文献类型：期刊文章

作　　者：梁静[1] 葛士磊[2] 瞿博阳[3] 于坤杰[1]

LIANG Jing;GE Shi-lei;QU Bo-yang;YU Kun-jie(School of Electrical Engineering,Zhengzhou University,Zhengzhou 450001,China;Industrial Technology Research Institute,Zhengzhou University,Zhengzhou 450001,China;School of Electric&Information Engineering,Zhongyuan University of Technology,Zhengzhou 450007,China)

机构地区：[1]郑州大学电气工程学院,郑州450001 [2]郑州大学产业技术研究院,郑州450001 [3]中原工学院电子信息学院,郑州450007

出　　处：《控制与决策》

基　　金：国家自然科学基金项目(61806179,61876169,61473266,61673404);中国博士后科学基金项目(2017M622373)。

年　　份：2020

卷　　号：35

期　　号：8

起止页码：1813-1822

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：电力系统经济调度问题是电力系统中的一个重要的研究课题,针对该问题,提出一种改进粒子群优化(ODPSO)算法.改进算法在搜索前期,采用广义的反向学习策略,使算法能够快速地靠近较优的搜索区域,从而提高收敛速度;在搜索后期,借鉴差分进化算法的进化机制设计改进的变异和交叉策略,对当前种群的最优粒子进行更新,从而提高种群的多样性,进而协助算法获得全局最优解.为了验证改进粒子群优化算法的有效性,对CEC2006提出的22个基准约束测试函数进行仿真,结果表明改进算法相比其他算法在寻优精度和稳定性上更具优势.最后,将改进算法应用于考虑机组爬坡速率约束、机组禁行区域约束以及电力平衡约束的两个电力系统经济调度问题,取得了令人满意的结果.

关 键 词：粒子群优化算法 函数优化 约束处理  反向学习  基准测试函数  电力系统经济调度

分 类 号：TP18] TM734]