12132学期电力系统最优运行复习提纲.docxVIP

12132学期《电力系统最优运行》复习提纲第一章 绪论1.电力系统最优运行问题的一般形式，常见的优化变量、状态变量、约束条件。 一般形式：（1-1）其中，常见优化变量：发电机有功出力/节点电压，负荷，电容器投切，变压器变比，开关；常见状态变量：PQ节点电压，线路潮流；。2.对于函数，梯度向量和海森矩阵的定义。 设为定义域D内的一个点，则函数在这一点附近的泰勒级数展开式（取到二次项）写成矩阵形式为（1-2）其中（1-3）称为在点的梯度向量，或简称梯度，（1-4）称为函数在点的海森矩阵。当在域D内具有连续二阶偏导数时，有（1-5）此时，海森矩阵为对称矩阵。3.局部极小点、严格局部极小点、全局极小点、严格全局极小点的概念。对于点，如果存在某个，使对于与的距离小于的所有点，均满足不等式，则称为在域D上的局部极小点。若对于所有且与的距离小于的，满足，则称为在D上的严格局部极小点，称为严格局部极小值。如果点对于所有点都满足，则称为在域D上的全局极小点，为全局极小值。若对于所有，但，都有，则称为在D上的严格全局极小点，为严格全局极小值。4.极值存在的必要条件和充分条件。必要条件 对于定义在域上的定值函数，若在点处可微，则在点上取局部极小（或极大）值的必要条件是（1-6）将它写成向量形式（1-7）即如果为在D上的局部极小（或极大）点，则在点处的梯度必须等于零。满足式（1-6）或（1-7）条件的点称为驻点。因此，在区域内部，极值点必为驻点，但驻点不一定是极值点。充分条件 若在点上的梯度，且在点上具有连续的二阶偏导数，则当海森矩阵为正定矩阵时，在上取严格局部极小值。5.凸集和凸函数的定义，凸函数定理。设D为中的一个集合，如果对于其中的任意两点、，其连线上的所有点都属于集合D，则称D为中的一个凸集。、连线上的所有点，可以用数学式表示为（1-8）设为定义在中某个凸集D上的函数，若对于任何实数以及D中任意两点和，均满足（1-9）则称为凸集D上的凸函数。更严格些，如果对任意实数及D中任意两个不同点和，恒有（1-10）则称为D上的严格凸函数。定理 若为凸集D上的连续可微凸函数，为D集的一个内点，且满足，则为在D上的全局极小点。上述定理说明，只要判断一个函数为凸函数，则它的局部极小点便是全局极小点，而且极小点的充要条件是在该点函数的梯度为零。如果该函数为严格凸函数，则得出的极小点为全局严格极小点。第二章 线性规划1.线性规划的标准形式，以及非标准形式的处理。标准形式：（2-1）其中，。非标准形式的转化方法：（1）对于不等式约束条件，如（或），可以引入松弛变量，将它转化为（或）并对松弛变量增加约束条件，然后将归并到问题的总变量中去，从而应用扩大变量的方法，将所有的不等式约束条件转化为式（2-1）的等式约束条件形式。（2）如果对于某一变量，例如原来并没有非负约束要求，即它是一个自由变量，则可以将用另外两个变量及代替，使，然后将它代入目标函数及各等式约束条件中去，通过扩大变量的方法使之化成标准形式。（3）如果所得出的等式约束条件（2-1）不满足的要求，则可将等式两端同时乘以，使之满足。（4）对于求极大值问题，可以转换成求极小值问题，即式（2-1）可以写成下列矩阵形式（2-2）其中x为变量所组成的n维向量，c为n维常数向量，b为m维常数向量，A为常数矩阵，它们的元素可由式（2-1）对照而得。向量b称为约束向量，c称为价值向量。2.针对线性规划系数矩阵A的不同情况，判定解的情况。设矩阵A各行之间线性不相关，即A的秩为m，则：（1）当时，A为欠定矩阵，优化问题有多解；（2）当时，A为正定矩阵，优化问题有唯一解；（3）当时，A为超定矩阵，优化问题无解。3.基向量、基变量、基底矩阵、基本解、非基向量、非基变量的概念。对于式（2-2）在A中任取一组m个线性无关的列组成一个m阶非奇异方阵B。在x中，与组成B的各列所对应的分量称为基变量，其它的个分量称为非基变量。如果令非基变量都等于零，则由式（2-2）得出的解x称为与B相对应的基本解。在A中，与基变量相对应的列向量称为基向量，否则称为非基向量。B称为基底矩阵或者简称基底。显然，基本解的个数最多为组合数。4.可行解、基本可行解、退化基本解、最优可行解、最优基本可行解的概念。如果在基本解中，基变量有一个或多个取值为零，则称此基本解为退化基本解或简称为退化解。退化解可视为基本解的特殊情况。同时满足式（2-2）两类约束条件的解为可行解。如果某一个可行解同时也是基本解，则称为基本可行解。如果它是退化解则称为退化基本可行解或简称退化可行解，它是基本可行解的特殊情况。使目标函数达到极小值的可行解称为最优可行解。如果这个解同时是基本解，则称它是最优可行基本解，包括退化解在内。5.单纯形法的计算步骤，如何应用单纯形表求解线性规划问题。（计算）计算