速度更新公式。减少了求解复杂优化问题时的早熟现象,能够有效地解决求解动态经济负荷分配问题。通过对算例DED1的实验仿真,表明该算法能够有效求解DED问题,具有更好的优化性能。

摘要： 针对机组数不同的电力系统设计优化方案，提出将基于有效群体利用策略的粒子群算法应用到经济负荷分配问题的解决中。该改进算法通过有效改变粒子数目，并改进了速度位移方程，加快了算法的收敛速度，同时提高其收敛精度。为验证该算法的有效性，针对机组数不同的电力系统经济负荷分配进行了测试，并与其他优化算法进行了比对测试。结果证明了该算法可高效准确地找到最优解，有效避免了陷入局部最优的问题，并保证了较快的运行速度。%The efficient population utilization strategy for particle swarm optimization (EPUSPSO) is proposed to solve the economic load dispatch (ELD) problem of power system with different units. This algorithm improves the accuracy and the speed of its convergence by changing the number of particles effectively and improving the velocity and position equation. To verify the effectiveness of the algorithm, this algorithm is tested in the ELD case of power system with different units, and the obtained results are compared with those obtained from other algorithms. The compared results show that the algorithm can find the optimal solution effectively and accurately, avoid falling into the local optimal problem; meanwhile, faster speed can be ensured in the case.

摘要： 风能是一种无污染的可再生绿色能源,但同时具有很强的随机性,不可调度性和波动性,与发电机组并网的的经济负荷分配问题很难用经典的数学方法来求解.针对上述问题,在已有的粒子群算法,文化算法和文化粒子群算法等等研究成果的基础上,进一步探讨信念空间进化机制以及知识结构的更新规则并提出一种改进的动态改变惯性权重双重更新的并行文化粒子群算法.最后在含风电并网的动态经济负荷分配问题进行优化求解并与其它几种算法对比来验证了改进算法在寻优能力的可行性以及优越性.

摘要： 由于阀点效应的存在以及输电系统输送能力和系统稳定性等条件的限制,使得经济负荷分配(ELD)问题成为非连续、非凸、非线性的约束优化问题,致使一些经典的优化算法和启发式算法无法在合理时间内发现最优解.针对ELD的特点,将布谷鸟算法与罚函数法集成,提出基于约束处理的布谷鸟算法,为验证算法的有效性和鲁棒性,选取IEEE 3个标准测试案例进行仿真计算,结果表明,与经典ELD优化算法相比,基于约束处理的布谷鸟算法在收敛速度和搜索精度上有较大提升,能够有效求解经济负荷分配问题.

摘要： In electric power system ,economic load dispatch (ELD) is an important topic ,which can not only help to build up safety and stable operation plans and prolong the service life of generating units but also can save energy and maximize the economic benefits of power enterprise .The practical ELD problem has non‐smooth cost function with nonlinear constraints which make it difficult to be effectively solved .In this study ,a novel global optimization algorithm ,cluster evolutionary algorithm (CEA ) , is proposed to solve ELD problem . In CEA , a virtual cluster organization has been constructed among individuals in order to dynamically adjust the searching process of simulated evolutionary system and improve the optimization efficiency of population .In simulations ,the CEA has been applied to 13 testing functions and 3 IEEE testing systems for verifying its feasibility .The experiments have shown the CEA can get high quality solutions with lesser computation cost for 13 testing functions .Compared with the other existing techniques ,the proposed algorithm has shown better performance for 3 IEEE systems .Considering the quality of the solution obtained ,this method seems to be a promising alternative approach for solving the ELD problem in practical power system .%电力经济负荷分配不仅能保证电力系统安全稳定地运行、延长机组使用寿命，还能节省能源，最大化电力企业的经济效益．此类问题可归为一种具有高维、不可微目标函数及多个非线性约束的数值优化问题．提出了一种新型的全局优化算法———簇类进化算法（cluster evolutionary algorithm ，CEA ），并将其应用于求解ELD问题．CEA利用聚类过程在进化个体间构建一定结构的连接关系，并利用这种虚拟的簇类化组织来协调和控制系统的优化计算过程，提高群体的问题空间搜索效率以及抗早熟能力．在仿真实验中13个典型测试函数和3个IEEE系统被用于对CEA的性能进行检验．实验数据显示CEA对13个约束数值优化问题可用较小的计算代价获得较高质量的解，而对3个测试系统的计算结果则要好于目前已报道的最佳解．实验数据的统计分析显示CEA是一种高效的数值优化算法，可作为一种有效的ELD问题求解方法．

摘要： 根据发电系统的特点,考虑多燃料和24h预测负荷需求数据,建立了一种动态经济负荷分配的优化模型,提出了一种基于个体最优位置的多信息特征粒子群优化算法求解该问题.定义了质心位置和中值位置,采用了由个体最优位置,质心位置和中值位置构成新的速度更新公式.减少了求解复杂优化问题时的早熟现象,能够有效地解决求解动态经济负荷分配问题.通过对算例DED1的实验仿真,表明该算法能够有效求解DED问题,具有更好的优化性能.

