郊狼优化和粒子群算法的改进及在电力经济调度上应用

发布时间：2024-02-20 07:56

　　在电力系统运行中,经济调度问题是重要的优化问题之一。该问题的主要目标是在满足多个机组和系统等式及不等式约束的情况下,寻找最经济的系统负荷在各发电机之间的分配。它不仅重要而且具有现实意义和广阔的应用前景。由于经济调度问题具有各种不同结果的特征,传统方法在处理该类问题时存在容易陷入局部最优、计算复杂度高等问题,不能满足这些复杂实际问题的需求。随着智能优化算法的不断发展和应用,很多研究者开始关注智能优化算法来解决经济调度问题。本文从经典的智能优化算法中选择粒子群优化算法(PSO)和最新的智能优化算法中选择郊狼优化算法(COA)进行研究,以便获得鲁棒性好、普适性和可操作性强的智能优化算法能够更好地解决诸如经济调度的实际优化问题。本文主要研究内容如下:(1)COA是一种基于种群的元启发式优化算法,其灵感来自于主要居住在北美的犬类物种。该算法具有独特的搜索框架,能够很好的解决复杂问题的优势,但存在搜索效率低的不足。针对COA存在的问题,提出了一种基于信息共享和组外贪心的COA(ISCOA)。主要对该算法进行两大改进,一是提出了一种新的带有信息共享模型的学习策略,二是将原COA中的动态贪心选择改成静...

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

图2-1COA的流程图

(3)郊狼在每次成长的过程中目标函数需要增加,导致算法的运行时间过长。2.2粒子群优化算法的概述

图2-2PSO的流程图

(3)PSO是一种概率算法,不能保证最后得到的解是全局最优解。2.3经济调度问题的理论描述

图3-1ISCOA的流程图

为了测试ISCOA的性能,本文采用复杂函数集CEC2017[36]进行实验。这些复杂函数集分为以下四类:单峰函数(F1-F3)、多峰函数(F4-F10)、混合函数(F11-F20)和组合函数(F21-F30)。单峰函数通常用于测试算法的局部搜索能力,多峰函数用于测试算法的全局搜索....

图3-2ISCOA和COA在10-D和30-DCEC2017函数上的平均运行时间(秒)对比

图3-2中橙色矩形代表30-D,蓝色矩形表示10-D,由图3-2可知,ISCOA在10-D、30-D上的数据分别为0.88s、4.19s,COA在10-D、30-D上的数据分别为1.02s、4.89s。在10-D上,ISCOA是COA的86.3%。在30-D上,ISCOA是COA....

本文编号：3904069