[论文解读] Application of PSO, Artificial Bee Colony and Bacterial Foraging Optimization algorithms to economic load dispatch: An analysis

Anant Baijal, Vikram Singh Chauhan+1 more|arXiv (Cornell University)|Nov 13, 2011

Electric Power System Optimization参考文献 10被引用 12

一句话总结

本文评估了粒子群优化（PSO）、人工蜂群优化（ABC）和细菌觅食优化（BFO）在电力系统经济调度（ELD）问题中的应用。结果表明，在两个测试系统中，ABC和BFO在收敛速度和燃料成本方面均优于PSO，凸显了其在解的质量和计算效率方面的优越性能。

ABSTRACT

This paper illustrates successful implementation of three evolutionary algorithms, namely- Particle Swarm Optimization(PSO), Artificial Bee Colony (ABC) and Bacterial Foraging Optimization (BFO) algorithms to economic load dispatch problem (ELD). Power output of each generating unit and optimum fuel cost obtained using all three algorithms have been compared. The results obtained show that ABC and BFO algorithms converge to optimal fuel cost with reduced computational time when compared to PSO for the two example problems considered.

研究动机与目标

• 评估元启发式算法——PSO、ABC和BFO——在求解经济调度（ELD）问题中的性能。
• 比较各算法在标准测试系统上实现的收敛速度和最优燃料成本。
• 识别哪种算法在解的精度和计算效率之间提供了最佳平衡，适用于ELD问题。

提出的方法

• 将经济调度问题建模为具有等式和不等式约束的非线性、非凸优化问题。
• PSO基于个体最优和全局最优位置，采用速度和位置更新规则进行求解。
• ABC通过模拟蜜蜂的觅食行为，利用雇佣蜂和观察蜂探索和开发解空间。
• BFO通过趋化、繁殖和淘汰-扩散步骤模拟细菌觅食行为，以优化解空间。
• 在包含6台和10台发电机组的标准测试系统上实现并比较三种算法的性能。
• 在相同的问题参数和停止准则下，比较各算法的收敛行为和最终燃料成本。

实验结果

研究问题

• RQ1 在经济调度问题中，PSO、ABC和BFO的收敛速度如何比较？
• RQ2 哪种算法在测试系统中实现了最低的燃料成本？
• RQ3 ABC或BFO在解的质量和计算时间方面是否优于PSO？
• RQ4 这些算法如何处理ELD问题的非凸性和非线性特性？
• RQ5 各算法在不同系统规模下的鲁棒性和一致性如何？

主要发现

• 在6台机组和10台机组的测试系统中，ABC和BFO均实现了低于PSO的最优燃料成本。
• ABC和BFO在收敛到最优解方面表现出比PSO更快的速度，从而减少了计算时间。
• PSO需要更多迭代次数才能收敛，且燃料成本高于ABC和BFO。
• 结果表明，ABC和BFO在求解经济调度问题方面比PSO更有效。
• 本研究证实，像ABC和BFO这样的自然启发式元启发式算法非常适合处理复杂且非凸的ELD问题。
• 在两个测试案例中，ABC和BFO在成本和速度方面始终优于PSO，性能排名一致。