CN113673863A - 一种基于量子天牛须算法的电力系统经济调度方法 - Google Patents
一种基于量子天牛须算法的电力系统经济调度方法 Download PDFInfo
- Publication number
- CN113673863A CN113673863A CN202110953626.4A CN202110953626A CN113673863A CN 113673863 A CN113673863 A CN 113673863A CN 202110953626 A CN202110953626 A CN 202110953626A CN 113673863 A CN113673863 A CN 113673863A
- Authority
- CN
- China
- Prior art keywords
- quantum
- longicorn
- power
- algorithm
- longicorn whisker
- 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
- 241001481710 Cerambycidae Species 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000010248 power generation Methods 0.000 claims abstract description 18
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 15
- 231100000719 pollutant Toxicity 0.000 claims abstract description 15
- 239000002245 particle Substances 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000008602 contraction Effects 0.000 claims description 6
- 230000005428 wave function Effects 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 230000002068 genetic effect Effects 0.000 description 6
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 239000000446 fuel Substances 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 241000257303 Hymenoptera Species 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于量子天牛须算法的电力系统经济调度方法,包括如下步骤:(1)初始化天牛须位置和初始值;(2)将量子行为的搜索机制引入到天牛须算法中,在天牛须位置周围建立Delta量子势阱,形成量子天牛须算法;(3)以发电机组最小总发电功率值为目标函数,建立电力系统经济调度模型;(4)系统经济调度模型在约束条件下基于量子天牛须算法进行寻优,利用最优解计算发电机组最小发电成本和最少污染物排放组合。本发明将量子行为的搜索机制引入到天牛须算法中,在天牛须位置周围建立量子Delta势阱,利用量子理论的概率性和不确定性,有效加快收敛速度,克服了传统搜索方法容易陷入局部最优的缺点,提高搜索结果的准确性。
Description
技术领域
本发明涉及电力系统经济调度技术,特别涉及一种基于量子天牛须算法的电力系统经济调度方法。
背景技术
近年来,人们越来越重视发电厂造成的环境污染,限制污染物的排放成为经济电力调度的一个关键问题。现有经济电力调度大多针对单个发电机的成本函数,然而,一些发电机使用不同的燃料,如煤、天然气或石油,这些燃料的热含量不同,发电机组面临着如何选择最经济的燃料问题。环境经济调度的最终目标是在满足所有发电机组系统负荷要求下,同时以最小的运行成本和排放成本满足系统负荷的要求。
能源领域受到众多学者的关注,为了节约电能,减少产生电能过程中的污染物排放,许多学者在研究过程中构建电力系统模型,使用粒子群、蚂蚁等优化算法求解最优解。
2012年,Yasar等人于International Journal of Electrical Power&EnergySystems提出了Solution to scalarized environmental economic power dispatchproblem by using genetic algorithm,采用遗传算法对环境污染的经济调度问题进行分析,通过对不同方法进行比较得到最优解。
2015年,Ma等人于International Journal of Electrical Power&EnergySystems提出了An improved partheno genetic algorithm for multi-objectiveeconomic dispatch in cascaded hydropower systems(一种基于非均匀变异算子的改进孤雌遗传算法),该算法在非均匀变异算子中引入贪心选择的思想,在初始阶段均匀搜索解空间,在后期局部搜索解空间,避免了随机选择,停留在较好的解区域。
