CN108565857A - 一种基于信息交流策略连续域蚁群算法的电力系统经济调度方法 - Google Patents
一种基于信息交流策略连续域蚁群算法的电力系统经济调度方法 Download PDFInfo
- Publication number
- CN108565857A CN108565857A CN201810427695.XA CN201810427695A CN108565857A CN 108565857 A CN108565857 A CN 108565857A CN 201810427695 A CN201810427695 A CN 201810427695A CN 108565857 A CN108565857 A CN 108565857A
- Authority
- CN
- China
- Prior art keywords
- solution
- archives
- unit
- economic dispatch
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于信息交流策略连续域蚁群算法的电力系统经济调度方法,属于电力工程领域,主要解决复杂电力系统中难以求解电力负荷分配的问题。该方法以系统总运行费用为目标函数建立模型,同时考虑阀点负载效应、输电线路损失、爬坡率限制、禁止区域等限制。建立模型后,利用标准蚁群算法得到初始解档案,然后利用信息交流策略在解档案中选取一部分较优的解,在这部分较优的解里每一个解都选择另外一个解来进行信息交换得到候选解,采用贪婪的方式接受能够改善解的质量的候选解。最后将得到的最优值进行电力系统负荷分配。本发明方法能够降低电能的费用而且还能保障电力系统的电压质量,满足实际工程的设计需求。
Description
技术领域
本发明属于电力工程领域,涉及复杂环境下多因素电力系统的电力负荷分配方法;具体来说是一种基于信息交流策略连续域蚁群算法的电力系统经济调度方法,可用于火电经济调度计划、水火电协调、梯级调度和燃料约束调度等领域。
背景技术
电力系统经济调度是能源生产和分配的核心。随着能源需求和燃料成本的增加,找到降低能源生产成本的方法变得越来越重要。电力系统经济调度需要找出电力系统中发电机的优化负荷,以满足整个电力需求,同时产生最小可能的发电成本。因此,需要制定和应用能够考虑发电机组特性成本函数曲线的数学优化模型,以找到最优的负荷分配。
电力系统的成本函数可以简单地用单调递增的二阶非线性函数来近似。然而,这样一个简单的成本函数没有适当地模拟出发电机的实际情况,首先电力系统涉及到阀点效应和多种燃料使用等约束。如果将阀点效应引入成本函数,会导致多个局部最小值产生。通常,在进行发电机负荷分配时,有一些区域的值是禁止运行的,禁止运行的区域使成本函数不连续。除此之外,还应考虑诸如爬坡率限制和输电线路损耗等约束条件,以便近似估计发电机的实际行为。如今,由于人们对环境的关注日益增加,燃烧燃料排放的有毒气体也被纳入成本函数。这些限制会使电力系统经济调度的任务更加复杂。因此,电力系统经济调度中的优化问题由多个目标组成。其任务是找到发电机组的负荷分配,使发电量满足整个系统电力需求,同时产生最小可能的发电成本。许多经典的优化技术,如线性规划、齐次线性规划、梯度搜索算法、Lambda迭代法、模式搜索法、二次规划方法、拉格朗日乘子法和非线性规划法被用来解决电力系统经济调度问题。这些经典优化技术的主要问题在于它们返回的最终解决方案高度依赖于初始值,通常容易陷入局部最优值。成本函数的不连续性也严重影响了这些优化技术的性能。虽然动态规划技术可以处理不连续的非线性成本函数,但优化问题的维数对它来说是一个非常重要的影响因素。
发明内容
针对上述问题,本发明提出一种基于信息交流策略连续域蚁群算法的电力系统经济调度方法,该方法以系统总运行费用为目标函数建立模型,同时考虑阀点负载效应、输电线路损失、爬坡率限制、禁止区域等限制。本发明方法不仅能够降低电能的费用,而且还能保障电力系统的电压质量,满足实际工程的设计需求。
本发明采用的技术方案:
一种基于信息交流策略连续域蚁群算法的电力系统经济调度方法,包括以下步骤:
(1)建立电力系统经济调度模型:
其中,n为系统发电机组的总个数,F为发电总成本,Fi为机组i的发电成本,ai,bi,ci是机组i的成本系数,pi为机组i的有功输出功率,Vi为阀点效应带来的变化值,di,ei为常数,为机组i的最小技术出力;
电力系统经济调度模型的限制条件为:
(1.1)传输损耗:
其中,Bi,j为耗量系数矩阵B中第i行第j列的系数,Ti为耗量系数矩阵T中第i行的系数,L为燃料耗量系数;
(1.2)运行区域:
其中,为机组i的最小技术出力,为机组i的最大技术出力;
(1.3)发电机爬升率:
其中,dri为机组i的向下爬坡速率值,uri为机组i的向上爬坡速率值,为机组i的初始值;
(1.4)禁用区域:
