电力系统机组组合问题的闭环粒子群算法 a closed-loop particle swarm optimization algorithm for power system unit commitment.pdfVIP

第33卷第1期 电力系统自动化 V01．33No．1 AutomationofElectricPower 2009年1月10日 Systems Jan．10。2009 电力系统机组组合问题的闭环粒子群算法 韩 恺，赵 均，钱积新 (浙江大学信息科学与工程学院，浙江省杭州市310027) 摘要：针对标准粒子群优化(PS0)算法易陷入局部最优解的缺点，提出了闭环PSO(CLPSO)算法。 算法引入经典控制理论中的反馈机制和闭环控制概念，将每个粒子视为被控对象，根据每一步得到 的适应值通过PID控制器动态调整惯性权重，以满足搜索过程中粒子时时变化的需求。该策略极 大地保证了粒子多样性，提高了算法的全局搜索能力。将CLPSO算法应用到机组组合问题中，同 时结合新的策略以降低问题维数和保证寻优过程中粒子的可行性。仿真结果验证了所提出的算法 在解决机组组合问题上的有效性。 关键词：机组组合；粒子群优化；闭环控制；启发式规则 中图分类号：TM732 0 引言 存在一个问题，即惯性权重的取值仅与自身和最大 迭代次数等信息相关，而忽略了粒子在每一步迭代 电力机组组合问题是电力生产与供应中的一个 中的自身特性与信息。 重要优化问题，合理的机组组合会大大降低电力系 本文提出了一种新的惯性权重整定策略，将经 统的运行成本，因此它一直是一个被广泛探索和研 典控制理论中的反馈机制和闭环控制系统的概念引 究的热点问题。 从数学的角度来讲，机组组合问题是一个带约 在CLPSO算法中，将每个粒子视为一个被控对象， 束的大规模非线性混合整数规划问题。目前已提出 对其构建一个闭环控制系统。迭代过程中将粒子的 了很多优化方法来求解该问题，如优先顺序法[1]、动 适应值作为输出变量，反馈给闭环回路，再通过一个 态规划法[2]、拉格朗日松弛法[3。3和遗传算法[5书]等。 设计好的控制器计算更新惯性权重，然后进行粒子 但由于这些算法都有着这样或那样的缺陷，使得求 的速度和位置的更新。在此，控制器选用因结构简 解机组组合问题还存在很大的改善空间。 单、鲁棒性强而被工业界广泛使用的PID控制器。 粒子群优化(PSO)算法最早是由Eberhart和 CLPSO算法能够很好地满足每个粒子的自身需求， Kennedy博士于1995年提出的[7]，由于操作简单、 极大地保证了种群中粒子的多样性，提高了PSO的 易实现和鲁棒性强等特点，如今已被应用到多个领 域。同样，在电力系统的一些优化问题上也得到了 组合算例证明了该算法的正确性和有效性。 尝试。但是，原PSO算法在机组组合这样的复杂问 题上取得的效果并不理想，其中一个原因就是原 1 机组组合优化命题的描述 PSO算法在平衡全局搜索和局部细致搜索上存在 1．1 目标函数 不足∞]，算法会过早陷入局部最小或收敛速度过慢。