[论文解读] State-of-the-Art Economic Load Dispatch of Power Systems Using Particle Swarm Optimization

Mahamad Nabab Alam|arXiv (Cornell University)|Dec 30, 2018

Electric Power System Optimization参考文献 114被引用 10

一句话总结

本文对2003年至2016年间粒子群优化（PSO）在电力系统经济负荷分配（ELD）中的应用进行了全面综述。将14年来的研究划分为五类——单目标ELD、动态ELD、含可再生能源的ELD、多目标环境/经济调度，以及微电网ELD——突出展示了PSO变体、问题建模、测试系统及关键结果，并指出了智能电网和分布式能源协调方面的未来研究方向。

ABSTRACT

Metaheuristic particle swarm optimization (PSO) algorithm has emerged as one of the most promising optimization techniques in solving highly constrained non-linear and non-convex optimization problems in different areas of electrical engineering. Economic operation of the power system is one of the most important areas of electrical engineering where PSO has been used efficiently in solving various issues of practical systems. In this paper, a comprehensive survey of research works in solving various aspects of economic load dispatch (ELD) problems of power system engineering using different types of PSO algorithms is presented. Five important areas of ELD problems have been identified, and the papers published in the general area of ELD using PSO have been classified into these five sections. These five areas are (i) single objective economic load dispatch, (ii) dynamic economic load dispatch, (iii) economic load dispatch with non-conventional sources, (iv) multi-objective environmental/economic dispatch, and (v) economic load dispatch of microgrids. At the end of each category, a table is provided which describes the main features of the papers in brief. The promising future works are given at the conclusion of the review.

研究动机与目标

• 为现代电力系统中复杂经济负荷分配（ELD）问题的PSO应用提供系统性综述。
• 将2003年至2016年期间基于PSO的ELD研究（共14年）系统分类并分析为五大关键问题类别，以促进理解与比较。
• 识别基于PSO的ELD解决方案在非凸性、毛刺效应及多目标优化方面的优势、局限性与发展趋势。
• 突出未来在智能电网中的有前景研究方向，包括电动汽车充电、故障电流控制以及分布式能源资源的协调调度。
• 通过总结各类ELD场景下的关键PSO技术、测试系统及性能结果，为研究人员和实践者提供支持。

提出的方法

• 本研究对2003年至2016年间发表的118篇文献进行了综述，数据来源包括IEEE、Elsevier、IET等主要期刊与出版商。
• 将论文系统性地划分为五类ELD问题类型：单目标ELD、动态ELD、非传统能源接入的ELD、多目标环境/经济调度，以及微电网ELD。
• 针对每一类，提取并整理关键特征，如PSO变体、目标函数建模、约束处理方式、测试系统（例如IEEE 30节点系统、6台发电机系统）以及性能指标。
• 在经典与改进型PSO算法（如QPSO、FAPSO、MPSO、CBPSO）的框架下，应用于处理具有非凸性、非线性及约束条件的ELD问题，涵盖毛刺效应与禁止运行区等特征。
• 评估PSO在最小化燃料成本、排放量与网损方面的作用，同时确保满足发电机出力极限、爬坡率及功率平衡等系统约束。
• 分析不同测试系统中的基准结果，比较各类PSO变体在收敛速度、解质量与鲁棒性方面的表现。

实验结果

研究问题

• RQ1 不同PSO变体如何应用于求解具有非凸成本函数与毛刺效应的单目标经济负荷分配问题？
• RQ2 在动态经济负荷分配中，PSO应用面临的主要挑战与解决方案是什么，特别是针对发电机爬坡率约束与时变负荷曲线？
• RQ3 基于PSO的方法在整合可再生能源（如风能、太阳能）进入经济调度时，其在应对间歇性与不确定性方面的有效性如何？
• RQ4 多目标PSO在平衡燃料成本与排放削减方面，其性能表现如何，特别是在环境/经济调度问题中？
• RQ5 PSO如何适配于包含多样化分布式能源资源与双向潮流的微电网经济调度？

主要发现

• 基于PSO的方法在求解具有毛刺效应的非凸、非线性ELD问题时，持续优于传统优化方法（如λ-迭代法与梯度法）。
• 改进型PSO变体（如QPSO、FAPSO、CBPSO）在复杂ELD场景中表现出更优的收敛性能，并降低了陷入局部最优的风险。
• 在多目标ELD中，混合PSO方法（如结合模糊逻辑的CBPSO）能有效平衡燃料成本与排放削减，实现较单目标方法更低的总成本与排放水平。
• 在含可再生能源（如光伏、风力、微型燃气轮机）的微电网中，PSO应用有效协调了分布式发电单元，降低了运行成本并提升了电压稳定性。
• 在智能电网应用中，PSO可实现电动汽车充电的高效协调，减少网络阻塞与电能损耗，同时维持良好的电压质量。
• 本综述识别出：利用先进PSO算法开展分布式能源资源的协同调度以及通过晶闸管控制阻抗实现故障电流控制，是未来极具潜力的研究方向。