基于改进多目标差分进化算法的安全约束动态环境经济调度

摘要
图/表
参考文献
相关文章 (6)

全文: PDF (12649 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要本文提出一种改进多目标差分进化算法求解计及输电线路有功潮流约束的动态环境经济调度模型。该算法利用反向学习初始化种群以提高种群的多样性,同时采用改进的拥挤距离计算方法以改善Pareto最优解分布的均匀程度。最后,基于潮流熵指标从Pareto最优解集中提取出电网潮流分布最均衡的发电调度方案。以IEEE 30节点系统为算例进行仿真分析,优化结果验证了所提发电调度方法的有效性。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	廖宗毅
	万文略

关键词 ：动态环境经济调度, 安全约束, 多目标优化, 差分进化, 反向学习, 拥挤距离

Abstract：An enhanced multi-objective differential evolution algorithm (E-MODE) is proposed to solve the dynamic environmental/economic dispatch considering the transmission line power flow constraints. Initialization of population using opposition based learning is introduced to enhance the diversity, and an improved crowding distance calculation method is used to enhance the global convergence of algorithm. Lastly, the compromise dispatch scheme is selected according to the power flow entropy index. The proposed generation dispatch approach is tested on IEEE 30-bus system, the results demonstrate the effectiveness of the proposed generation dispatching method.

Key words： dynamic environmental/economic dispatch (DEED) security constraints multi- objective optimization differential evolution opposition based learning crowding distance

收稿日期: 2020-03-16

作者简介: 廖宗毅（1996-）,男,硕士研究生,主要研究方向为电力系统智能调度。

引用本文:

廖宗毅, 万文略. 基于改进多目标差分进化算法的安全约束动态环境经济调度[J]. 电气技术, 2020, 21(8): 22-27. Liao Zongyi, Wan Wenlue. An enhanced multi-objective differential evolution algorithm for security constrained dynamic environmental/economic dispatch. Electrical Engineering, 2020, 21(8): 22-27.

链接本文:

http://dqjs.cesmedia.cn/CN/Y2020/V21/I8/22

[1] 董晓宁, 杨国华, 王岳, 等. 基于碳交易的含风光发电的电力系统低碳经济调度[J]. 电气传动自动化, 2018, 40(1): 13-16, 20.
[2] 邱威, 张建华, 刘念. 自适应多目标差分进化算法在计及电压稳定性的无功优化中的应用[J]. 电网技术, 2011,35(8): 81-87.
[3] Abimbola M J, Komolafe O A, Kehinde O A.Solving multi-objective economic dispatch problem via semidefinite programming[J]. IEEE Transactions on Power Systems, 2013, 28(3): 2056-2064.
[4] 陈功贵, 陈金富, 段献忠. 考虑备用约束和阀点效应的电力系统环境经济优化调度[J]. 电力自动化设备, 2009, 29(8): 18-22.
[5] 朱志键, 王杰. 基于改进NSGA-Ⅱ的电力系统动态环境经济调度[J]. 电力自动化设备, 2017, 37(2): 176-183.
[6] 张子泳, 仉梦林, 李莎. 基于多目标粒子群算法的电力系统环境经济调度研究[J]. 电力系统保护与控制, 2017, 45(10): 1-10.
[7] 李晨, 胡志坚, 仉梦林, 等. 电力系统动态环境经济调度问题的建模与求解[J]. 电力系统及其自动化学报, 2017, 29(7): 53-60.
[8] 朱永胜, 王杰, 瞿博阳, 等. 含风电场的多目标动态环境经济调度[J]. 电网技术, 2015, 39(5): 1315-1322.
[9] Robič T, Filipič B.DEMO: Differential evolution for multiobjective optimization[C]//3rd International Con- ference on Evolutionary Multi-Criterion Optimization (EMO). Heidelberg, Germany: Springer, 2005: 520-533.
[10] Deb K, Pratap A, Agarwal S, et al.A fast and elitist multiobjective genetic algorithm: NSGA-II[J]. Com- putation, IEEE Transactions on Evolutionary, 2002, 6(2): 182-197.
[11] Rahnamayan S, Tizhoosh H R, Salama M A.Opposition- based differential evolution[J]. IEEE Transactions on Evolutionary Computation, 2008, 12(1): 64-79.
[12] 刘刚, 彭春华, 相龙阳. 采用改进型多目标粒子群算法的电力系统环境经济调度[J]. 电网技术, 2011, 35(7): 139-144.
[13] 曹一家, 王光增, 曹丽华, 等. 基于潮流嫡的复杂电网自组织临界态判断模型[J]. 电力系统自动化, 2011, 35(7): 1-6.
[14] Abou E A, Abido M A, Spea S R.Differential evolution algorithm for optimal reactive power dispatch[J]. Electric Power Systems Research, 2011, 81(2): 458-464.