2017年,Shang等人于Journal of Hydrology提出了Improved geneticalgorithm for economic load dispatch in hydropower plants and comprehensiveperformance comparison with dynamic programming method(一种基于遗传算法的经济负荷分配问题求解方法),通过改进遗传算法,降低现有遗传算法的低效,避免涡轮空化。
以上算法在执行过程中无法兼顾损耗和排放两个方面,采用局部搜索技术,无法得到最优解,很容易陷入局部最优,没有对这些极小区域进行充分探索,导致遗漏发现更好解的可能性。
发明内容
发明目的:针对以上问题,本发明目的是提供一种基于量子天牛须算法的电力系统经济调度方法。
技术方案:本发明的一种基于量子天牛须算法的电力系统经济调度方法,包括如下步骤:
(1)初始化天牛须位置和初始值;
(2)将量子行为的搜索机制引入到天牛须算法中,在天牛须位置周围建立Delta量子势阱,形成量子天牛须算法;
(3)以发电机组最小总发电功率值为目标函数,建立电力系统经济调度模型;
所述经济调度模型包括发电成本、污染物排放和约束条件;
(4)系统经济调度模型在约束条件下基于量子天牛须算法进行寻优,利用最优解计算发电机组最小发电成本和最少污染物排放组合。
进一步,步骤(1)在搜索空间中随机初始化天牛须,质心位置表示为x,右须坐标表示为xr,左须坐标表示为xl,初始化迭代次数t=0;
左、右须坐标表达式为:
进一步,所述步骤(2)量子天牛须算法包括:
(201)计算量子运动方式:
根据量子物理学确定物体的运动描述方式为:
推算出密哈顿算子表达式为:
则在一维Delta势阱中的势能表示为:
V(x)=-εζ(x-q0)=-εζ(y)
其中,q0为Delta势阱中心,ε为Delta函数的强度,ζ表示狄拉克Delta函数,y=x-q0;
根据薛定谔方程,得到归一化波函数为:
其中,D为Delta势阱特征长度;
推导出物体的运动方式为:
其中,rand是在[0,1]上均匀分布的随机数;
(202)将量子运动方式加入到天牛须算法中:
粒子在量子空间中运动寻找目标方向,然后引入到天牛须算法中更新搜索范围,更新后的搜索范围表示为:
其中,t表示迭代次数,randr,l是[0,1]范围内的随机值,l,r分别表示胡须的左方向、右方向;Di由天牛须的最后一个搜索位置确定,表达式为:
Di=2c|xo-xi|
其中,c表示收缩膨胀系数,xo表示初始位置,xi表示当前位置,
收缩膨胀系数表达式为:
其中,Gmax是最大迭代次数,c1和c2是用来限制c范围的两个参数,即c∈[c2,c1*c2];
(203)迭代表达为:
其中,τ表示的搜索步长,f(xl)、f(xr)分别表示左、右须适应度值。
进一步,所述发电成本表达式为:
PG是发电机组实际输出功率的向量组,表达式为:
PG=[PG1,PG2,...,PGM]。
进一步,所述污染物排放采用多项式和指数项组合来表示,表达式为:
其中,δi、βi、ηi、γi和λi表示第i个发电机发射特性系数。
进一步,所述约束条件包括发电能力限制和功率平衡约束;
所述发电能力限制包括:
对于正常运行的系统,各发电机实际输出功率受上下阈值的限制,表示为:
所述功率平衡约束表达式为:
其中,PD表示系统总需求功率,PL表示输电线路损耗功率。
进一步,所述步骤(3)目标函数表达式为:
f(x)=ωC1(PG)+(1-ω)φC2(PG)+K(PD+PL)
式中,ω表示权重因子,表明相关目标的相对重要性,φ表示比例因子,k表示罚函数的罚系数。
进一步,所述步骤(4)寻优过程为:
以约束条件为量子天牛须算法中的搜索空间,以目标函数为量子天牛须算法中的待优化函数进行寻优,计算每次迭代时目标函数值,确定最小值为最优解;检查是否已满足迭代停止条件,如果满足,则停止迭代并返回最优解;否则继续进行迭代,寻找最优解。
进一步,所述迭代停止条件为预先设置的迭代次数。
有益效果:本发明与现有技术相比,其显著优点是:本发明将量子行为的搜索机制引入到天牛须算法中,在天牛须位置周围建立量子Delta势阱,利用量子理论的概率性和不确定性,有效加快收敛速度,克服了传统搜索方法容易陷入局部最优的缺点,提高搜索结果的准确性;将量子天牛须算法应用到电力系统经济调度中,计算出在约束条件下的最低功率值以达到最小发电成本和最少污染物排放。
附图说明
图1为本发明流程图;
图2为量子天牛须算法与传统粒子群算法和蚁群算法在测试系统测试中污染物排放对比。
具体实施方式
本实施例所述的一种基于量子天牛须算法的电力系统经济调度方法,包括如下步骤,流程图如图1所示。
(1)初始化天牛须位置和初始值:
在搜索空间中随机初始化天牛须,质心位置表示为x,右须坐标表示为xr,左须坐标表示为xl,初始化迭代次数t使其为0;
左、右须坐标表达式为:
(2)在天牛须算法中引入量子理论,天牛须搜索范围考虑量子形式,形成量子天牛须算法:
(201)计算量子运动方式:
根据量子物理学确定物体的运动描述方式为:
推算出密哈顿算子表达式为:
则在一维Delta势阱中的势能表示为:
V(x)=-εζ(x-q0)=-εζ(y)
其中,q0为Delta势阱中心,ε为Delta函数强度,ζ表示狄拉克Delta函数,y=x-q0;根据薛定谔方程,得到归一化波函数为:
