电站机组负荷分配的模糊建模及优化算法

随着电力市场的发展,机组负荷优化分配作为一种可提高电站经济的手段,越来越成为一个令人感兴趣的研究课题,但目前仍没有得到一种绝对有效的算法．通过引入模糊理论提出了电厂机组负荷分配模型,并运用改进的遗传算法进行求解．该优化算法的特点在于：容易得到全局最优解,有较强的鲁棒性,适合大规模的复杂系统求解．最后,给出一个算例阐述了该算法的有效性．     

基于禁忌粒子群算法的热电联产负荷经济分配

根据热电联产机组热电负荷可行域,建立含热电联产机组的负荷优化分配模型与全厂热电负荷可行域模型,将粒子群优化算法的全局搜索能力与禁忌算法的局部搜索能力相结合.对优化分配模型进行求解,在电负荷指令和热负荷指令分别为200 MW和115 MW下求解各机组负荷,总成本为2 695.2美元.通过算例分析验证了所提模型及算法的有效性,分析了凝汽式、热电联产式和纯供热机组之间的组合对全厂可行域的影响,并在此基础上分析了节能潜力与热电负荷指令的关系.     

修正的混沌粒子群算法求解经济负荷分配

为克服粒子群优化算法容易陷入局部最优、后期收敛慢等缺点,提出了一种修正的混沌粒子群优化算法.该算法通过修正粒子群迭代的行动策略,并引入遍历性较强的Tent混沌局部搜索机制,可以增强粒子的全局搜索能力,提高优化算法的全局寻优性能.将修正的混沌粒子群算法分别应用于6机组和15机组电力系统中求解经济负荷分配,在考虑系统网损和机组运行约束条件的情况下进行仿真实验.仿真结果表明:该算法用于求解高维、非凸、不连续等非线性复杂约束条件的电力系统经济负荷分配问题上,有着较快的收敛速度和较强的全局寻优能力.最后,通过与其它智能算法比较,验证了算法的有效性和优越性.     

一种改进PSO算法在经济调度中的应用研究

粒子群优化算法是一类新的基于群体智能的启发式全局优化技术,群体中的每一个粒子代表待解决问题的一个候选解,算法利用粒子之间的相互作用发现复杂问题解空间的最优候选区域.综述了算法的基本形式及其多种改进形式,通过比较提出了一种用于求解一般形式的非连续、非凸、非线性约束优化问题的改进粒子群算法,用于求解复杂的非凸、非线性电力系统经济负荷分配问题.仿真结果表明,所提出的方法搜索速度快,求解精度高,易于掌握,是解决电力系统经济负荷分配问题的有效手段.     

基于混沌粒子群优化的火电机组负荷分配

为进一步优化电厂负荷的分配,有效提高发电厂的经济效益,在粒子群算法的基础上结合混沌优化等算法对电厂负荷的分配进行了改进研究。该方法从火电厂的实际发电情况出发,考虑了阀点效应和机组在实际运行过程中的约束条件,建立了发电机组负荷优化分配模型,并利用罚函数法将此模型转化为非约束问题求解,实现了利用混沌粒子群算法来优化发电机组负荷,解决了局部最优和收敛速度慢等问题。通过实例分析证明了该算法的可行性。     

电力系统中机组组合问题算法的研究

机组优化组合问题是电力系统经济调度的一个重要环节,合理的开停机方案可带来很大的经济效益．实践表明机组优化组合比优化分配负荷更加经济,但由于问题十分复杂,很难找出理论上的最优解．介绍了解决机组组合问题的拉格朗日松弛法及遗传算法,并将两者结合起来对实际算例进行了分析．结果表明,两种算法结合求解能有效克服遗传算法的早熟现象,使生成解的对偶间隙减小,振荡现象得到抑制,能很快收敛到最优解,运行效率高,比传统的算法具有更高的鲁棒性．     

