【毕业论文】差分进化算法在机组组合问题中的应用.doc

摘 要 随着国民经济的发展和企业的变革，电力系统的规模和经营机制日益迅猛发展和变化，发电与用电的地域和时域差异、负荷峰谷差、不确定性及市场竞争的程度等都在加大，电力系统运行调度决策越来越复杂。机组组合是电力系统优化运行的一个重要方面，由于它能带来显著的经济效益，所以一直是现代电力系统每天运行计划主要的优化任务。从数学角度讲，机组组合问题是一个典型的混合组合优化问题，很难得到理论上的最优解。 差分进化算法（DE）是一种新的进化算法，它的主要特点是算法简单、收敛速度快，所需领域知识少。通过大量研究发现，DE算法具有很强的收敛能力，比较适合于解决复杂的优化问题。 本文以电力系统机组组合为研究对象，对差分进化算法在机组组合中的应用进行了深入的研究和探讨。所做主要工作包括： 给出了电力系统机组优化组合问题的基本数学模型，综述了求解电力系统机组组合问题的各种优化算法，并分析了各种优化算法及其对应的数学模型的优缺点。 对DE算法做了相关的研究，如算法的基本结构、算法特点、参数设置、改进方法、实现模式等做了较为系统的分析。将—基于差分进化算法框架的混合差分进化粒子群算法（DEPSO）算法应用于机组组合问题的求解，此种方法拓宽了粒子个体信息的传递途径，增加了粒子的多样性，保证了算法的全局收敛，通过实验数据证明该算法有很好的效率和稳定性；综合分析了机组组合问题的各种约束，对机组出力上下限进行了调整，应用了伪输出功率编码的方法将机组启停状态变量和机组输出功率连续变量融合为一个变量，降低了计算的时间复杂度；对机组分类动态调整，对多时段有效地直接优化，对各种约束进行数学处理、修复处理，提高了种群质量；采用机组组合可行判据判断粒子是否可行，并对不可行粒子个体进行可行化调整。优化结果显示混合DEPSO算法是一种有效可行的方法。 关键词：机组组合，差分进化算法，函数优化，混合DEPSO算法 ABSTRACT With the development of the national economy and the reform of enterprises, the scale and the operational mechanism of power systems are increasingly developing. The degree of area and time difference between energy generation and consumption( the differences between energy generation and consumption in areas and time, uncertainties, differences between peak and trough load and electricity market competition are all increasing, which make the operation dispatch decision-makings more and more complicated). Unit commitment is an important aspect of optimal operation of power systems. Since it could cause significant economic profits, it is always a main optimal task in every day’s power generation schedule. From the perspective of mathematics, Unit commitment is a typical mixed optimization problem with many constraints. For this reason, it is difficult to find the optimal solution in theory. Differential evolution algorithm (DE) is a new kind of evolutionary algorithm. Its major advantage is simplicity, strong convergence capacity and it does not need too much knowledge of this area. Lots of researches have indicated that DEA is very suitable to solve some complex optimization