基于文化基因算法的梯级电站负荷分配研究

发布时间：2024-11-02 15:17

　　 为了解决传统基于种群进化的搜索算法求解电站负荷分配中搜索精度低、易陷入局部最优的问题,结合文化基因算法的框架,以粒子群算法(PSO)作为全局搜索策略,分别引入爬山算法(HP)与模拟退火算法(SA)作为局部搜索策略,形成HPMA、SPMA两种文化基因算法。设计了相应的局部搜索激活机制,并针对负荷分配问题初始可行解生成效率低的问题提出了一种初始种群快速生成方法。实例计算表明,两种文化基因算法较单独使用SA、PSO等算法具有更好的求解精度,同时SPMA算法优于HPMA算法,SPMA算法有利于提高了梯级水电站负荷分配问题的求解质量。

【文章页数】：6 页

【部分图文】：

文化基因算法是1989年由Moscato等[7]提出的一种以文化进化过程作为启发,结合基于种群的全局搜索和基于个体的局部搜索的算法。利用种群进化算法解决给定的优化问题时,对种群的个体进行局部搜索提高个体适应度使种群整体先达到一个较好的预备状态,然后进行个体之间的相互操作实现种群进....

由于梯级电站约束多且复杂,负荷分配解空间的范围难以确定、个体维度高,要保证初始种群都为可行解,完全随机的种群初始化方法会耗费大量的计算时间,为此本文提出一种基于梯级出力匹配关系的初始种群快速生成方法,如图2所示。由上下游的水力电力联系和历史数据确定上下游出力比范围ε∈[εˉ....

根据文化基因算法的基本框架,以PSO作为全局搜索策略,以爬山算法和模拟退火算法为全局部搜索策略分别建立HPMA、SPMA,算法流程如图3所示。具体步骤为如下:

以实际运行的梯级总负荷作为负荷分配条件,梯级实际运行总负荷过程如图4所示。由于搜索算法都存在一定随机性,本文对4种算法分别求解5次,结果对比如表2所示,迭代过程如图5所示。图5迭代过程比较曲线

本文编号：4009715