其中,和分别为第i个机组在第j个工作禁区的下限值和上限值,mi为发电机组i的工作禁区个数;
(2)初始化各项参数:解档案个数k,关联度q=0.0001,权值参数ξ=0.85,蚂蚁个数s,优解率r,最大迭代次数iter_max,随机生成k个解;
(3)利用电力系统经济调度模型计算解档案中解的适应度值,并根据适应度值将解进行排序;
(4)采用标准蚁群算法更新解档案中的解,具体步骤为:
(4.1)计算解档案中每个解的权重,wi为第i个解在解档案中的权重,定义为:
其中,q是算法中的一个参数,被用来平衡局部最优和全局最优;
(4.2)计算选取每个解作为指导解的概率,选取第i个解的概率为:
(4.3)每只蚂蚁根据解档案中解的权重选取一个解Xi,i=1,2,…,k,并分别通过高斯函数gi,j(X)对这个解的D个解组件Xi,j,j=1,2,…D,进行取样;每一个高斯函数的均值Ui,j=Xi,j,标准差σi,j为
(4.4)s只蚂蚁都产生新解之后,把这k+s个解重新排序,然后选取k个最优的解存储到解档案中。
(5)从更新后的解档案中选取m个优质解,m个优质解根据优解率r计算得出,则有m=ceil(r×k),ceil表示向上取整;
(6)在m个优质解中,每一个解都选择另外一个解来进行信息交换,得到候选解,采用贪婪的方式接受能够改善解的质量的候选解,具体步骤为:
(6.1)在m个优质解中,信息交流策略通过如下公式为每个解Xi,i=1,2,...m确定另一个解Xh,h∈(1,m)进行维变量互换。
其中,D表示解的维数;
(6.2)每个Xi解确定好进行维变量互换的解之后,则产生的新解为:
其中,rand表示产生一个(0,1)之间的随机数,Pj为:
(6.3)通过贪婪的方式确定Xi和哪一个保留到解档案中。
(7)当前迭代次数加1,判断是否到达最大迭代次数,当前迭代次数超过最大迭代次数iter_max时,则停止迭代,输出解档案中第一个解作为全局最优值;当前迭代次数未超过最大迭代次数iter_max时,则跳转到步骤(3);
(8)根据得到的解进行电力负荷分配,得到最优电力系统经济调度。
本发明方法是一种基于信息交流策略连续域蚁群算法的电力系统经济调度方法,该发明方法在ACOR算法中引入信息交流策略,避免出现指导解的选择过于单一的情况。信息交流策略在解档案中选取一部分较优的解,在这部分较优的解里每一个解都选择另外一个解来进行信息交换,这样可以增加解的多样性,避免陷入局部最优。同时,信息交流策略通过对解的信息交换,融合不同解中较优的维变量,得到较优的子解,而且只处理了部分较优解,这样能加快算法的收敛速度,提高算法的收敛精度,使得该发明方法能得到较优的电力系统经济调度方法。
附图说明
图1为本发明方法的流程图;
具体实施方式
以下结合实例对本发明作进一步详细说明,但不作为对本发明的限定。
实施例1
步骤1.建立电力系统经济调度模型。以电力系统相关的总燃料成本为目标函数,发电机的燃料成本函数可以被认为是由发电机产生功率的二阶二次函数,但是,考虑实际情况,热发电机通常使用蒸汽涡轮机,其由于蒸汽阀的连续打开而出现阀点效应。当考虑这些影响时,发电机的成本函数不再是线性的。考虑阀点效应后,其耗量特性函数为:
式中,n为系统发电机组的总个数,F为发电总成本,Fi为机组i的发电成本,ai,bi,ci是机组i的成本系数,pi为机组i的有功输出功率,Vi为阀点效应带来的变化值,di,ei为常数,为机组i的有功输出下限;
在解决多发电机系统的经济调度问题时,还需要考虑一些系统限制因素,这些因素将作为模型的限制条件:
1)传输损耗:总传输损耗是电力系统经济调度问题的一个重要制约因素。不仅希望在系统中发生的损失与总燃料成本一起降至最低,而且系统还必须产生足够的电力以满足负载需求并补偿传输损耗。系统中的总损失可以使用以下关系计算:
其中Bi,j为耗量系数矩阵B中第i行第j列的系数,Ti为耗量系数矩阵T中第i行的系数,L为燃料耗量系数;
系统运行时要满足平衡约束,即整个发电机系统产生的功率必须等于总功率需求和系统内部以及由于传输造成的损失之和,即:
其中PD为总功率需求,PL为系统内部以及由于传输造成的损失。
2)运行区域:每台热电发电机都有一个指定的范围,其运行稳定。因此,希望发电机在该范围内运行以保持系统稳定性。
其中为机组i的最小技术出力,为机组i的最大技术出力
3)发电机爬升率:对于负载的任何突然变化,发电机会增加或减少其供电量,以便将功率失配降至零。但是,发电机组只能按照上升和下降速率确定的一定速率改变电源。如果发电机在特定点运行,则其运行点可以改变,直至由斜坡率确定的某个极限。因此,为了更接近实际情况,在处理电力系统经济调度问题时,也需要考虑加速率限制。
式中,dri为机组i的向下爬坡速率值,uri为机组i的向上爬坡速率值
4)禁用区域:可能存在指定范围内的操作区域,系统可能会失去稳定性。这些被称为禁止区和实际操作;这些地区通常在发电过程中被避免。
