面向電力系統(tǒng)經(jīng)濟負荷分配問題的元啟發(fā)式算法研究.pdf

1、經(jīng)濟負荷分配(Economic Load Dispatch, ELD)是電力系統(tǒng)運行和調(diào)度中一類重要且具有挑戰(zhàn)性的優(yōu)化問題，對于實現(xiàn)有效的節(jié)能和減排十分關鍵。然而，閥點效應及多種運行約束的存在，使其具有不連續(xù)、非凸、非線性以及多約束等特點。當綜合考慮成本和排放時，其又演變?yōu)橐环N多目標的經(jīng)濟-環(huán)境分配問題。在解決此類問題時，經(jīng)典的優(yōu)化算法效率低下，而大多數(shù)啟發(fā)式算法的控制參數(shù)設置和調(diào)整又極為復雜。因此，為了有效地求解 ELD問題，則需要探

2、索兼具較強局部搜索能力、魯棒性好、且易于使用的新方法。本文針對ELD中高維、多約束及多目標的特征，系統(tǒng)研究了經(jīng)典的ELD、多約束ELD以及多目標ELD等不同類型經(jīng)濟負荷分配問題的有效求解算法，主要工作和創(chuàng)新點如下：
　　首先，在求解經(jīng)典 ELD問題時，針對傳統(tǒng)算法難以在有限時間內(nèi)獲得可行解的缺陷，將布谷鳥算法(Cuckoo Search, CS)算法與約束處理機制巧妙集成，提出了約束布谷鳥算法。并利用列維飛行很好地平衡了算法搜索的

3、隨機性和集中性，實現(xiàn)了對含功率平衡及容量限制約束的不同規(guī)模經(jīng)典 ELD問題的求解，與其它一些代表性啟發(fā)式算法相比，該算法操作簡單且具有較好的全局搜索能力和收斂速度。
　　其次，在求解大規(guī)模多約束優(yōu)化問題時，針對許多已有算法無法取得滿意結(jié)果并且容易“早熟”的現(xiàn)象，提出了一種新的元啟發(fā)式方法CTLBO(Chaotic Teaching-Learning Based Optimization, CTLBO)。通過“教師和學生”變異算子保

4、證算法的集中性和局部收斂能力，并引入列維飛行和混沌機制增強搜索的多樣性，提高了新算法的搜索效率和抗早熟能力，實現(xiàn)了對一些具有不同特征的大規(guī)模非線性benchmark函數(shù)的尋優(yōu)。
　　再次，針對實際ELD問題多約束的情況，建立了包含諸如容量限制、爬坡率限制、禁止操作區(qū)間等多種實際約束的問題模型，提出了基于CTLBO的多約束 ELD問題的求解算法，利用CTLBO算法強大的全局搜索能力和魯棒性，實現(xiàn)了對于大規(guī)模高度約束的ELD問題的求解