其中,D为Delta势阱特征长度;
推导出物体的运动方式为:
其中,rand是在[0,1]上均匀分布的随机数;
(202)将量子运动方式加入到天牛须算法中:
粒子在量子空间中运动寻找目标方向,然后引入到天牛须算法中更新搜索范围,更新后的搜索范围表示为:
其中,t表示迭代次数,randr,l是[0,1]范围内的随机值,l,r分别表示胡须的左方向、右方向;Di由天牛须的最后一个搜索位置确定,表达式为:
Di=2c|xo-xi|
其中,c表示收缩膨胀系数,xo表示初始位置,xi表示当前位置,
收缩膨胀系数c表达式为:
其中,Gmax是最大迭代次数,c1和c2是用来限制c范围的两个参数,即c∈[c2,c1*c2];
(203)制定搜索行为给出以下迭代表达式为:
其中,τ表示的搜索步长,f(xl)、f(xr)分别表示左、右须适应度值。
(3)以发电机组最小总发电功率值为目标函数,建立电力系统经济调度模型;其中经济调度模型包括发电成本、污染物排放和约束条件。
发电成本表达式为:
PG是发电机组实际输出功率的向量组,表达式为:
PG=[PG1,PG2,...,PGM]。
在发电行业中考虑做多排放量是二氧化硫(SO2)和氮氧化物(NOx),对应的污染物排放采用多项式和指数项组合来表示,表达式为:
其中,δi、βi、ηi、γi和λi表示第i个发电机发射特性系数。
约束条件包括发电能力限制和功率平衡约束;
其中发电能力限制包括:
对于正常运行的系统,各发电机实际输出功率受上下阈值的限制,表示为:
所述功率平衡约束表达式为:
其中,PD表示系统总需求功率,PL表示输电线路损耗功率。
所以,目标函数表达式为:
f(x)=ωC1(PG)+(1-ω)φC2(PG)+K(PD+PL)
式中,ω表示权重因子,表明相关目标的相对重要性,φ表示比例因子,k表示罚函数的罚系数。
(4)系统经济调度模型在约束条件下基于量子天牛须算法进行寻优,利用最优解计算发电机组最小发电成本和最少污染物排放组合:
以约束条件为量子天牛须算法中的搜索空间,以目标函数为量子天牛须算法中的待优化函数进行寻优,计算每次迭代时目标函数值,确定最小值为最优解;检查是否已满足迭代停止条件,如果满足,则停止迭代并返回最优解;否则继续进行迭代,寻找最优解。
为了展示本发明优异性,本实施例仿真采用14机组发电机系统,采用粒子群优化算法、蚁群算法以及基于本实施例的量子天牛须算法分别得到的经济调度统计结果进行对比,在仿真时,迭代次数设置为t=100次,c1=1,c2=0.5。表1为三种算法在测试系统测试中发电功率的对比(单位:毫瓦),使用量子天牛须算法最终使用的发电功率仅为1035.3656毫瓦。
表1(单位:毫瓦)
图2为三种算法在测试系统测试中污染物排放对比,加入量子理论的天牛须算法在收敛速度上在迭代初期比粒子群和蚁群算法速度更快,在迭代次数为25次左右时粒子群算法和蚁群算法陷入局部最优解,但量子天牛须算法跳出了局部最优解,最终量子天牛须算法求得最低排放量为33.78ton/hour。从实验来看量子天牛须算法显示出更好的全局搜索性能和收敛速度。
Claims (9)
1.一种基于量子天牛须算法的电力系统经济调度方法,其特征在于,包括如下步骤:
(1)初始化天牛须位置和初始值;
(2)将量子行为的搜索机制引入到天牛须算法中,在天牛须位置周围建立Delta量子势阱,形成量子天牛须算法;
(3)以发电机组最小总发电功率值为目标函数,建立电力系统经济调度模型;
所述经济调度模型包括发电成本、污染物排放和约束条件;
(4)系统经济调度模型在约束条件下基于量子天牛须算法进行寻优,利用最优解计算发电机组最小发电成本和最少污染物排放组合。
3.根据权利要求2所述的电力系统经济调度方法,其特征在于,所述步骤(2)量子天牛须算法包括:
(201)计算量子运动方式:
根据量子物理学确定物体的运动描述方式为:
推算出密哈顿算子表达式为:
则在一维Delta势阱中的势能表示为:
V(x)=-εζ(x-q0)=-εζ(y)
其中,q0为Delta势阱中心,ε为Delta函数的强度,ζ表示狄拉克Delta函数,y=x-q0;
根据薛定谔方程,得到归一化波函数为:
其中,D为Delta势阱特征长度;
推导出物体的运动方式为:
其中,rand是在[0,1]上均匀分布的随机数;
(202)将量子运动方式加入到天牛须算法中:
粒子在量子空间中运动寻找目标方向,然后引入到天牛须算法中更新搜索范围,更新后的搜索范围表示为:
其中,t表示迭代次数,randr,l是[0,1]范围内的随机值,l,r分别表示胡须的左方向、右方向;Di由天牛须的最后一个搜索位置确定,表达式为:
Di=2c|xo-xi|
其中,c表示收缩膨胀系数,xo表示初始位置,xi表示当前位置,
收缩膨胀系数表达式为:
其中,Gmax是最大迭代次数,c1和c2是用来限制c范围的两个参数,即c∈[c2,c1*c2];
(203)迭代表达为:
其中,τ表示的搜索步长,f(xl)、f(xr)分别表示左、右须适应度值。
7.根据权利要求6所述的电力系统经济调度方法,其特征在于,所述步骤(3)目标函数表达式为:
f(x)=ωC1(PG)+(1-ω)φC2(PG)+K(PD+PL)
式中,ω表示权重因子,表明相关目标的相对重要性,φ表示比例因子,k表示罚函数的罚系数。
8.根据权利要求7所述的电力系统经济调度方法,其特征在于,所述步骤(4)寻优过程为:
以约束条件为量子天牛须算法中的搜索空间,以目标函数为量子天牛须算法中的待优化函数进行寻优,计算每次迭代时目标函数值,确定最小值为最优解;检查是否已满足迭代停止条件,如果满足,则停止迭代并返回最优解;否则继续进行迭代,寻找最优解。
