基于小種群差分進化算法的電力系統(tǒng)優(yōu)化運行研究.pdf

1、電力系統(tǒng)優(yōu)化運行是降低電力系統(tǒng)發(fā)電成本、提高供電可靠性、電能質(zhì)量、安全供電的有效手段。電力系統(tǒng)優(yōu)化調(diào)度在數(shù)學(xué)模型上是具有大量非線性約束條件以及包含連續(xù)和離散變量的大規(guī)模非線性優(yōu)化問題。傳統(tǒng)優(yōu)化方法大多依賴于優(yōu)化問題數(shù)學(xué)模型的可導(dǎo)性與可微性，其在電力系統(tǒng)優(yōu)化運行應(yīng)用中具有較大的局限性;由于啟發(fā)式進化算法編制相對簡單，處理速度快，具備卓越的約束處理能力，被廣泛應(yīng)用于電力系統(tǒng)優(yōu)化運行問題求解;然而，多數(shù)啟發(fā)式算法往往通過增加種群規(guī)模來獲得較優(yōu)

2、的全局搜索能力，但是大種群所帶來的運算時間是電力系統(tǒng)優(yōu)化運行所不能接受的。
　　針對該問題，本文提出一種基于MPI并行程序設(shè)計的小種群差分進化算法，該算法結(jié)合MPI并行程序特點，將原先單一進程大規(guī)模種群差分進化算法分割成多進程小種群并行差分進化算法;該方法充分利用計算機CPU性能，讓多個進程小種群差分進化算法同時進行差分操作，提高了計算速度。此外，為了避免由于人為給定差分進化控制參數(shù)的不合適造成的早熟收斂等問題，本文采用一種具有自

3、學(xué)習(xí)能力的參數(shù)自適應(yīng)法來設(shè)置差分進化算法的縮放因子和交叉因子?？紤]到各進程種群規(guī)模較小可能陷入局部最優(yōu)陷阱，影響算法的搜索性能;本文在算法搜索中引入遷徙操作，當(dāng)種群的聚集程度達到容忍度上限時，則在當(dāng)前最優(yōu)解附近重新生成符合隨機均勻分布的新種群，這有利于提高算法后期的局部搜索能力。
　　通過對三個經(jīng)典水火電力系統(tǒng)測試算例進行仿真，并將仿真結(jié)果與現(xiàn)有研究成果進行比較，驗證本文所提算法的有效性。同時，本文還構(gòu)建了考慮潮流約束的水火電力系