摘要： 带阀点效应的经济负荷分配问题是个不连续、非线性、含等式约束的优化问题,很难应用经典数学算法来解决.针对忽略网损的经济负荷分配问题,本文提出一种带可行引导的粒子群优化算法,针对问题的等式约束,提出一种简单可行的引导算法来修正不可行解;并采用概率性自适应变异,提高了算法的全局收敛性.对常用仿真算例进行了测试,并与其它改进智能算法进行了比较,结果表明了该算法的有效性。

摘要： 本文分析了基本粒子群算法的初始化方法和搜索机制，指出其存在容易陷入局部最优的问题。在此基础上提出一种改进粒子群算法，该算法通过引入迁移操作，在不降低基本粒子群算法局部搜索能力的同时，提高了其全局搜索能力，并且结果与粒子群的初始分布无关。将该算法应用于电力系统经济负荷分配，分别考虑了模型中计及阀点效应和不计阀点效应的情形。将仿真结果与混沌优化算法及等耗量微增率算法的结果进行了比较，验证了所提算法不仅具有很强的局部搜索能力还具有很强的全局搜索能力。

摘要： 经济负荷分配是电力系统中极具典型性的优化问题，对电力系统的经济、安全运行等方面具有至关重要的作用。本文基于一种新型的、具有复杂的混沌动力学特性的Gauss-Sigmoid混沌神经元模型，构成一种暂态混沌神经网络，将混沌搜索和Hopfield神经网络的梯度搜索相结合的优化方法，应用于经济负荷分配问题的求解。在这种优化方法中，通过对相应的参数的控制，可以方便的改变其混沌特性和收敛速度，从而具有较强的全局寻优能力和较快的收敛速度，并且整个搜索过程易于实现。

摘要： 本文提出了一种混沌粒子群优化算法，并将其用于求解复杂的非凸、非线性的电力系统经济负荷分配问题。该算法把混沌寻优思想引入到粒子群优化算法中，利用混沌运动的随机性、遍历性和规律性等特性对当前粒子群体中的个体极值进行混沌寻优，再把寻优的结果作为新的个体极值，从而改善了粒子群优化算法摆脱局部极值点的能力，提高了算法的收敛精度。算例结果表明了本文提出的算法相对于其它算法的有效性与可行性。

摘要： 电力市场经济负荷分配问题是所有水电厂都需要积极应对和解决的重大问题。合理的经济负荷分配方案带来的除经济效益之外，还有观念上的更新和管理上的实践。为了有效的探讨这一问题，本文结合清江流域电厂的生产实际，在传统的动态规划法基础上提出了一种局部加密动态规划算法，该算法在计算速度和精度方面都有较大的提高，是目前较有前途的发电竞价算法之一。

摘要： 为减少现有混沌优化方法在搜索空间内的盲目重复搜索,提高寻优效率,提出了一种改进的混沌优化算法,并用于电力系统经济负荷分配这类复杂、非线性问题的求解中.该算法根据当前寻得的最优解确定精搜索空间,并根据精搜索空间与原空间的比例大小确定各自的搜索概率,并分别以不同的搜索概率同时对原空间和精搜索空间进行混沌搜索.这样即可避免传统混沌优化算法中因过早缩小搜索空间而造成的遗失全局最优解的缺点,又可提高算法的寻优速度.实验结果表明,该方法收敛速度快,寻优效率高,可有效解决电力系统经济负荷分配等复杂的优化问题.

