基于混合校正内点法的最优潮流

提出了一种混合校正的内点法.该方法有效结合了预测校正和中心校正方式,在预测校正过程中通过动态选择校正方向在总的牛顿方向中的比例来优化搜索方向,以改善中心校正的效果,进而加快了整个算法的收敛速度.通过IEEE 57、IEEE 118、IEEE 300和3个实际系统的仿真计算表明,与多中心 校正内点法相比,此算法能以更少的迭代次数和计算时间快速收敛.此外,计算结果还表明,该算法比传统的预测 校正内点法及其衍生的内点法更具有鲁棒性.     

基于bpmpd算法的最优潮流研究

随着我国现代化建设的快速发展和国民经济的大幅度提高，我国的电力事业正以惊人的速度向前发展。面对电网规模的不断扩大及结构日趋复杂，要求我们有良好的措施来确保电网安全、经济、优质地运行。最优潮流能将经济性与安全性近乎完美地结合在一起，正成为研究的热点。bpmpd算法是基于KKT条件的原对偶内点法具有多项时间性、二次收敛性、对初始点不敏感等一系列良好的特性及计算快速、鲁棒性好、处理病态问题强等特点。它不仅可以用于线性规划问题，而且可以拓展到求解二次规划和非线性规划问题。内点法由于其良好的计算性能，正逐步取代其它传统算法，成为近年来最优潮流领域的研究重点。     

基于最优潮流的最大传输能力计算

针对电力市场环境下最大传输能力(TTC)的计算问题，提出了一种新的基于最优潮流(OPF)的TTC计算方法．该方法建立了考虑发电机优化调度以及系统负荷变化模式的用于TTC计算的数学模型，并采用基于信赖域内点法的OPF算法求解，由多步中心校正原一对偶内点法连续求解线性规划子问题，通过信赖域决定线性化步长的选取．对IEEE30节点系统在不同数学模型下计算结果进行比较，验证了提出的TTC计算方法的有效性和实用性；与连续潮流(CPF)计算结果进行比较，结果表明OPF方法可以避免CPF计算TTC较为保守的缺点．     

一种考虑可靠性指标的最优潮流模型

提出一种考虑可靠性指标的最优潮流模型.该模型能考虑系统中的随机因素,通过z变换法构造电力系统的可靠性指标约束,将该约束添加到经典最优潮流(OPF)模型中共同求解,从而使电力系统的调度或控制能在满足一定的失负荷概率(LOLP)指标的前提下实现最优运行.所提模型是一个典型的非线性规划模型,采用内点算法求解.通过RTS-24系统仿真测试以及随机生产模拟程序分析发现,与经典OPF得到的发电计划相比,考虑可靠性指标后电量不足期望值下降了31.48%,而生产成本仅上升了14.39%.因此,所提模型能使系统的调度综合考虑可靠性和经济性,运行方案更实用.     

投影信赖域最优路径内点算法解有界变量的约束优化问题

基于最优路径(optimal path),提供一种投影信赖域内点算法解有界变量的线性等式约束优化．在合理的条件下,证明了所提供的算法不仅具有整体收敛性并且保持局部超线性收敛速率．数值计算结果表明了算法的有效性．     

仿射内点最优路径法解线性不等式约束的优化问题

提供了仿射内点回代技术的最优路径法解线性不等式约束的非线性优化问题，通过构造的最优路径得到搜索迭代方向，结合非单调内点回代线搜索技术获得可接受的步长因子，从而产生保证目标函数值非单调下降的严格内点可行迭代序列．基于最优路径的良好性质，证明了在合理的假设条件下，算法不仅具有整体收敛性而且保持超线性收敛速率．引入非单调技术能克服高度非线性的病态问题，加速收敛性进程，数值计算结果表明了算法的有效性．     

