在電力系統(tǒng)運行中,經(jīng)濟調(diào)度問題是重要的優(yōu)化問題之一。該問題的主要目標是在滿足多個機組和系統(tǒng)等式及不等式約束的情況下,尋找最經(jīng)濟的系統(tǒng)負荷在各發(fā)電機之間的分配。它不僅重要而且具有現(xiàn)實意義和廣闊的應(yīng)用前景。由于經(jīng)濟調(diào)度問題具有各種不同結(jié)果的特征,傳統(tǒng)方法在處理該類問題時存在容易陷入局部最優(yōu)、計算復雜度高等問題,不能滿足這些復雜實際問題的需求。隨著智能優(yōu)化算法的不斷發(fā)展和應(yīng)用,很多研究者開始關(guān)注智能優(yōu)化算法來解決經(jīng)濟調(diào)度問題。本文從經(jīng)典的智能優(yōu)化算法中選擇粒子群優(yōu)化算法(PSO)和最新的智能優(yōu)化算法中選擇郊狼優(yōu)化算法(COA)進行研究,以便獲得魯棒性好、普適性和可操作性強的智能優(yōu)化算法能夠更好地解決諸如經(jīng)濟調(diào)度的實際優(yōu)化問題。本文主要研究內(nèi)容如下:(1)COA是一種基于種群的元啟發(fā)式優(yōu)化算法,其靈感來自于主要居住在北美的犬類物種。該算法具有獨特的搜索框架,能夠很好的解決復雜問題的優(yōu)勢,但存在搜索效率低的不足。針對COA存在的問題,提出了一種基于信息共享和組外貪心的COA(ISCOA)。主要對該算法進行兩大改進,一是提出了一種新的帶有信息共享模型的學習策略,二是將原COA中的動態(tài)貪心選擇改成靜...

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

圖2-1COA的流程圖

(3)郊狼在每次成長的過程中目標函數(shù)需要增加,導致算法的運行時間過長。2.2粒子群優(yōu)化算法的概述

圖2-2PSO的流程圖

(3)PSO是一種概率算法,不能保證最后得到的解是全局最優(yōu)解。2.3經(jīng)濟調(diào)度問題的理論描述

圖3-1ISCOA的流程圖

為了測試ISCOA的性能,本文采用復雜函數(shù)集CEC2017[36]進行實驗。這些復雜函數(shù)集分為以下四類:單峰函數(shù)(F1-F3)、多峰函數(shù)(F4-F10)、混合函數(shù)(F11-F20)和組合函數(shù)(F21-F30)。單峰函數(shù)通常用于測試算法的局部搜索能力,多峰函數(shù)用于測試算法的全局搜索....

圖3-2ISCOA和COA在10-D和30-DCEC2017函數(shù)上的平均運行時間(秒)對比

圖3-2中橙色矩形代表30-D,藍色矩形表示10-D,由圖3-2可知,ISCOA在10-D、30-D上的數(shù)據(jù)分別為0.88s、4.19s,COA在10-D、30-D上的數(shù)據(jù)分別為1.02s、4.89s。在10-D上,ISCOA是COA的86.3%。在30-D上,ISCOA是COA....

本文編號：3904069