摘要： 本文对两种典型的混沌优化算法加以改进，数值仿真结果表明改进有效。文章进一步详细分析了改进算法的性能，得到了某些规律性的结论，然后将其应用于经济负荷分配问题，结果表明改进算法可以有效地指导工程实践。本文对混沌优化方法今后的研究具有一定的参考价值。

摘要： 在煤质稳定且机组运行安全平稳情况下，负荷与锅炉效率、汽机效率、以及供电标准煤耗等相关参数，都是一一对应的关系。对机组的负荷，以及负荷所对应的供电标准煤耗进行提取，通过提取多个参数取平均值来减少误差。在同一负荷指令下，两台机组有多种负荷分配方法，取其耗煤最小的分配为最优分配组合。通过与平均分配负荷的方式相比较，结果表明最大节煤量为2.354 吨/小时。该方法在机组运行一段时间里，具有执行方便、简单、可靠性强且具有很强的实用性。特别适用于煤质比较稳定的火力发电厂，以及坑口电厂。

摘要： 在煤质稳定且机组运行安全平稳情况下，负荷与锅炉效率、汽机效率、以及供电标准煤耗等相关参数，都是一一对应的关系。对机组的负荷，以及负荷所对应的供电标准煤耗进行提取，通过提取多个参数取平均值来减少误差。在同一负荷指令下，两台机组有多种负荷分配方法，取其耗煤最小的分配为最优分配组合。通过与平均分配负荷的方式相比较，结果表明最大节煤量为2.354 吨/小时。该方法在机组运行一段时间里，具有执行方便、简单、可靠性强且具有很强的实用性。特别适用于煤质比较稳定的火力发电厂，以及坑口电厂。

摘要： 本发明公开了一种基于静态负荷分配表的厂内经济运行方法，包括如下步骤，S1、建立负荷静态分配模型，确定模型求解算法；S2、在不同的水头下以一定精度对水电站的可行出力空间进行离散，根据各机组的流量特性曲线求解所有离散负荷的最优分配方案，建立各水头下的最优静态负荷分配表；S3、在各水头下的最优静态负荷分配表中查找与实际负荷指令对应的负荷分配方案，实现当前时段的最优分配。优点是：克服了传统厂内经济算法计算规模和复杂程度的限制性，避免了陷入局部最优解，且提高了运行效率，保障了电站的实时调度运行。

摘要： 本发明涉及基于改进灰狼算法优化热电负荷经济性分配方法及系统，其方法包括，S1改进灰狼算法，构建热电负荷经济分配模型；S2根据改进灰狼算法迭代更新灰狼位置，并基于迭代更新后的灰狼位置计算出热电负荷经济分配模型的最优解；S3基于热电负荷的约束条件确定是否对热电负荷经济分配模型的最优解进行更新；S4判断灰狼位置迭代更新的次数是否满足迭代要求；若否则返回至S2；若是则执行S5；S5根据热电负荷分配经济模型的最优解或更新后的最优解，得到机组的运行参数和运行成本。本发明其收敛性更好，收敛时间更短，具有更优的鲁棒特性，能够较好的解决热电负荷分配的工程问题，使电厂与热管网、电网之间具有良好的匹配特性。

摘要： 本发明公开了一种基于供热经济性最优的全厂热、电负荷分配方法，包括以下步骤：1)获取实时供热负荷；2)根据电网给定的电负荷时间特性曲线确定实时电厂电负荷；3)确定热电厂中各供热机组的电负荷；4)根据各供热机组的电负荷计算各供热机组的单位时间标煤消耗；5)根据各台供热机组的单位时间标煤消耗对各台供热机组进行排序，然后在满足实时供热负荷的前提下，根据排序结果进行全厂热电负荷的分配，使得所有供热机组的总单位时间标煤消耗最低，得各台供热机组的热电负荷，完成基于供热经济性最优的全厂热、电负荷分配，该方法及系统能够实现热电厂供热、发电综合经济效益的最大化。

摘要： 本发明公开了一种基于多目标智能优化的超临界湿冷供热机组负荷经济分配方法。步骤1：对超临界湿冷供热机组的能耗成本影响决策进行系统分析；步骤2：基于步骤1的系统分析建立热电联产机组的数学模型；步骤3：基于步骤2的热电联产机组的数学模型，综合能耗成本、电力平衡偏差和热力平衡偏差的目标优化，对热电联产机组的数学模型进行解算；步骤4：验证步骤3的解算结果；步骤5：基于验证后的解算结果进行超临界湿冷供热机组的负荷经济分配。用以解决在构建热电联产机组的数学模型时，要么是未能充分考虑机组所有的自变量和约束条件，要么没能兼顾总成本最小和污染物最小的目标的问题。

