改进的粒子群算法及其在电力系统经济负荷分配中的应用.docVIP

文章编号：0258-8013 (2012) 07-0001-06 中图分类号：TM 85 文献标志码：A 学科分类号：470·40 改进的粒子群优化算法及其在电力系统经济负荷分配中的应用 ABSTRACT：Particle Swarm Optimizer (PSO) algorithm is an important algorithm, its background, fundamental, implement method, improvement and algorithm flow chart are introduced in this paper. Economic Load Dispatch (ELD) is a typical optimization problem in power system. Details of this problem and its mathematical model are discussed. Combined with an example, a system of three generators and six buses, the improved PSO algorithm is applied to solve the ELD problem. The algorithm and its application are simulated through Matlab software. According to the simulation result, we can see that the improved PSO algorithm can solve the ELD problem efficiently. The simulation results are compared with the results of the Genetic Algorithm and the Chaotic Optimizer Algorithm, through which we get the advantages of the PSO algorithm. KEY WORDS: PSO algorithm; inertia weight coefficient; economic load dispatch (ELD); Matlab 摘要：粒子群优化（Particle Swarm Optimizer ，PSO) 算法是一种重要的优化算法，本文介绍了粒子群算法的产生背景、基本原理、实现方法及其改进和算法流程。经济负荷分配（Economic Load Dispatch，ELD）是电力系统中一个典型的优化问题，本文分析了电力系统经济负荷分配问题及其数学模型，然后结合一个3机6节点的算例，通过Matlab编程，将改进的粒子群算法应用在该算例的经济负荷分配中。最后将仿真结果与遗传算法和混沌优化算法的优化结果进行比较，分析了粒子群优化算法在处理ELD问题中的优势。 关键词：PSO算法 惯性权重系数 ELD Matlab 0 引言 粒子群优化（Particle Swarm Optimizer，PSO）算法[1]最早是由Kennedy和Eberhart受到人工生命的研究结果启发于1995年提出的，其基本概念源于对鸟群捕食行为的研究。最初是为了在二维几何空间图形中优化模拟鸟群不可预测的运动，PSO算法从这种模型中得到启示并用于解决优化问题。与同为基于群体的优化工具的遗传算法相比，PSO算法具有算法简单、容易实现，既适合科学研究又符合工程应用要求的优势。因而，该算法一经提出，就引起了各方的广泛关注，并在短短的几年时间里涌现出大量优秀研究成果，多种PSO改进算法已广泛应用于函数优化、神经网络训练、模式分类、模糊系统控制等领域[2,3,4]。在电力系统中的应用主要集中于系统无功功率优化、机组经济组合及系统经济运行等优化问题。 电力系统的负荷经济分配是电力系统经济调度中非常重要的问题，也是电力系统中典型的优化问题。传统的解决方法包括拉格朗日乘数法[5]和动态规划法[6]等经典数学方法。前者借助拉格朗日因子建立增广目标函数，按照等耗量微增率及Kuhn-Tucker条件确定各机组承担的有功负荷，这种算法要求机组的输入输出特性曲线是单调增加的，许多工业算法还要求耗量微增曲线是线性或分段线性的，而实际的发电机组一般不满足这些条件（如阀点效应的影响），因此，这种方法的求解结果往往不精确。后来提出了动态规划法，该方法将问题分成若干步，每步增加1个机组，使得从第1步到该步目标函数最小，然后递推进行下1步，直至完成对所有机组的寻优。该方法的求解精度依