改进的粒子群算法在多目标电力系统优化中的应用

发布时间：2017-11-07 03:38

  本文关键词：改进的粒子群算法在多目标电力系统优化中的应用

  更多相关文章： 改进多目标粒子群寻优算法 Pareto前沿 随机黑洞策略 NSGA-II非支配排序 拥挤距离排序

【摘要】：随着“十三五”规划的全面部署和实施,我国的经济发展进入了一个全新的阶段。各行各业发迅速发展对电力行业提出了更高的要求,电力行业作为支撑着国家经济、社会、民生命脉的根基性行业将面临着重大的改进。目前,伴随着经济的发展和人民生活水平的提高,用户对电能的要求不断提升,既需要保证供电可靠性,也要考虑到电能质量、电能生产的经济性以及电能生产与环境保护的关系。从全球能源方面来看,煤、石油、天然气等不可再生能源的枯竭以及燃烧这些不可再生能源对环境造成的污染,这些都使得电力行业需要生产清洁环保的电能。现代电力的发展已经进入到了多效益时代,关乎全球资源、环境保护和可持续发展。同时,用户对电能质量和可靠性的要求不断提高,未来电力事业的发展需朝着向更加安全可靠、清洁环保的优质电能的发、输、配、变发展。目前,我国已经进入了电力全面建设的阶段。在电力建设中,合理的发、输、配、变规划不仅增强了电网的可靠性,而且提高了电网的经济性,节省了人力和财力。因此,电力系统中的优化问题亟待解决,电能的发电指标有待优化,电能的远距离传输有待优化,电压质量有待优化。然而,电力系统中的优化问题存在非线性,多约束,非凸性,高维等难题。首先,常规的数学计算很难求解此类问题;其次,涉及到电力系统多目标优化问题传统方法常常将多个目标通过加权方式简单地将多目标转化为单目标来求解,忽略了各个目标函数之间的关系,权重系数的取值也不够科学,不能给决策者提供多组合适的解。本文针对以上问题提出了一种改进的多目标粒子群算法,该算法在经典粒子群算法的基础上,引入随机黑洞策略、惯性权重和学习因子的动态更新、NSGA-II非支配排序、拥挤距离排序、领导粒子的选择、小概率随机突变等方法,加快了算法的收敛速度,提高了收敛精度;计算结果随机性小,稳定性好;形成了Pareto前沿解集,解的分布更加均匀并且更具有多样性;为决策者提供多组Pareto前沿可行解,达到了较好的辅助决策作用。最后,将本文所提改进多目标粒子群优化算法应用于电力系统中火电厂的环保经济调度计算,求解既经济又环保的火电厂发电调度方案;应用于电力系统中的梯级水电站多目标短期优化调度计算,求解梯级水电站的优化调度方案;应用于电力系统中的无功优化计算,求解满足有功网损小、电压质量和稳定性好的最优无功分配方案。计算结果提供Pareto最优前沿和多个满足条件的可行解,供决策者辅助决策。
【学位授予单位】：贵州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM73;TP18

【相似文献】

中国期刊全文数据库 前10条

1 全芙蓉;;粒子群算法的理论分析与研究[J];硅谷;2010年23期

2 吴军;李为吉;;改进的粒子群算法及在结构优化中的应用[J];陕西理工学院学报(自然科学版);2006年04期

3 段海涛;刘永忠;冯霄;;水系统优化的粒子群算法分析[J];华北电力大学学报(自然科学版);2007年02期

4 王伟;;混合粒子群算法及其优化效率评价[J];中国水运(学术版);2007年06期

5 付宜利;封海波;孙建勋;李荣;马玉林;;机电产品管路自动敷设的粒子群算法[J];机械工程学报;2007年11期

6 蒋荣华;王厚军;龙兵;;基于离散粒子群算法的测试选择[J];电子测量与仪器学报;2008年02期

7 周苗;陈义保;刘加光;;一种新的协同多目标粒子群算法[J];山东理工大学学报(自然科学版);2008年05期

8 姚峰;杨卫东;张明;;改进粒子群算法及其在热连轧负荷分配中的应用[J];北京科技大学学报;2009年08期

9 张大兴;贾建援;张爱梅;郭永献;;基于粒子群算法的三轴跟瞄装置跟踪策略研究[J];仪器仪表学报;2009年09期

10 王丽萍;江波;邱飞岳;;基于决策偏好的多目标粒子群算法及其应用[J];计算机集成制造系统;2010年01期

中国重要会议论文全文数据库 前10条

1 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

2 陈定;何炳发;;一种新的二进制粒子群算法在稀疏阵列综合中的应用[A];2009年全国天线年会论文集（上）[C];2009年

3 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

4 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年

5 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

6 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年

7 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

8 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

9 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年

10 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国（天津）’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年

中国博士学位论文全文数据库 前10条

1 李庆伟;粒子群算法及电厂若干问题的研究[D];东南大学;2016年

2 杜毅;多阶段可变批生产线重构的研究[D];广东工业大学;2016年

3 王芳;粒子群算法的研究[D];西南大学;2006年

4 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年

5 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年

6 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年

7 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年

8 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年

9 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年

10 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年

中国硕士学位论文全文数据库 前10条

1 张忠伟;结构优化中粒子群算法的研究与应用[D];大连理工大学;2009年

2 李强;基于改进粒子群算法的艾萨炉配料优化[D];昆明理工大学;2015年

3 付晓艳;基于粒子群算法的自调节隶属函数模糊控制器设计[D];河北联合大学;2014年

4 余汉森;粒子群算法的自适应变异研究[D];南京信息工程大学;2015年

5 梁计锋;基于改进粒子群算法的交通控制算法研究[D];长安大学;2015年

6 王伟;大型螺纹旋风硬铣削数值模拟及工艺参数优化[D];浙江大学;2016年

7 李玲玉;基于粒子群算法的城市轨道交通列车节能优化研究[D];北京交通大学;2016年

8 苗冬云;基于改进粒子群算法的云任务调度方案研究[D];安徽财经大学;2015年

9 蒋晓\~;粒子群算法在多维优化问题中的改进研究[D];浙江理工大学;2016年

10 刘角;生态系统粒子群算法及其在阵列天线方向图优化中的应用[D];太原理工大学;2016年

，

本文编号：1150695