类进化算法驱动的动态电力经济调度优化

haidaowang

类进化算法驱动的动态电力经济调度优化

摘要:动态电力经济调度(Dynamic Economic Dispatch,DED)属于一种在时间和空间上相互耦合的多阶段动态决策问题,一般被转化为一个高维的约束数值优化问题来求解.本文提出了一种新型全局优化算法--类进化算法( Cluster Evolutionary Algorithm,CEA) ,并将其应用于DED问题的计算.CEA通过聚类过程在进化个体间构建一定结构的连接关系,并利用这种虚拟的簇类化组织来协调和控制群体的优化计算过程,提高算法对高维问题空间的搜索效率和抗早熟能力.在仿真实验中2个DED测试系统被用于对CEA的性能进行检验,其所得最佳计算结果要好于目前已报道的最优解,而实验统计数据则显示CEA是一种求解 DED问题可行且有效的方法.
) _/ b/ y# y0 ^! ?+ T' ~7 y关键词:进化算法;类搜索机制;动态电力经济调度
( [1 a) M) }; q; Z& p- A
9 M$ ?+ g  Y9 A  A! K) c
+ K( S8 }4 B5 {6 q% D% i  d3 G1引言
动态经济调度的目标是在发电机组启停计划已经确定的情况下,依时间顺序计算机组在不同时段的出力数据,以使系统在满足一系列工作约束的条件下总成本最小.该问题决策时间的跨度通常为数小时,其目标函数可表示
7 Z( [" K2 W4 J

游客，如果您要查看本帖隐藏内容请回复

& y+ @9 R7 S# s9 a! v& R$ k5 F

regngfpcb

类进化算法驱动的动态电力经济调度优化