抽水蓄能电站优化运行方式的混合遗传算法

在建立抽水蓄能电站优化运行方式计算模型的基础上，将遗传算法与领域问题的算法相结合：选择机组运行状态作为编码变量，使机组的运行状态与二进制遗传编码具有简洁对应关系，采用符合问题本身特点的基因面式杂交算子和改造的变异算子，使遗传操作更适应问题的求解；根据领域问题的性质及算法求解承担系统基荷的机组运行方式，使问题的规模得到有效压缩，应用领域问题求解的等微增率原理计算各个体因子所对应的运行机组间最优负荷分配方案，并以此计算了个体适应值，由于在遗传编码设计，遗传操作改造，问题规律压缩以及适应值计算几个方面融合了问题所涉及的领域知识，提高了算法的计算效率和全局搜索能力，形成一种适合于求解复杂约束条件下抽水蓄能电站优化运行方式的混合遗传算法。     

基于混合粒子群优化算法的机组负荷最优调度

粒子群优化(too)算法是一种现代启发式算法,提出一种基于混合粒子群优化算法的机组负荷的调度方法,该方法考虑了机组的经济性和安全可靠性.优化了机组的调度运行方式.     

大型水电站整体时空经济运行模型及其算法

针对大型水电站厂内经济运行问题的高维性、复杂非线性和实时性,将空间负荷优化分配模型与时间机组组合优化模型相耦合为整体时空经济运行模型,提出一种扩展蚁群算法.采用多蚁群、多起点、多路径模式进行机组组合优化,依据动态规划法制定的稳定最优表进行经济负荷分配,避开空蚀振动区.引入信息素平滑机制避免优化算法的收敛早熟,采用启发式开停机策略和备用容量补充策略有效处理多重约束,运用全程开停机策略在大型水电站机组台数较多的情况下缩小搜索空间的大小,使算法更快收敛于最优解.以三峡水电站为应用实例对算法的可行性进行了验证,计算结果表明所提出的算法模型不仅具有较强的收敛性和稳定性,而且能够兼顾计算速度和优化精度.     

机组最优负荷分配的动态规划网络方法

本文在文的基础上,将考虑机组出力上下限约束和功率平衡约束的机组最优负荷分配问题离散为一个等效网络,分析了该网络在约束条件下各顶点及各边的构成规律.从而把给定机组组合时的最优负荷分配的求解转化为最短路径的动态规划法对该等效网络的求解.     

一种新的基于认知用户通信效用的频谱共享算法

摘要：本文提出了一种新的基于认知用户通信效用的频谱共享算法,研究传输功率和比特误码率受限情况下的频谱分配问题。详细分析了瑞利衰落模型下的认知用户效用函数及其优化问题,在此基础上给出了一种基于注水线不断调整的功率分配机制,进而获得了认知用户的最优通信效用,并将该机制应用到频谱分配中,提出了一种基于“二分法”的频谱分配算法。研究中分别考虑了三种不同的优化模型,理论和仿真分析表明,“最大化比例公平”模型在保证用户之间频谱分配公平性的同时能够获得接近“最大化系统总效用”模型的通信总效用。     

基于进化策略和公平竞争的多用户OFDM系统资源分配

提出了一种用于多用户OFDM系统的资源分配算法(ESFC),能以低复杂度完成用户间的子载波、比特及功率分配,达到快速优化系统发射功率的目的。该算法同时考虑到动态业务的实时性和用户间的公平竞争性,将系统资源分配问题转化为数学模型的多约束优化求解问题。资源分配过程分为两个步骤,包括基于进化策略进行子载波分配和使用注水算法进行比特及功率分配。仿真结果表明:与现有算法相比,该算法能有效降低复杂度,在优化OFDM系统性能的同时兼顾了实时性需求,明显减少了运算量,能快速收敛到优化解。     

低压电力线通信子信道等效优化方法

根据低压电力线信道的特性,结合自适应比特和功率分配算法,提出了一种子信道等效优化方法。应用此方法在传输总比特数一定,基于发送功率最小化模型情况下,研究使用子信道优化等效方法对系统性能的影响,等效子信道优化算法将特性相同或相近的子信道放在一起考虑,不仅能减少信令负荷,还可以使频谱得到更好地利用,仿真结果表明,使用子信道优化算法后系统能获得更低的误比特率。     