摘要： 本发明公开了一种基于灰狼算法的热电负荷经济性优化分配方法，包括以下步骤：1)在满足电网及热网的热、电负荷调度需求以及各机组运行的限制条件下，以厂内各机组的运行参数为变量，以电厂的运行成本最小的目标，建立热电负荷经济性分配数学模型；2)基于灰狼算法求解所述热电负荷经济性分配数学模型，再根据求解结果进行热电负荷经济性的优化分配，该方法能够实现热电负荷经济性优化分配，且计算的复杂程度较低。

摘要： 本发明公开了基于多目标智能优化的热电联产机组负荷经济分配方法。步骤1：对热电联产机组的能耗成本影响决策进行系统分析；步骤2：基于步骤1的系统分析确定目标函数；步骤3：确认机组发电负荷及发热负荷约束条件；步骤4：根据步骤3的约束条件利用采用模拟退火粒子群算法对的约束条件进行解算；步骤5：基于步骤4的解算结果进行热电联产机组的负荷经济分配。本发明用以解决在构建热电联产机组的数学模型时，要么是未能充分考虑机组所有的自变量和约束条件，要么没能兼顾总成本最小和污染物最小的目标的问题。

摘要： 本发明的目的在于克服现有技术的不足，提出一种发电机组经济负荷分配优化方法，在发电机组经济负荷分配问题中约束条件包括：功率平衡约束、发电机组输出功率约束、斜坡率约束、禁止操作区域约束等，这些约束共同作用使发电机组经济负荷分配优化问题变成复杂的多约束问题，增加了机组经济负荷分配的难度；本发明中应用改进型蝠鲼觅食算法解决复杂高维的发电机组经济负荷分配问题，不受目标函数维度限制，能够解决非线性、非凸、不连续、不可微的优化问题；在经典蝠鲼觅食算法中引入惯性权重w，正弦、余弦自适应，差分变异策略进行改进，与其他优化方法相比改进型蝠鲼觅食算法寻优能力、收敛速度和最优解的质量得到提高，最小化发电成本、提高资源利用率。

摘要： 本发明公开了一种新能源电力系统的经济负荷分配方法、系统及介质，方法包括：构建新能源电力系统的目标函数；根据预设的约束条件初始化种群；根据目标函数和每个粒子的位置分别计算每个粒子的适应值；根据每个粒子的适应值计算每个粒子的个体最优值以及种群的全局最优值；根据粒子群算法更新种群中每个粒子的速度和位置；对种群进行遗传算法的选择、交叉、变异操作得到新的种群，并更新交叉概率和变异概率；满足结束条件，输出全局最优值对应的粒子，将所述粒子的位置中每台发电机组的经济负荷参数作为最优分配结果。本发明根据新能源电力系统的实际情况进行规划，更加适应新能源电力系统的实际情况，能够达到最优经济负荷分配。

摘要： 本发明公开了一种考虑网络损耗的动态经济负荷分配方法，具体过程为：（1）设计一种先粗调后精调的约束修复模式，来提高修复不可行解的效率；（2）优先考虑修复对燃料成本影响大的机组，并兼顾各机组的实时效率对降低燃料成本的贡献程度来修复不可行解，从而可以进一步提高解的质量；（3）对于动态经济负荷分配问题，由于机组各时刻之间的出力具有高度的耦合性，采用了任一时刻均可修复的方式，在一定程度上也改善了种群的多样性。通过2个考虑网络损耗不同规模的电力系统实例测试，表明本发明不仅提升了鲸鱼算法的求解精度和求解效率，而且提高了不可行解的修复能力。该发明在火力发电化石能源的高效利用上，具有很高的应用及推广价值。

摘要： 本发明公开了一种基于改进鲸鱼算法的电力系统经济负荷分配方法，包括以下步骤：依据实际中电力系统经济负荷分配问题的要求建立相应的约束条件表达式；根据约束条件建立电力系统经济负荷分配问题的目标函数，把实际的应用问题转化为非线性规划问题的求解；提出改进鲸鱼优化算法，利用该算法对电力系统经济负荷分配问题进行优化求解；通过改进鲸鱼优化算法采用自适应权值策略更新位置，个体需要通过随机差分变异策略对其进行再次更新，获取变化前后的最后位置，进而得到电力系统经济负荷分配的最优结果；本发明为了提高鲸鱼优化算法的搜索能力，引入自适应权重和差分变异策略，使得该算法可以早期进行全局搜索和后期进行精准的局部搜索。