9.根据权利要求8所述的电力系统经济调度方法,其特征在于,所述迭代停止条件为预先设置的迭代次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110953626.4A CN113673863B (zh) | 2021-08-19 | 2021-08-19 | 一种基于量子天牛须算法的电力系统经济调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110953626.4A CN113673863B (zh) | 2021-08-19 | 2021-08-19 | 一种基于量子天牛须算法的电力系统经济调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113673863A true CN113673863A (zh) | 2021-11-19 |
CN113673863B CN113673863B (zh) | 2023-07-07 |
Family
ID=78543888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110953626.4A Active CN113673863B (zh) | 2021-08-19 | 2021-08-19 | 一种基于量子天牛须算法的电力系统经济调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113673863B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066281A (zh) * | 2021-11-23 | 2022-02-18 | 吉林化工学院 | 一种布谷鸟与蝙蝠混合优化的电力经济排放调度方法 |
CN114066282A (zh) * | 2021-11-23 | 2022-02-18 | 吉林化工学院 | 一种基于混合核搜索和黏菌优化的电力经济排放调度方法 |
CN114501428A (zh) * | 2022-01-26 | 2022-05-13 | 哈尔滨工程大学 | 一种智能反射面的安全Massive MIMO系统资源分配方法 |
CN116105743A (zh) * | 2023-04-17 | 2023-05-12 | 山东大学 | 一种联邦滤波系统信息因子分配方法及水下导航系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109636046A (zh) * | 2018-12-17 | 2019-04-16 | 广东电网有限责任公司 | 一种基于天牛须算法的智能经济调度方法及设备 |
CN109756910A (zh) * | 2019-01-02 | 2019-05-14 | 河海大学 | 基于改进天牛须搜索算法的无人机网络资源分配方法 |
CN111859714A (zh) * | 2020-08-03 | 2020-10-30 | 国网重庆市电力公司电力科学研究院 | 工频电场强度计算方法、系统及工频电场屏蔽装置 |
CN112564125A (zh) * | 2020-12-14 | 2021-03-26 | 辽宁电能发展股份有限公司 | 一种基于变步长天牛须算法的配电网动态无功优化方法 |
CN112598313A (zh) * | 2020-12-29 | 2021-04-02 | 南方电网数字电网研究院有限公司 | 基于天牛须搜索算法的用电调度方法、装置和计算机设备 |
-
2021
- 2021-08-19 CN CN202110953626.4A patent/CN113673863B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109636046A (zh) * | 2018-12-17 | 2019-04-16 | 广东电网有限责任公司 | 一种基于天牛须算法的智能经济调度方法及设备 |
CN109756910A (zh) * | 2019-01-02 | 2019-05-14 | 河海大学 | 基于改进天牛须搜索算法的无人机网络资源分配方法 |
CN111859714A (zh) * | 2020-08-03 | 2020-10-30 | 国网重庆市电力公司电力科学研究院 | 工频电场强度计算方法、系统及工频电场屏蔽装置 |
CN112564125A (zh) * | 2020-12-14 | 2021-03-26 | 辽宁电能发展股份有限公司 | 一种基于变步长天牛须算法的配电网动态无功优化方法 |
CN112598313A (zh) * | 2020-12-29 | 2021-04-02 | 南方电网数字电网研究院有限公司 | 基于天牛须搜索算法的用电调度方法、装置和计算机设备 |
Non-Patent Citations (1)
Title |
---|
刘岩;柳强;: "基于天牛须搜索粒子群优化的改进克里金模型", 国外电子测量技术 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066281A (zh) * | 2021-11-23 | 2022-02-18 | 吉林化工学院 | 一种布谷鸟与蝙蝠混合优化的电力经济排放调度方法 |
