文献[13]将每小时的负荷预测、机组费用、旋转备用均用模糊关系表示，提出一种模糊动态规划法解机组组合问题，同时还对使用不同的隶属函数对结果产生的影响进行了探讨，但模糊动态规划法较常规动态规划法的计算时间要长的多。文[14] 构建了机组组合的模糊模型，通过定义隶属度函数将符合预测和旋转备用模糊化，结合遗传算法和二次规划方法得出机组组合的结果，综合了几种算法的优点。

　　4 小结

　　本文主要就现代智能优化算法及其在电力系统机组组合中的应用进行了简要的说明，通过对人工神经网络、进化计算、遗传算法、粒子群优化算法以及模糊优化等方法的分析对比，得出了以下的结论：

　　(1)如何准确地将机组组合问题用合适的模型表达出来是求解问题的关键;

　　(2)在应用智能优化算法解决机组组合问题时，往往出现两种或者两种以上的方法进行结合，这样有利于各个优化算法之间取长补短，从而能够更好的适应实际需要。

　　机组组合问题本身就是一个非线性混合整数规划问题，求解非常复杂，如何充分发挥各种智能优化算法的优势，完善对该问题的求解将是下一步电力系统调度理论的一个重要问题。

　　参考文献：

　　[1] 陈皓勇，张靠社，王锡凡. 电力系统机组组合问题的系统进化算法. 中国电机工程学报，1999，19(12)：9-13.

　　[2] 孙增圻，张再兴等. 智能控制理论与技术. 清华大学出版社，1997，4.

　　[3] SASAKI H，WATANABE M，KUBOKAWA J. A solution method of unit commitment by artificial neural networks [J]. IEEE Trans. on Power Systems，1992，7(3)：974-981.

　　[4] 吴金华，吴耀武，熊信艮. 机组组合问题的扩展Hopfield神经网络算法. 电力系统自动化. 2003，7(27)：41-44.

　　[5] MANTAWY A H，ABDEL-MAGID Y L，SELIM S Z. Integrating genetic algorithms，tabu search，and simulated annealing for the unit commitment problem[J]. IEEE Trans. On Power Systems，1999，14(3)：829-836.

　　[6] 蔡兴国，初 壮. 用遗传算法解算机组组合的研究. 电网技术，2003，7(27)：36-38.

　　[7] 蔡超豪，蔡元宇. 机组优化组合的遗传算法[J]. 电网技术，1997，21(1)：44-47，51.

　　[8] 周慕逊，王万良，罗云霞.遗传算法在水电站机组优化组合中的研究和应用[J]. 水力发电学报，2008，27(5)：5-9.

　　[9] 娄素华，余欣梅，熊信艮，等. 电力系统机组启停优化问题的改进DPSO 算法[J]. 中国电机工程学报，2005，25(8)：30-35.

　　[10] 张炯，刘天琪等. 基于遗传粒子群混合算法的机组组合优化[J]. 电力系统保护与控制，2009，37(9)：25-29.

　　[11] 韩恺，赵均，钱积新. 电力系统机组组合问题的闭环粒子群算法[J]. 电力系统自动化，33(1)：36-40.

　　[12] 江岳文，陈冲，温步瀛. 含风电场的电力系统机组组合问题随机模拟粒子群算法. 电工技术学报，2009，24(6)：129-137.

　　[13] SU Chung-ching，HSU Yuan-yih. Fuzzy dynamic programming：an application to unit commitment[J]. IEEE Trans. on Power Systems，1991，6(3)：1231-1237.

　　[14] MANTAWY A H. A genetic-based algorithm for fuzzy unit commitment model[A]. IEEE Power Engineering Society Summer Meeting[C] . Seattle, USA: IEEE,2000,250-254.

 3/3   首页 上一页 1 2 3