其中,和分别为第i个机组在第j个工作禁区的下限值和上限值,mi为发电机组i的工作禁区个数。
步骤2.初始化各项参数:解档案个数k,关联度q=0.0001,权值参数ξ=0.85,蚂蚁个数s,优解率r,最大迭代次数iter_max,随机生成k个解;
步骤3.利用电力系统经济调度模型计算解档案中解的适应度值,并根据适应度的值将解进行排序;
步骤4.采用标准蚁群算法更新解档案中的解,具体步骤为:
(4.1)计算解档案中每个解的权重,wi为第i个解在解档案中的权重,定义为:
其中q是算法中的一个参数,被用来平衡局部最优和全局最优。
(4.2)计算选取每个解作为指导解的概率,选取第i个解的概率为:
(4.3)每只蚂蚁根据解档案中解的权重选取一个解Xi=(i=1,2,…,k),分别通过一个高斯函数gi,j(X)对这个解的D个解组件Xi,j(j=1,2,…D)进行取样。每一个高斯函数的均值Ui,j=Xi,j,标准差σi,j为
(4.4)s只蚂蚁都产生新解之后,把这k+s个解重新排序然后选取k个最优的解存储到解档案中。
步骤5.根据参数r计算出m个较优解,具体步骤为:
(5.1)根据适应度值的质量来评价解的质量,只选取一部分质量较优的解进行处理,设这部分解的个数为m,则有m=ceil(r×k)。
步骤6.在m个较优的解里每一个解都选择另外一个解来进行信息交换得到候选解,采用贪婪的方式接受能够改善解的质量的候选解,具体步骤为:
(6.1)在m个较优解中,信息交流策略通过如下公式为每个解Xi,i=1,2,...m确定另一个解Xh,h∈(1,m)进行维变量互换。
(6.2)每个Xi解确定好进行维变量互换的解之后,则产生的新解为:
其中,rand表示产生一个(0,1)之间的随机数,Pj为:
(6.3)通过贪婪的方式确定Xi和哪一个要保留到解档案中去。
步骤7.当前迭代次数加1,判断是否到达最大迭代次数,如果当前迭代次数超过最大迭代次数iter_max,则停止迭代,输出解档案中第一个解作为全局最优值,如果当前迭代次数未超过最大迭代次数iter_max,则跳转到步骤(3);
步骤8.根据得到的解进行电力负荷分配,得到最优电力系统经济调度。
本发明的效果可以通过以下仿真实验进一步说明。
1.仿真条件及参数
本发明方法和基于ACOR的方法、基于DACO的方法、基于HACO的方法、基于ABC的方法、基于PSO的方法做实验对比。ACOR表是标准的连续域蚁群算法,DACO算法和HACO算法是目前较为常用的连续域蚁群算法的改进算法,ABC表示蜂群算法,PSO表示粒子群算法。采用IEEE-30节点标准测试系统。该系统为10机组电力系统,系统总负荷为300MW。具体参数如表1所示:
表1系统燃料耗量的参数和有功功率上下限
燃料耗量系数矩阵如下:
T=0.001*[0.287 0.012 0.0896 0.1471 0.0087 0.3121 0.233 0.1123 0.09120.1121]
L=0.038
实验中基于ACOR的方法参数设置为:蚂蚁个数m=2,解档案个数k=50,q=0.0001,ξ=0.85,基于HACO的方法中学习速率α=0.9。基于DACO的方法参数设置为:m=2,k=50,q=0.9,ξ=0.85。本发明方法参数设置为:m=50,k=50,q=0.0001,ξ=0.85,r=0.2。为了消除因初始值不同而导致结果产生差异,所有算法对每个测试函数运行之前都使用同一组随机生成的初始值。同时,所有算法都独立运行15次,每次运行的最大迭代次数为30000次。
2.仿真内容及结果分析
实验结果如表2所示:
表2电力系统发电机功率输出和总发电成本(300MW)
表2的优化结果表明,在计算电力系统经济调度问题上,本发明方法得到的最优调度方案为:系统总功率300.94MW,网损0.94MW,总费用5988.58($/h),基于ACOR的方法最优调度方案为:系统总功率303.99MW,网损3.99MW,总费用6326.44($/h),基于DACO的方法最优调度方案为:系统总功率306.46MW,网损6.46MW,总费用6645.12($/h),基于HACO的方法最优调度方案为:系统总功率303.17MW,网损3.17MW,总费用6254.75($/h),,基于ABC的方法最优调度方案为:系统总功率301.26MW,网损1.26MW,总费用6114.75($/h),基于PSO的方法最优调度方案为:系统总功率308.19MW,网损8.19MW,总费用6763.32($/h),本发明方法跟其他方法相比,既降低了总功率又降低了总费用,说明改进的蚁群算法在计算电力系统经济调度问题上更有效。
为了测试本发明方法的鲁棒性,将本发明方法和其他方法应用到系统负载为500MW的电力系统中,实验参数同上,实验结果如表3所示。
表3电力系统发电机功率输出和总发电成本(500MW)
从表3可以看出,在500MW负载,本发明方法跟其他方法相比,既降低了总功率又降低了总费用,说明改进的蚁群算法在计算电力系统经济调度问题上更有效。