CN114066282A (zh) * | 2021-11-23 | 2022-02-18 | 吉林化工学院 | 一种基于混合核搜索和黏菌优化的电力经济排放调度方法 |
CN114501428A (zh) * | 2022-01-26 | 2022-05-13 | 哈尔滨工程大学 | 一种智能反射面的安全Massive MIMO系统资源分配方法 |
CN116105743A (zh) * | 2023-04-17 | 2023-05-12 | 山东大学 | 一种联邦滤波系统信息因子分配方法及水下导航系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113673863B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113673863A (zh) | 一种基于量子天牛须算法的电力系统经济调度方法 | |
CN108038306A (zh) | 一种面向海量高维数据的电站锅炉燃烧建模及优化的方法 | |
CN112016207B (zh) | 一种发电机组经济负荷分配优化方法 | |
CN111780759A (zh) | 一种基于改进遗传算法的移动机器人路径规划方法 | |
CN112115544A (zh) | 一种基于改进遗传算法的火箭轨迹优化方法 | |
CN112670984A (zh) | 一种基于改进鲸鱼算法的电力系统经济负荷分配方法 | |
CN110793059A (zh) | 锅炉智能燃烧综合优化控制方法 | |
CN111353738A (zh) | 一种应用改进的混合免疫算法优化物流配送中心选址方法 | |
Mahdi et al. | Quantum particle swarm optimization for multiobjective combined economic emission dispatch problem using cubic criterion function | |
CN108565857B (zh) | 基于信息交流策略连续域蚁群算法的电力系统调度方法 | |
Augusteen et al. | Economic and various emission dispatch using differential evolution algorithm | |
Mohanty et al. | A hybrid chemical reaction-particle swarm optimisation technique for automatic generation control | |
Talbi et al. | Solution of economic and environmental power dispatch problem of an electrical power system using BFGS-AL algorithm | |
Hakli | A new approach for wind turbine placement problem using modified differential evolution algorithm | |
CN115241923A (zh) | 一种基于蛇优化算法的微电网多目标优化配置方法 | |
Sinha et al. | PSO embedded evolutionary programming technique for nonconvex economic load dispatch | |
CN106777521B (zh) | 基于双链量子遗传算法的发电机组涉网参数优化方法 | |
Xia et al. | A new multi‐objective hybrid optimization algorithm for wind‐thermal dynamic economic emission power dispatch | |
CN109950933B (zh) | 一种基于改进粒子群算法的风光储联合调峰优化方法 | |
CN112183843B (zh) | 一种基于混合智能算法的火电厂负荷优化分配方法 | |
CN114995413A (zh) | 基于改进遗传算法的智能小车路径规划方法 | |
Afandi et al. | Comparison of ABC and genetic algorithms on economic power dispatch | |
Raj et al. | Regular paper optimal power flow solution for combined economic emission dispatch problem using particle swarm optimization technique | |
Cao et al. | Wake-based wind turbine optimisations under yawed conditions | |
Zhang et al. | Improved Genetic Algorithms for Mobile Robot Path Planning |
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 |