基于原—对偶内点法的二次电压—无功功率优化

基于原－对偶内点法对电力系统的电压－无功优化问题进行了分析,首先对原－对偶内点法进行了扩展,使之能处理电压－无功优化控制中大量不等式约束;此外,提出了一种新的壁垒参数和步长的控制策略,并采用了一种有效的预测－校正方法来提高算法的收敛速度。实际电网中优化计算表明,原－对偶内点法可有效地解决大规模电网的电压－无功优化问题。     

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.     

基于预测-校正原对偶内点法的多分类支持向量机学习算法

支持向量机基于统计学习理论,是一种新型通用的有监督的机器学习方法,其核心思想是使结构风险极小化,但是由于需要求解二次规划,使得它在求解大规模数据上具有一定的局限性,尤其是对于多分类问题,现有的支持向量机算法具有很高的复杂性.本文构造了基于线性规划的一对一三类结构支持向量分类器,可以直接利用比较成熟的线性规划算法——预测-校正原对偶内点法,并在此基础上提出了基于预测-校正原对偶内点法的支持向量机的多分类学习算法,这种算法可用于比较庞大的多类别识别问题,并且克服了标准支持向量机的一些缺点,而且模型简单,容易实现.针对UCI数据库上数据进行了实验,结果证实该算法具有较高的可行性和实用性.     

风电时序动态修正的实时调度计划研究

针对风电功率预测偏差影响电力系统发电计划准确性的问题,提出了一种超短期内风电时序动态修正的实时调度模型.该模型采用马尔科夫链时序预测方法,以5~15min为周期动态修正风电超短期预测功率的时间序列,并以煤耗增量最小和弃风最小为双重优化目标,同步修正风电场及常规机组的发电计划,最后将模型转化为凸二次规划及其拉格朗日对偶问题,并基于原-对偶内点法构建求解算法.通过对含风电场的10机组系统的仿真分析表明:所提模型在日内调度过程中进一步优化了系统的运行成本,同时提高了系统跟踪风电功率波动和消纳风电的能力,所采用的求解算法收敛迅速、鲁棒性强,可适应于实时调度的计算需要.     

基于原始对偶内点法的无线传感网网络信息最大化研究

对无线传感器网络(WSN)中传输的信息量最大化问题提出了一种新的算法。新算法使用原始对偶内点法求解,实现了快速优化网络的目的。此文通过仿真一个传感器网络的实验,证明此算法是正确的,且具有比较快的收敛速度。     

正定二次规划内点稳定算法

进一步讨论一种新二次规划的内点算法.该算法不同于传统的内点算法:它不含有原始或者对偶变量的逆,因而在靠近解集附近也有定义(well defined).证明了若目标函数的二次部分为标准正定二次型,则在计算迭代方向时,可以把对(m 2n)×(m 2n)阶KKT系统的求解转化为(n-m)×(n-m)阶KKT系统的求解,从而在很大程度上提高算法的效率.     

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．     

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．     

一个改进的原始对偶内点方法

针对一般的光滑约束最优化问题, 提出一种原始对偶不可行内点算法, 该算法运用3个值函数使算法能收敛到局部极小点而非其他一阶最优性点, 并通过将等式约束的罚项和松弛变量的障碍项添加到目标函数中转化原问题. 计算结果证明了算法的可行性和有效性.     

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。     

线性规划中预测-校正内点算法的改进(英文)

研究线性规划中预测一校正内点算法的改进，获得了复杂度0（nL），进一步地，在校正部不仅把迭代点重新置于一个小邻域中，而且降低了对偶间隙。     

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。     

大规模电力系统离散无功优化问题的解耦算法

根据节点分裂法将大规模电力系统的离散无功优化模型转化成多区域分解形式,再采用引入离散惩罚的非线性原对偶内点法求解,从而获得具有分块结构的降阶线性修正方程组。对弱耦合系统,直接将非对角子矩阵置零即可实现修正方程的完全解耦,算法具有局部线性收敛特性,且其计算速度要比非线性原对偶内点法快。对于不能实现解耦的强耦合系统,仍然可以采用与处理弱耦合系统类似的方法获得近似牛顿方向和解耦对角矩阵,以它们作为迭代初值和预处理器,采用GMRES法求解,保证算法具有良好的收敛性和较快的计算速度。以1062节点系统和一个实际538节点系统作为试验系统验证所提算法的有效性,进一步提出较实用的解耦判据,并对集中连续优化、集中离散优化及解耦离散优化结果进行了比较以及对不同分解方案下的计算结果进行了比较分析。     

线性规划内点算法的若干收敛性问题

对于线性规划问题 ｍｉｎ｛ｃтｘ｜Ａｘ≥ｂ，ｘ≥０｝，印度学者 и．Ｋａｒｍａｒｋａｒ于 １９８４年发明 了一种新的内点算法，它的时间复杂性为Ｏ（ｎ３．５Ｌ２），其中ｎ为问题的变量个数，Ｌ为输 入中的二进制位数。其后又出现了多种变形方案，如原始型和对偶型内点算法等等。本 文主要讨论它们的收敛性问题。关于Ｋａｒｍａｒｋａｒ算法，证明了当原始线性规划问题无有 限最优解时算法也可以收敛。关于原始型和对偶型内点算法，给出了它们的基本性质以 及若干收敛性结果。     

基于新函数下的半定规划原始对偶内点算法的复杂度分析

以φ(t)=(tp+1-1)-(p+1)ln t作为核函数,讨论半定规划的一类多项式原始对偶内点算法的收敛性及其复杂度.基于这个核函数找到牛顿系统的一个新的搜索方向,从而得到一个新的算法,并给出了其长步长迭代界和短步长迭代界分别为O(n1-pln nε),O(n23-plnεn).     

凸二次规划的原-对偶内点算法数值实验初步

在线性规划原始对偶内点算法的基础上,进一步给出原始对偶内点算法在解凸二次规划问题中的应用, 并初步给出了该算法的数值例子, 作为对内点算法的一个重要补充.     

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.     

二阶锥规划的预估校正内点法

研究二阶锥规划的预估校正内点法.该算法在预估步将中心路径的邻域放大两倍,使得沿着迭代方向可以让对偶间隙有一个较大的缩减,而在校正步采用修正的牛顿方向,使得校正步不仅将迭代点重置于一个更小的邻域,同时还对对偶间隙有一个常数因子的缩减.证明了算法只需迭代O(nln(x0Ts0/ε))次就可找到问题的ε-近似解.     

求解一般l1趋势过滤问题的原始对偶内点法

针对一般l₁趋势过滤问题提出一种原始对偶内点法，首先给出原始对偶内点法的算法框架，并对原始对偶内点法进行收敛性分析和算法复杂度分析.最后，将提出的算法和目前流行的半光滑牛顿增广拉格朗日方法和交替方向乘子法进行对比.实验结果表明：当模型中的参数变化时，原始对偶内点法更加高效和稳健.     

电力系统动态无功/电压优化控制的一种新算法

在动态无功／电压优化控制问题中，将不可导的控制变量动作次数约束条件和含有离散变量的功率平衡等式约束条件进行了可导化的等价转换．利用控制变量中的离散变量构造了二次罚函数并引入到原对偶内点法中，以实现离散变量在优化过程中的逐次归整，在此基础上，建立了完整的基于非线性内点法的动态无功／电压优化控制的数学模型．算例结果表明，该方法在动态无功／电压优化控制中的效率显著优于动态规划法和遗传算法，并且算法迭代次数不随网络规模增大而明显增大，同时该算法既适用于配电系统，也适用于输电系统．