Claims (2)
1.一种基于信息交流策略连续域蚁群算法的电力系统经济调度方法,其特征在于,包括以下步骤:
(1)建立电力系统经济调度模型:
其中,n为系统发电机组的总个数,F为发电总成本,Fi为机组i的发电成本,ai,bi,ci是机组i的成本系数,pi为机组i的有功输出功率,Vi为阀点效应带来的变化值,di,ei为常数,为机组i的最小技术出力;
电力系统经济调度模型的限制条件为:
(1.1)传输损耗:
其中,Bi,j为耗量系数矩阵B中第i行第j列的系数,Ti为耗量系数矩阵T中第i列的系数,L为燃料耗量系数;
(1.2)运行区域:
其中,为机组i的最小技术出力,为机组i的最大技术出力;
(1.3)发电机爬升率:
其中,dri为机组i的向下爬坡速率值,uri为机组i的向上爬坡速率值,为机组i的初始值;
(1.4)禁用区域:
其中,和分别为第i个机组在第j个工作禁区的下限值和上限值,mi为发电机组i的工作禁区个数;
(2)初始化各项参数:解档案个数k,关联度q=0.000l,权值参数ξ=0.85,蚂蚁个数s,优解率r,最大迭代次数iter_max,随机生成k个解;
(3)利用电力系统经济调度模型计算解档案中解的适应度值,并根据适应度值将解进行排序;
(4)采用标准蚁群算法更新解档案中的解,具体步骤为:
(4.1)计算解档案中每个解的权重,wi为第i个解在解档案中的权重,定义为:
其中,q是算法中的一个参数,被用来平衡局部最优和全局最优;
(4.2)计算选取每个解作为指导解的概率,选取第i个解的概率为:
(4.3)每只蚂蚁根据解档案中解的权重选取一个解Xi,i=1,2,…,k,并分别通过高斯函数gi,j(X)对这个解的D个解组件Xi,j,j=1,2,…D,进行取样;每一个高斯函数的均值Ui,j=Xi,j,标准差σi,j为
(4.4)s只蚂蚁都产生新解之后,把这k+s个解重新排序,然后选取k个最优的解存储到解档案中;
(5)从更新后的解档案中选取m个优质解,m个优质解根据优解率r计算得出,则有m=ceil(r×k),ceil表示向上取整;
(6)在m个优质解中,每一个解都选择另外一个解来进行信息交换,得到候选解,采用贪婪的方式接受能够改善解的质量的候选解;
(7)当前迭代次数加1,判断是否到达最大迭代次数,当前迭代次数超过最大迭代次数iter_max时,则停止迭代,输出解档案中第一个解作为全局最优值;当前迭代次数未超过最大迭代次数iter_max时,则跳转到步骤(3);
(8)根据得到的解进行电力负荷分配,得到最优电力系统经济调度。
2.根据权利要求1所述的一种基于信息交流策略连续域蚁群算法的电力系统经济调度方法,其特征在于,所述的步骤(6)具体为:
(6.1)在m个优质解中,信息交流策略通过如下公式为每个解Xi,i=1,2,...m确定另一个解Xh,h∈(1,m)进行维变量互换;
其中,D表示解的维数;
(6.2)每个Xi解确定好进行维变量互换的解之后,则产生的新解为:
其中,rand表示产生一个(0,1)之间的随机数,Pj为:
(6.3)通过贪婪的方式确定Xi和中哪一个保留到解档案中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810427695.XA CN108565857B (zh) | 2018-05-07 | 2018-05-07 | 基于信息交流策略连续域蚁群算法的电力系统调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810427695.XA CN108565857B (zh) | 2018-05-07 | 2018-05-07 | 基于信息交流策略连续域蚁群算法的电力系统调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108565857A true CN108565857A (zh) | 2018-09-21 |
CN108565857B CN108565857B (zh) | 2021-01-22 |
Family
ID=63538187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810427695.XA Active CN108565857B (zh) | 2018-05-07 | 2018-05-07 | 基于信息交流策略连续域蚁群算法的电力系统调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108565857B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110247436A (zh) * | 2019-06-05 | 2019-09-17 | 东华大学 | 一种基于改进蚁狮优化算法的电力系统经济负荷分配方法 |
