[论文解读] A New Approach to the Solution of Economic Dispatch Using Particle Swarm Optimization with Simulated Annealing

V. Karthikeyan, S. Senthilkumar+1 more|arXiv (Cornell University)|Jul 11, 2013

Electric Power System Optimization被引用 4

一句话总结

本文提出了一种混合元启发式方法，结合粒子群优化（PSO）与模拟退火（SA），以解决电力系统中的经济调度（ED）问题。通过整合PSO的全局搜索能力与SA的局部搜索优化，该方法在MATLAB中的三单元测试案例中，实现了比传统方法更低的燃料成本和更快的收敛速度。

ABSTRACT

A new approach to the solution of Economic Dispatch using Particle Swarm Optimization is presented. It is the progression of allocating production amongst the dedicated units such that the restriction forced are fulfilled and the power needs are reduced. More just, the soft computing method has received supplementary concentration and was used in a quantity of successful and sensible applications. Here, an attempt has been made to find out the minimum cost by using Particle Swarm Optimization Algorithm using the data of three generating units. In this work, data has been taken such as the loss coefficients with the max-min power limit and cost function. PSO and Simulated Annealing are functional to put out the least amount for dissimilar energy requirements. When the outputs are compared with the conventional method, PSO seems to give an improved result with enhanced convergence feature. All the methods are executed in MATLAB environment. The effectiveness and feasibility of the proposed method were demonstrated by three generating units case study. Output gives hopeful results, signifying that the projected method of calculation is competent of economically formative advanced eminence solutions addressing economic dispatch problems.

研究动机与目标

• 通过最小化燃料成本并满足运行约束，解决电力系统中的经济调度问题。
• 克服传统方法和标准PSO在非凸ED问题中难以收敛到全局最优解的局限性。
• 通过集成模拟退火，提升PSO的性能，改善局部搜索能力并避免陷入局部极小值。
• 利用标准三台发电机测试系统验证混合PSO-SA方法的有效性。
• 展示所提方法在实现经济最优发电调度方面的可行性与高效性。

提出的方法

• 该混合算法结合粒子群优化（PSO）与模拟退火（SA），以提升收敛性与全局优化能力。
• PSO用于对解空间进行全局探索，基于个体最优与全局最优解更新粒子速度与位置。
• 模拟退火被整合以通过允许偶尔的上升移动来优化解，降低过早收敛至局部最优的风险。
• 算法通过标准PSO方程迭代更新粒子位置与速度，同时SA根据温度依赖概率控制新解的接受。
• 将发电机出力限制与网损系数等约束条件整合进适应度函数，以确保解的可行性。
• 整个算法在MATLAB环境中实现并基于三台发电机的案例研究进行测试。

实验结果

研究问题

• RQ1 将模拟退火与粒子群优化相结合，能否改善经济调度问题的收敛性与解的质量？
• RQ2 与传统方法相比，混合PSO-SA方法在燃料成本降低与收敛速度方面表现如何？
• RQ3 该混合方法在非凸经济调度问题中，多大程度上避免了陷入局部极小值？
• RQ4 该方法对具有实际运行约束的小规模电力系统是否具备鲁棒性与有效性？
• RQ5 引入网损系数与发电机出力限制约束对混合算法性能有何影响？

主要发现

• 所提出的PSO-SA混合方法在三单元测试系统中，总燃料成本低于传统方法。
• 该算法表现出更优的收敛特性，比标准PSO更可靠地达到最优或近似最优解。
• 模拟退火的集成显著降低了陷入局部极小值的可能性，提升了解的鲁棒性。
• 该方法成功满足了所有运行约束，包括发电机出力限制与网损系数。
• MATLAB仿真结果证实了该混合方法在求解经济调度问题中的可行性与有效性。
• 案例研究表明，该方法能够生成经济性更优且高质量的调度解。