三维数值流形法覆盖系统并行分区生成算法

三维数值流形方法（three dimensional numerical manifold method,3D-NMM）是岩土工程数值模拟中强大的数值方法之一。但一直存在接触判断困难、计算处理数据量大,效率低等问题。将并行计算技术应用于三维数值流形方法覆盖系统生成可以有效提升其覆盖系统的生成效率。详细研究了并行编程模式下三维数值流形法覆盖系统的生成算法。基于MPI分布式内存编程原理,将分区覆盖生成作为三维数值流形法并行覆盖生成基本思路。先采用规则粗六面体网格覆盖问题域,并利用Metis划分网格形成负载基本均衡的子区域,在原有串行算法的基础上设计了子区域覆盖系统的生成算法。并基于分布式内存存储模式下不同区域间数据传递需求,对本并行算法建立了界面信息传递算法,用以并行计算过程不同区域间中数据交流。最后,使用C++开发了基于布尔运算的三维数值流形单元及覆盖系统并行生成算法。算例表明此并行覆盖系统生成算法可有效提高三维数值流形法覆盖系统的生成效率及其应用规模     

预测校正对偶内点法在实时电价的应用研究

在系统安全运行基础上,基于最优潮流算法的实时电价估计能有效的反映出系统的安全运行状况和发电费用。本文提出基于预测校正对偶内点法(predictor-corrector primal-dual interior point method,PCPDIPM)的最优实时电价计算。该算法与传统算法相比,其收敛性和鲁棒性更好。通过Matlab仿真,在考虑不同中心参数设置对算法的影响下,与原对偶内点法(primal-dual interior point method,PDIPM)作比较。算例结果表明,随着系统规模扩大,预测校正对偶内点法收敛快速、效率高的特点表现更为明显,具备在线快速计算的潜力。     

电力系统最优潮流算法综述

本文阐明了电力系统最优潮流研究目的及意义,总结了国内外关于电力系统最优潮流算法的研究现状,介绍了求解最优潮流的经典算法,智能优化方法,同时指出了各种算法的优缺点;并根据目前最优潮流存在的问题提出了今后的研究方向。     

凸规划的一种对偶内点算法

将带有不等式约束的凸规划问题转化为拉格朗日对偶问题,构造了一种求解凸规划的偶内点算法,证明了在不存在对偶差的情况下,当对偶变量序列收敛到对偶问题最优解时,原始变量序列收敛于原始问题的最优解。     

一类二次半定规划问题及其内点算法

讨论一类二次半定规划对偶性理论及与半定最小二乘问题的联系,并在对偶理论基础上讨论该规划的原始对偶内点算法,同时给出了基于NT方向的唯一性证明.     

基于自适应免疫算法和预测-校正内点法的无功优化

针对电力系统无功优化问题,将自适应免疫算法（adaptive immtme algorithm,AIA）和预测-校正内点法相结合,提出了一种新的混合优化算法．先利用AIA进行大范围全局寻优,找到候选最优点,把它作为内点法的初始可行点,再通过预测-校正内点法在初始可行点的邻域内进行局部的确定性搜索,提高解的精度和速度;在此基础上,根据对偶间隙的变化过程,提出了对中心参数及相应障碍参数的改进选择方法,有效地避免了数值振荡,使计算精度及收敛速度均得到明显改善．将上述方法用于IEEE14节点系统,计算时间为2．0s,优化后网损下降2．27％;而用于IEEE118节点系统,计算时间为322s,优化后网损下降14．29％．这表明本文所提出的算法在计算速度和精度上较其他方法均有明显改进．     

基于学习策略的遗传算法在最优潮流中的应用

最优潮流问题是电力系统中一个重要的问题,从数学角度上讲,它是一个非线性规划问题。提出了一种基于学习策略的遗传算法用于解决最优潮流问题。学习策略使得种群中的普通个体可以向优良个体学习其优秀的基因结构,从而提高了个体的适应度,加快了算法的寻优速度,增强了算法的搜索能力。该算法中还采用排挤策略来避免个体的过度拥挤,增强了算法的全局搜索能力。通过算例验证了算法的可行性和有效性。     

基于遗传算法的FACTS网络最优潮流计算

基于遗传算法建立了一种新的含有FACTS元件的网络最优潮流模型。该模型引入了两种不同的FACTS元件，通过ward＆Hade-6节点系统进行仿真计算，得出用遗传算法选择最佳调节状态可较快达到系统总网损最小，且潮流都在安全极限内。该算法具有较好的实用性。     

求解框式约束下凸二次规划问题的内点算法

对于框式凸二次规划问题给出了一个内点路径跟踪算法,该算法的迭代复杂度为Ｏ（√ｎＬ）,每一步近代所需计算量为Ｏ（ｎ＾３）,其中ｎ为变量个数,Ｌ为问题的输入长度。