CN112000105A (zh) * | 2020-08-31 | 2020-11-27 | 大连理工大学 | 一种基于交流策略蚁群算法的移动机器人路径规划方法 |
CN112926185A (zh) * | 2021-01-26 | 2021-06-08 | 吉林化工学院 | 一种基于改进核搜索优化的电力经济排放调度方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678401A (zh) * | 2015-12-29 | 2016-06-15 | 浙江工业大学 | 一种基于策略适应性差分进化的全局优化方法 |
CN107025501A (zh) * | 2017-04-12 | 2017-08-08 | 广东工业大学 | 一种基于基因编辑差分算法的多燃料经济调度优化方法 |
CN107370191A (zh) * | 2017-07-25 | 2017-11-21 | 中国水利水电科学研究院 | 一种基于改进蚁群算法的火电机组发电计划制作方法 |
-
2018
- 2018-05-07 CN CN201810427695.XA patent/CN108565857B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678401A (zh) * | 2015-12-29 | 2016-06-15 | 浙江工业大学 | 一种基于策略适应性差分进化的全局优化方法 |
CN107025501A (zh) * | 2017-04-12 | 2017-08-08 | 广东工业大学 | 一种基于基因编辑差分算法的多燃料经济调度优化方法 |
CN107370191A (zh) * | 2017-07-25 | 2017-11-21 | 中国水利水电科学研究院 | 一种基于改进蚁群算法的火电机组发电计划制作方法 |
Non-Patent Citations (4)
Title |
---|
ADAM VIKTORIN: "Distance based parameter adaptation for differential evolution", 《2017 IEEE SYMPOSIUM SERIES ON COMPUTATIONAL INTELLIGENCE (SSCI)》 * |
WAEL TAHA ELSAYED: "Improved Random Drift Particle Swarm Optimization With Self-Adaptive Mechanism for Solving the Power Economic Dispatch Problem", 《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》 * |
姜道银等: "一种动态划分的混合连续域蚁群优化算法", 《计算机工程与应用》 * |
拓守恒: "自适应蚁群差分进化算法", 《计算机工程与设计》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110247436A (zh) * | 2019-06-05 | 2019-09-17 | 东华大学 | 一种基于改进蚁狮优化算法的电力系统经济负荷分配方法 |
CN112000105A (zh) * | 2020-08-31 | 2020-11-27 | 大连理工大学 | 一种基于交流策略蚁群算法的移动机器人路径规划方法 |
CN112000105B (zh) * | 2020-08-31 | 2021-07-06 | 大连理工大学 | 一种基于交流策略蚁群算法的移动机器人路径规划方法 |
CN112926185A (zh) * | 2021-01-26 | 2021-06-08 | 吉林化工学院 | 一种基于改进核搜索优化的电力经济排放调度方法 |
CN112926185B (zh) * | 2021-01-26 | 2022-11-22 | 吉林化工学院 | 一种基于改进核搜索优化的电力经济排放调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108565857B (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110729765B (zh) | 一种考虑sop的配电网灵活性评估指标体系和优化调度方法 | |
CN110348048B (zh) | 基于考虑热岛效应负荷预测的配电网优化重构方法 | |
