《外文翻译禁止操作区受限的经济调度粒子群优化算法的研究.doc》由会员分享，可在线阅读，更多相关《外文翻译禁止操作区受限的经济调度粒子群优化算法的研究.doc（7页珍藏版）》请在三一办公上搜索。
1、 毕业设计（论文）译 文题目 禁止操作区受限的经济调度粒子群优化算法的研究学生姓名 张文娟 学号 2008105421 专业 电气工程及自动化 班级 20081096 指导教师 杨力森 评阅教师 完成日期 2012 年1月12日禁止操作区受限的经济调度粒子群优化算法的研究A. I. El-Galled， M. El-Ha Wary ， A. A. Sallam， A. Kalas摘要：实际上，由于一些物理操作上的限制，并不是所有的操作区中，机组都能够正常运行，因此，这些禁区把在最低和最高的发电极限之间的可操作区域划分成不相交的凸子集。有禁止操作区的单元把一般的经济调度转化为非凸性的优化问题，在
2、这个优化算法中，传统的优化问题中，基于拉格朗日乘数方法不能直接应用。本文介绍了解决这个非凸性经济调度问题一种方法，即粒子群优化算法（PSO）。一个由15个单元组成的系统，其中有禁止操作区的4个单元用于应用程序.。由这一方法获得的结果与通过传统的方法和Hopfield神经网络获得的结果在此文中进行了比较。关键词：粒子群优化算法，经济调度，禁区 1简介曾经很长一段时间，工程师们致力于为每一个他们可能遇到的实际问题找寻出最优的解决方案。对他们而言，即使是与最佳方案有一丁点的偏差反映的也是一个不想要的经济损失，要么作为代价被付出，要么作为利润被损失掉。不幸的是，一些与现在可用的解决工具相关联的问题，从
3、经济观点来看，所谓的“近”的最佳解决方案可以足够充分的和令人满意的。这些困难来自双方现实生活问题本身的复杂性及其运作情况，例如，高非线性，可体现其功能的非连续性和有多个局部最优方案的可能性。单独而言，传统的和不确定的优化方法不能解决这样的问题，除非他们拥有精英机制。即使在这种情况下，这些解决方案也可能是与最优化方案相去甚远并非常耗时。实际的系统并不总是在使问题最优化过程中表现优良。在有大量发电单元和不同类型辅助设施的实际电力系统中，他们不总能被凸的功能所表现出来。在发电机和/或与之相关辅助设施中错误时而存在。因此，禁止操作区可以被最小和最大的发电极限之间的区域形成。在这些禁区操作导致轴承的不可
4、避免的放大振动。因此，倘若一些可操作区（禁区）不可用，在这些可用发电机组间分配负荷需求时，经济调度问题现在正在降低发电成本。在数学上，禁区把最小和最大发电极限之间的范畴划分成孤立的子地区。因此，决定的空间被转换成为以非凸空间梯度为基础的技术不适用的空间中去。I.ee和Breipohl通过把非凸性决策空间分解成一些小的子集，进而解决了这一难题。在这些小的子集中，每一个与之相关的调度问题要么是不可行的，或者直接由拉格朗日松弛方法可以解决。特别是当处于运行阶段的的单元有禁止操作区时就需要很长一段时间。Fan和McDonald用了两次拉姆达的迭代来解决有操作禁区区域的受限经济调度问题。Hopfield
5、神经网络过去常单独使用3和文献4，以解决非凸经济调度优化问题。许多参数的调整必须为Hopfield网络做出来，以确保其一致性和衔接到一个可行的解决方案中去。本文探讨使用改良粒子群优化技术5来解决一些有禁止作业区的单位的约束经济调度问题。应用“近”最好方案升级调查，该技术是一种并行人口为基础的搜寻方法，每个迭代包括候选方案的全体人口。以双方速度优化的形式，以每个人在人口更新其内部问题空间中的位置的方式，改良粒子群优化技术被运用到原始的粒子群优化算法中来。这是旨在阻止个人在问题限制区以外的可探寻地区活动，并降低这种算法导致的现今局部最小值的风险。由于没有梯度信息的拟议技术的利用，它可以应用到一类非
