唐京瑞,毕贵红,王 曦

(昆明理工大学 电力工程学院,云南 昆明 650051)

电力系统中发电机组的优化组合是指在一个调度周期(24 h)内,在满足系统负荷需求和机组运行安全、备用约束等条件下,合理安排机组的开停机时间以及负荷分配,使此周期内的总运行费

用最小[1].合理优化的机组组合方案能节省大量的燃料费用,延长机组的使用寿命,带来巨大的经济效益,是电力系统经济运行中的一个重要组成部分.由于在实际的电力系统中,机组组合问题受许多约束条件限制,从而使该问题成为复杂的多约束、高维数、非凸非线性规划问题.在处理此类问题时,智能算法显示出了极大的优越性.解决此问题的传统算法有优先顺序法,动态规划法,拉格朗日松弛法,遗传算法,人工神经网络算法以及粒子群算法等,但这些算法存在着收敛速度慢,产生不可行解和易陷入局部最优等缺点[2-3].

粒子群算法 (Particle Swarm Optimization,PSO)是最早由 Kennedy和 Eberhart在 1995年提出的一种基于群体智能的全局随机搜索算法.后来许多国内外学者将此算法作了进一步的深入研究,提出了许多改进的措施,在一定程度上大大提高了算法的优化性能和收敛能力,并将其应用到了各个领域,取得了显著的成效[4-7].算法中每个个体称为一个“粒子”,每个粒子代表着问题的一个潜在解,用位置、速度和适应度值三项指标表示该粒子的特征,通过粒子在空间中的位置和速度的更新等操作,从而使适应度值得到不……