基于不完全频谱感知的认知中继网络能量效率研究

针对认知中继网络中基于能量效率的资源分配问题,提出一种基于次用户能量效率最大化的功率分配优化算法,通过建立多重约束条件下的频谱感知和传输联合优化模型,在考虑单位发射速率消耗功率和干扰限制的情况下,利用分数规划将问题中的混合整数非线性规划问题转化为等价的凸优化问题,分析了不同参数对能量效率的影响。仿真结果表明,提出的功率分配优化算法在达到能量效率最优的同时降低了算法复杂度低。     

一种基于数据库的动态Web权限树快速生成方法

文章提出一种基于数据库生成动态Web权限树的快速方法,采用了一系列综合优化技术,如客户端浏览器的Web树形显现组件实现,支持动态权限分配的数据表设计以及对数据库一次访问实现权限树快速生成的算法。该方法合理分配了计算单元之间的运算负载,有效降低了通信交互和等待时间,并注重采用高效算法充分挖掘每个计算单元的潜力。该方法在DAG系统的开发中达到了满意的工程应用效果;与当前的相关研究成果的全面对比表明,该方法快速高效,具有理论参考和工程借鉴价值。     

基于多规则资源分配的柔性作业车间调度问题多目标集成优化方法

针对柔性作业车间调度问题中多种资源分配的复杂特性,建立了以最小完工时间、最优人工分配方案、设备最大负荷以及最小生产成本为目标的集成优化模型,并设计了一种具有多重资源约束的多目标集成优化方法;针对组合模型的爆炸性特征,为降低模型的复杂度,采用多规则资源分配的集成调度思想,通过调整规则概率使概率大的规则被优先选中,使用多规则导向机制"推动"搜索过程向指定目标方向移动,并结合动态规划法求解最优人员分配方案;采用改进的非支配排序遗传算法——NSGAⅡ可以获得不同规则概率值的Pareto解集;最后,通过仿真对比与应用验证了所提方法的有效性.     

基于树形搜索的NOMA系统功率分配算法

功率分配是影响非正交多址接入(non-orthogonal multiple access,NOMA)系统性能的一个重要因素.传统树形搜索功率分配算法在吞吐量方面虽然能达到全搜索算法的性能,但该算法具有较高的计算复杂度,而固定功率分配算法和分数阶功率分配算法虽然计算复杂度低,但不能达到较好的吞吐量性能.为了解决这个问题,提出了一种基于树形搜索的递增功率分配算法.该算法以最大化用户吞吐量的几何平均作为目标函数,采用功率递增的分配方式,将用户分配到树形模型中,并对用户逐层搜索筛选,根据给定的功率系数标准和吞吐量标准,舍去多余节点,保留幸存节点,直到完成所有用户的功率分配.仿真结果表明,该算法的吞吐量性能与全搜索算法相比,在没有明显下降的情况下,较大地降低了计算复杂度.     

TD-LTE系统动态资源分配算法研究

动态资源分配算法能够有效提高频谱利用效率、系统容量以及减少发射功率。在TD-LTE通信系统中,下行链路采用了OFDMA(orthogonal frequency division multiple access)技术,动态资源分配问题常建模为在非线性限制条件下求解非线性目标函数的最优化问题。针对无约束条件迭代算法、速率自适应算法与边界自适应算法分配特点,分析了动态资源分配算法如何满足TD-LTE(time division-long term evolution)中多媒体业务不同QoS需求。对3种主流算法复杂度、容量、发射功率等技术指标进行分析比较。同时讨论了如何使算法具有低复杂度并能使网络达到良好技术指标,以及将资源块与功率结合分配的解决思路。为TD-LTE系统的动态资源分配算法研究提供了可行方案。     

基于免疫粒子群算法的风/光/柴/储容量优化配置

针对我国风光资源丰富的偏远地区,采用风光的互补优势,结合蓄电池及柴油机对负荷进行供电,建立了以总净现值成本最低,负荷缺电率和能量浪费率最小为目标函数,以场地大小,蓄电池容量,柴油机功率及其污染物的排放量为约束条件,对其进行容量配置。采用了改进的多目标免疫粒子群算法进行优化,提高了算法的收敛速度,避免陷入局部最优解。仿真结果表明,在对负荷进行容量配置的过程中,采用多目标的改进免疫粒子群算法可以有效进行寻优,提高了系统的稳定性和经济性。