6、常广泛的优化问题中来，包括约束和限制优化问题，仿真结果表明，无需梯度信息，该技术达到很好的精度，并且使用非常简单的算术和逻辑运算而无需任何额外的调整参数。2问题陈述考虑一些有禁止操作区单位的约束调度问题，应储备的数学公式如下：在这里： i ：所有在线机组指数； ：发电成本（元/时）； ：第i号机组产生的功率（单位：兆瓦）；：第i号机组的成本系数函数； ：所上线机组的全集。受以下限制： （1）功率平衡在此：传输损耗（兆瓦）；总负荷需求（兆瓦）；（2）系统旋转备用 在此：Si:第 i号机组旋压储备出力（兆瓦）；SR:系统旋转储备要求（兆瓦）；Pimax:第i号机组的最大功率极限；Stmax:第i号
7、机组的最高旋转备用功率；（3）无禁区发电单元的发电极限在此：第i号机组的最小功率极限；通常情况下，系统的旋转备用是从没有禁止操作区的单元获得的，为了控制最大旋转储备极限，最大允许发电被限于：在此：第i号机组的有效功率上限。（4）有禁区发电单元的发电极限Pi min PiPi 1 或 Pi,j-1PiPi,j j=2,.,ni 或 Pi,niPiPi max （i）在此： 第i个单元机组中第j个禁止操作区的功率下限； 第i个单元机组中第j个禁止操作区的功率上限；ni ：第i个单元机组中禁止操作区的个数。3.解决约束问题5 的粒子群优化算法（PSO）1.定义问题空间和设置边界；2.在空间内以任意的
8、位置与速率初始化一系列粒子；3.为每个粒子评估所需的目标函数（例如最小函数），并与其以往的评价最佳值相比较：如果当前值小于以前的最佳值，就将最佳值作为当前值。4.在粒子的最佳位置中决定当前总体最小值；5.把当前的总体位置与先前的进行比较：如果目前的总体位置低于以前的，就把总体位置定义为当前的位置。6.运用以下公式，改变速率：VXK+1=VXK+rand0p_increment*(pbsetx-presentxK) +rand0*g_increment(pbsetxgbsetx-presetxk)7.移动到下一位置；8.检查电流位置是否在问题空间内，如果电流位置在空间外，就在空间内把位置设置到最
9、佳值，并返回到步骤3；9.重复步骤2-8直至所有的簇在最佳为方案内。4仿真结果一个由15个单元组成的系统是用于检测为解决保有受限经济调度问题的粒子群最优化方案的适用性，其中4个机组单元由禁止操作区。该系统在提供200兆瓦的旋压储存负荷时，也必须提供负载需求提供负载2650兆瓦。15个单元的数据在表1中被给出。4个禁止操作单元，第2，5，6及12单元在表21中列出。由表1得出15个单元中只有13个单元需要分配，因为第14号和第15号机组固定为15兆瓦，由于他们是作为系统的旋压储备而存在。群规模为50的已被用于解决这一问题。随着通过传统获得的方法1和Hopfield网络的参考3和文献4 结果列于表
10、3。 表3显示，通过粒子群最优化方法获得的发电成本甚至比通过经典的数值方法获得的成本更低，这是由于PSO算法的微调对最终解决方案的影响能力。同样通过粒子群最优化方法获得的结果也比Hopfield网络更加精确，这是由于与电力平衡约束间的细微差别，其中电力平衡约束与参考的解决方案4和成本较高的参考3相关表1：15个单元系统的数据 表2:禁止操作区： 表3：仿真结果： 待添加的隐藏文字内容25.总结本文介绍了为解决非凸优化（PSO）经济调度问题的粒子群优化算法。一个15个单元（15个单元中4个单元有禁止操作区）组成的系统被实际应用。结果在良好的精度和（时间）复杂性方面有重大的意义，并且无需渐变，参数的选择上也无需耗费太多精力。本文译自：A. I. El-Galled， M. El-Ha Wary ， A. A. Sallam， A. Kalass。Swarm Intelligence for Hybrid Cost Dispatch Problem.IEEE,2001：07530757
