张焱，王艳，王磊

（1.东南大学电气工程学院，江苏南京210096；2.常州供电公司，江苏常州213003）

动态优化调度是研究在连续多个时间段内、机组运行状态已经确定的情况下，如何有效地调整各个机组在不同时段的有功功率输出，使得在满足各种静态约束和动态约束下，整个调度周期内的某些目标函数达到最优。由于动态优化调度问题的规模随着系统规模以及时段数的增加而迅速增长，因此提高算法的效率是迫切需要解决的问题［1］。

多年来，学者们通过不断探索，提出了各种求解优化调度问题的计算方法。其中，简化梯度法具有简单、容易实现等优点，但是收敛性较差，尤其是在接近最优点附近时收敛很慢［2］；牛顿法和简化梯度法相比，收敛速度较快，具有二阶收敛性，但是也存在着数值不稳定、不能总是有效地确定迭代过程中起作用的约束集等缺点；人工智能算法对函数的性态要求比较低，近年来在最优潮流领域中得到了广泛的运用［3］，但是存在着收敛速度比较慢的缺点。相比于以上算法，原对偶内点法具有迭代次数与系统规模关系不大、收敛性好、计算速度快等优点。文献［4］将原对偶内点法应用于非线性规模的无功优化调度问题，充分显示了内点法的收敛特性；文献［5］则采用线性约束网络流来描述电力系统动态经济调度问题，并用内点法进行求解，克服了传统方法难以精确处理不等式约束的弊端，使计算结果更精确；文献［6］则采用引入离散惩罚的非线性原对偶内点法求解动态无功优化模型，具有较快的计算速度。……