Elazab et al. | Salp swarm algorithm‐based optimal control scheme for LVRT capability improvement of grid‐connected photovoltaic power plants: design and experimental validation | |
Mahapatra et al. | A novel ameliorated Harris hawk optimizer for solving complex engineering optimization problems | |
CN108565857A (zh) | 一种基于信息交流策略连续域蚁群算法的电力系统经济调度方法 | |
CN103219743B (zh) | 基于风电功率波动概率特性的主导节点选择方法 | |
CN112016207B (zh) | 一种发电机组经济负荷分配优化方法 | |
CN109245152B (zh) | 一种基于多目标蚁群算法的微电网负荷分配方法 | |
CN111416356A (zh) | 基于交替方向乘子法及最优潮流的输配电网联动优化方法 | |
Soldevilla et al. | Minimization of losses in power systems by reactive power dispatch using particle swarm optimization | |
Augusteen et al. | Economic and various emission dispatch using differential evolution algorithm | |
CN111049159B (zh) | 一种嵌入深度信念网络的电力系统暂态稳定预防控制方法 | |
CN116388153A (zh) | 一种有源配电网中柔性互联装备优化配置方法 | |
Kherfane et al. | Economic and emission dispatch with renewable energy using HSA | |
Amarnath et al. | STATE OF ART IN OPTIMAL POWER FLOWSOLUTION METHODOLOGIES. | |
CN113255138A (zh) | 一种电力系统负荷分配优化方法 | |
Zhang et al. | Stochastic optimal transmission switching considering N-1 security constraints | |
Rathi et al. | A new hybrid technique for solution of economic load dispatch problems based on biogeography based optimization | |
Niknam et al. | A novel Multi‐objective Fuzzy Adaptive Chaotic PSO algorithm for Optimal Operation Management of distribution network with regard to fuel cell power plants | |
Loganathan et al. | An enhanced time effective particle swarm intelligence for the practical economic load dispatch | |
Al-Amyal et al. | Multistage ant colony algorithm for economic emission dispatch problem | |
CN112183843B (zh) | 一种基于混合智能算法的火电厂负荷优化分配方法 | |
Abou El-Ela et al. | Multi-Objective Fruit Fly Optimization Algorithm for Solving Economic Power Dispatch Problem | |
Doagou-Mojarrad et al. | Probabilistic interactive fuzzy satisfying generation and transmission expansion planning using fuzzy adaptive chaotic binary PSO algorithm | |
Eghbalpour | Application of distributed optimization technique for large-scale optimal power flow problem |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |