版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、電力經(jīng)濟(jì)負(fù)荷分配問題(economic load dispatch,簡稱ELD)是電力系統(tǒng)運(yùn)營中面臨的一類優(yōu)化問題。由于該問題可歸為一類高維、非線性、多約束的函數(shù)優(yōu)化問題,因此尋找一種高效的函數(shù)優(yōu)化算法成為了求解這類問題的關(guān)鍵。進(jìn)化算法(evolutionary algorithms,簡稱EAs)是一種模擬自然進(jìn)化過程的全局優(yōu)化方法,實(shí)踐證明EA是一種有效的函數(shù)優(yōu)化算法,但其收斂速度慢,容易早熟等缺點(diǎn)嚴(yán)重影響著EA的實(shí)用效果。本文通過引
2、入族群進(jìn)化的思想和方法,設(shè)計(jì)了一種新的進(jìn)化算法-族群進(jìn)化算法(ethnic group evolution algorithm,簡稱EGEA)。通過對大量無約束最優(yōu)化問題和約束最優(yōu)化問題的優(yōu)化實(shí)驗(yàn)證明EGEA具有較好的搜索效率和抗早熟能力,是一種有效的函數(shù)優(yōu)化算法。在此基礎(chǔ)上,本研究成功將EGEA應(yīng)用到了電力經(jīng)濟(jì)負(fù)荷分配中。主要工作包括以下內(nèi)容:提出了族群進(jìn)化的基本概念和方法,并首先從二進(jìn)制編碼這個角度來嘗試進(jìn)行族群聚類,實(shí)現(xiàn)了一種族群
3、進(jìn)化算法-EGEA/Binary。該算法使用競爭指數(shù)作為評估個體價值的指標(biāo),并基于族群組織來控制群體的繁殖過程,同時利用族群的分類能力來篩選典型個體并挖掘蘊(yùn)含于其中的經(jīng)驗(yàn)性知識。族群的繁殖和自學(xué)習(xí)過程形成了一種互補(bǔ)的進(jìn)化模式,本研究稱之為雙軌協(xié)同進(jìn)化機(jī)制。通過對18個各種類型UCOP的優(yōu)化實(shí)驗(yàn)表明EGEA/Binary不僅是可行的,而且是有效的。由于EGEA/Binary具有特殊的群體結(jié)構(gòu),常規(guī)的選擇方式并不完全適合于EGEA/Bina
4、ry的迭代過程,因此提出了一種基于競爭指數(shù)的模擬退火排序選擇算子,通過對12個高維UCOP的優(yōu)化實(shí)驗(yàn)證明該算子是一種適合于EGEA/Binary的選擇模式,它不僅易于操作而且能夠在保證EGEA/Binary收斂穩(wěn)定性的同時顯著提高該算法的收斂速度。通過分析交叉點(diǎn)規(guī)模對交叉算子空間搜索能力的影響,發(fā)現(xiàn)隨群體狀態(tài)的演變交叉算子對交叉點(diǎn)規(guī)模的選擇是一個需要動態(tài)優(yōu)化的過程。針對此問題提出了使用分階段調(diào)整策略、隨機(jī)分配策略以及白適應(yīng)進(jìn)化策略三種方
5、法來對交叉點(diǎn)規(guī)模進(jìn)行動態(tài)調(diào)控,并提出利用自適應(yīng)進(jìn)化策略來發(fā)現(xiàn)交叉點(diǎn)規(guī)??刂浦R,而將產(chǎn)生的知識應(yīng)用于隨機(jī)分配策略中作為實(shí)際應(yīng)用的方法。對多個UCOP的實(shí)驗(yàn)也證明了這種交叉模式的優(yōu)越性能。將這種交叉模式應(yīng)用于EGEA/Binary的實(shí)驗(yàn)結(jié)果顯示,它能夠顯著提高EGEA/Binary的搜索效率。針對二進(jìn)制編碼的缺陷提出將族群進(jìn)化機(jī)制擴(kuò)展到基于實(shí)數(shù)編碼的進(jìn)化算法,并設(shè)計(jì)了一種利用層次聚類過程針對實(shí)數(shù)編碼個體進(jìn)行的族群聚類方法,同時實(shí)現(xiàn)了另一種
6、族群進(jìn)化算法-EGEA/Hierarchic。使用10個高維UCOP和6個混合函數(shù)以及13個標(biāo)準(zhǔn)COP來測試EGEA/Hierarchic的性能,實(shí)驗(yàn)結(jié)果與權(quán)威文獻(xiàn)中其它典型算法實(shí)驗(yàn)數(shù)據(jù)的比較顯示EGEA/Hierarchic是一種有競爭力的函數(shù)優(yōu)化算法。提出應(yīng)用EGEA/Binary與EGEA/Hierarchic兩種有效的EGEA來求解ELD問題,并對IEEE的3機(jī)6母線系統(tǒng)、3機(jī)系統(tǒng)、6機(jī)系統(tǒng)、15機(jī)系統(tǒng)以及20機(jī)系統(tǒng)5個仿真系統(tǒng)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 進(jìn)化算法及其在全局優(yōu)化和VRP中的應(yīng)用.pdf
- 多目標(biāo)進(jìn)化算法及其在機(jī)組負(fù)荷分配中的應(yīng)用研究.pdf
- PSO算法在電力系統(tǒng)無功優(yōu)化和經(jīng)濟(jì)負(fù)荷分配中的應(yīng)用研究.pdf
- 多目標(biāo)進(jìn)化算法的研究及其在負(fù)荷分配中的應(yīng)用.pdf
- 進(jìn)化算法研究及其在電力無功優(yōu)化中的應(yīng)用.pdf
- 基于趨向變化的和聲搜索算法及其在電力負(fù)荷分配中的應(yīng)用研究.pdf
- 免疫進(jìn)化算法在函數(shù)優(yōu)化中的應(yīng)用.pdf
- 高效全局優(yōu)化算法及其在團(tuán)簇優(yōu)化中的應(yīng)用研究.pdf
- 智能算法在經(jīng)濟(jì)負(fù)荷分配中的應(yīng)用.pdf
- 多智能體進(jìn)化算法在火電廠負(fù)荷優(yōu)化分配中的應(yīng)用.pdf
- 克隆選擇算法及其在高維全局函數(shù)優(yōu)化中的應(yīng)用.pdf
- 多目標(biāo)進(jìn)化算法及其在約束優(yōu)化中的應(yīng)用研究.pdf
- 差分進(jìn)化算法及其在電力系統(tǒng)調(diào)度優(yōu)化中的應(yīng)用研究.pdf
- 改進(jìn)微分進(jìn)化算法在負(fù)荷建模中應(yīng)用研究.pdf
- 差分演化算法及其在函數(shù)優(yōu)化中的應(yīng)用研究.pdf
- 差分進(jìn)化算法改進(jìn)研究及其在鋁熱連軋負(fù)荷分配中的應(yīng)用.pdf
- 基于改進(jìn)差分進(jìn)化算法的電力系統(tǒng)經(jīng)濟(jì)負(fù)荷分配研究.pdf
- 多目標(biāo)進(jìn)化算法及其在電力系統(tǒng)中的應(yīng)用研究.pdf
- 全局優(yōu)化中的填充函數(shù)算法及應(yīng)用.pdf
- 改進(jìn)的人工蜂群算法及其在經(jīng)濟(jì)負(fù)荷分配中的應(yīng)用.pdf
評論
0/150
提交評論