电力系统经济负荷分配的混合粒子群优化算法

doi:10.3778/j.issn.1002-8331.2009.33.064

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (33): 202-205.DOI: 10.3778/j.issn.1002-8331.2009.33.064

电力系统经济负荷分配的混合粒子群优化算法

张凌杰¹，张国辉²

1.华北水利水电学院水利职业学院信息工程系，郑州 450008
2.华中科技大学数字制造装备与技术国家重点实验室，武汉 430074

收稿日期:2009-06-25 修回日期:2009-09-07 出版日期:2009-11-21 发布日期:2009-11-21
通讯作者: 张凌杰

Hybrid particle swarm optimization algorithm for economic load dispatch of power system

ZHANG Ling-jie¹，ZHANG Guo-hui²

1.Department of Information Engineering，North China University of Water Conservancy and Electric Power，Zhengzhou 450008，China
2.The State Key Laboratory of Digital Manufacturing Equipment and Technology，Huazhong University of Science and Technology，Wuhan 430074，China

Received:2009-06-25 Revised:2009-09-07 Online:2009-11-21 Published:2009-11-21
Contact: ZHANG Ling-jie

摘要/Abstract

摘要： 为解决电力系统中的经济负荷分配问题，提出一种将约束优化与粒子群优化算法相结合的混合算法，同时引入直接搜索方法。使得混合后的粒子群优化算法不但具有高效的全局搜索能力，而且具有较强的局部搜索能力，避免陷入局部最优，提高求解精度。对两个实例进行测试，与其他智能算法的结果比较，证明提出的算法可以有效找到可行解，避免陷入局部最优，实现问题的快速求解。

关键词: 经济负荷分配, 阀点效应, 粒子群优化算法, 约束优化

Abstract: The Hybrid Particle Swarm Optimization（HPSO） algorithm is proposed for solving the Economic Load Dispatch（ELD） problems of power system.The HPSO combines the particle swarm optimization with constraint optimization and direct search.The HPSO has the effective global search ability and local search ability to avoid trapping local optimal.To verify the effectiveness of the proposed algorithm，the HPSO is tested and the obtained results are compared with those obtained by other approaches.Experiment results show that with the proposed algorithm feasible solutions can be effectively found，local optimal can be avoided and the fast solution of ELD can be implemented.

Key words: economic load dispatch, valve-point effect, particle swarm optimization algorithm, constraint optimization

中图分类号:

TM714

张凌杰¹，张国辉²

. 电力系统经济负荷分配的混合粒子群优化算法[J]. 计算机工程与应用, 2009, 45(33): 202-205.

ZHANG Ling-jie¹，ZHANG Guo-hui². Hybrid particle swarm optimization algorithm for economic load dispatch of power system[J]. Computer Engineering and Applications, 2009, 45(33): 202-205.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[3]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[4]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[5]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[6]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[7]	王贞，李旭飞. 求解约束优化问题的自适应人工蜂群算法[J]. 计算机工程与应用, 2019, 55(15): 47-58.
[8]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.
[9]	胡震，邹德旋，张旭. R-dPSO算法及其在ATO控制策略中的应用[J]. 计算机工程与应用, 2018, 54(24): 212-220.
[10]	何明慧1，徐怡1，2，王冉1，胡善忠1. 改进的粒子群算法优化神经网络及应用[J]. 计算机工程与应用, 2018, 54(19): 107-113.
[11]	孟安波，林艺城. 基因编辑差分算法在多燃料经济调度中的应用[J]. 计算机工程与应用, 2018, 54(15): 221-228.
[12]	常红伟1，夏克文1，2，白建川1，2，牛文佳1，武盼盼1. 采用云量子PSO的属性约简方法[J]. 计算机工程与应用, 2018, 54(10): 99-104.
[13]	南敬昌，田娜. 基于改进粒子群算法的模糊小波神经网络建模[J]. 计算机工程与应用, 2017, 53(3): 120-123.
[14]	颜宏文，邹丹. 基于关联规则的PSO-Elman短期风速预测[J]. 计算机工程与应用, 2017, 53(23): 261-266.
[15]	陈志旺1，黄兴旺2，陈志兴3，赵子铮2，黄丽芳4. 区间多目标优化非支配排序云模型算法[J]. 计算机工程与应用, 2017, 53(22): 143-149.

电力系统经济负荷分配的混合粒子群优化算法

Hybrid particle swarm optimization algorithm for economic load dispatch of power system

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics