改进PSO权值算法在流水生产调度中的应用

一种改进PSO算法在经济调度中的应用研究
蒋秀洁;樊立
【期刊名称】《三峡大学学报（自然科学版）》
【年(卷),期】2007(29)3
【摘要】粒子群优化算法是一类新的基于群体智能的启发式全局优化技术,群体中的每一个粒子代表待解决问题的一个候选解,算法利用粒子之间的相互作用发现复杂问题解空间的最优候选区域.综述了算法的基本形式及其多种改进形式,通过比较提出了一种用于求解一般形式的非连续、非凸、非线性约束优化问题的改进粒子群算法,用于求解复杂的非凸、非线性电力系统经济负荷分配问题.仿真结果表明,所提出的方法搜索速度快,求解精度高,易于掌握,是解决电力系统经济负荷分配问题的有效手段.
【总页数】4页(P218-221)
【作者】蒋秀洁;樊立
【作者单位】三峡大学,电气信息学院,湖北,宜昌,443002;四川广安邻水供电局,四川,广安,638500
【正文语种】中文
【中图分类】TM73
【相关文献】
1.一种改进的PSO算法在系统无功优化中的应用研究 [J], 李生珠;韩晓男;曲直;于澎
2.基于PSO算法改进的经济调度优化 [J], 李娜;王晓亮
3.改进PSO在AGV系统路径优化调度中的应用研究 [J], 汤旻安;谷宝慧
4.一种改进的PSO网格调度算法 [J], 杨长兴;胡金
5.一种改进遗传算法在物流配送车辆调度中的应用研究 [J], 顾志康;李旭宏;徐家兵因版权原因，仅展示原文概要，查看原文内容请购买。

解决多目标置换流水车间问题的改进MDPSO算法摘要:置换流水车间调度问题(flow-shop scheduling problem)是生产调度问题的一个子问题，是NP-hard组合优化离散问题之一，具有很强的实际研究意义。

在现代的生产制造过程中，单一的目标优化已经满足不了日益发展的工业需求，所以对多目标流水车间调度问题的研究显得尤为重要，已在实际生产中得到广泛应用。

本文在多目标进化算法粒子群算法PSO的基础上设计了一种多目标进化算法离散多目标粒子群优化算法MDPSO以求解该问题,用 MATLAB 编程实现该算法并对几个标准多目标flowshop 算例进行仿真测试。

实验结果表明，提出的算法比已有的NSGA_II算法具有更好的优化性能。

关键词：多目标flowshop问题；MDPSO算法；NSGA-II；Improved MDPSO method for Multi-objective flow-shop scheduling problemWu Ye, Li Xiaoyu, Yao Jun(Shanghai zhengfan technology co. Ltd , School of Mechatronics and Automation, Shanghai University, Shanghai, China)AbstractMulti-objective flow-shop scheduling problem is a sub problem of production scheduling problem. It is one of the discrete problems of NP-hard optimization and has strong theoretical and actual purpose.In the modern production and manufacturing process, single-objective optimization can’t meet the growing industrial demand, sothe research on the scheduling problem of multi-objective flow-shop is particularly important. This paper designs a Multi-objective evolutionary algorithm based on the PSO to solve this problem. It was implemented by MATLAB and simulation on a kind of benchmark functions. The experimental results show that the proposed algorithm hasa better optimization performance than the NSGA – II.Keywords: Multi-objective flow-shop scheduling problem; MDPSO; NSGA-II1 引言在现实生活中，许多问题都需要寻找一个最优决策或者是最佳解决方案，这类问题被统称为优化问题,仅有一个目标函数的最优化问题称为单目标优化问题，目标函数超过一个的最优化问题称为多目标优化问题（Multi-objective Optimization Problems，MOP）[1]。

基于CE-PSO算法的风、火、梯级水电系统联合优化调度李咸善;范雨萌【摘要】为促进风电更好地消纳、减少传统化石能源造成的污染,充分发挥梯级水电站的调节能力,制定了一种包含风、火、梯级水电系统的联合优化调度策略.该策略确定了优先风电上网、火电平稳出力、梯级水电补偿运行的调度模式,并依据该策略建立了多目标联合优化模型.针对传统粒子群算法存在容易陷入局部最优解的缺点,采用基于鲶鱼效应改进的粒子群算法对模型进行求解,并在MATLAB软件中进行仿真.算例的仿真结果表明,基于鲶鱼效应改进的粒子群算法能够有效地应用于风、火、梯级水电联合优化调度问题中,能够发挥出梯级水电站调节特性的同时有效地增加风电的上网电量、提高系统的综合效益.【期刊名称】《电力科学与工程》【年(卷),期】2019(035)002【总页数】6页(P1-6)【关键词】风电消纳;梯级水电站;优化调度;鲶鱼效应;粒子群算法【作者】李咸善;范雨萌【作者单位】三峡大学电气与新能源学院,湖北宜昌443002;三峡大学电气与新能源学院,湖北宜昌443002【正文语种】中文【中图分类】TM730 引言随着近年来风、水电等绿色清洁能源的持续快速发展，我国已经形成了包含传统能源、多种新能源在内的电源多样化的新架构。

我国未来能源发展的方向即要建立起一个清洁又低碳、安全且高效的能源系统，但目前普遍存在的弃风现象不仅严重浪费了风能资源、造成了一定的经济损失，更制约了风电产业的健康、长远发展，如何利用好风电、更好地解决风电消纳，是目前风电企业及电力系统急需解决的问题[1-2]。

与此同时，随着我国大型水电基地建设的不断推进，流域水电开发已经迈进新的阶段，加强流域水电管理同样刻不容缓[3-4]。

因此，利用流域梯级水电来提高电源灵活性，既可以改善电网对风电的消纳情况，同时也能提高系统的安全效益和整体的经济效益，此举十分必要。

含风、火、梯级水电系统的联合优化属于较为复杂的多约束、高维数的非线性问题，对于这类问题的求解，已经有一系列优化算法被国内外的学者提出，如经典的遗传算法、粒子群算法、动态规划法、蚁群算法等[5-8]。

基于PSO算法改进的经济调度优化李娜;王晓亮【摘要】在传统电力系统经济调度基础上,考虑风电并网后附加备用及上、下旋转备用约束,同时考虑火电机组燃料费用和环境污染物排放费用,建立了经济与环保协调的经济调度模型,提出应用改进PSO算法求解短期经济调度问题,并通过5节点火电厂、1节点风电场系统仿真验证了方法的可行性和有效性.【期刊名称】《山东电力技术》【年(卷),期】2015(042)003【总页数】4页(P12-15)【关键词】经济调度;PSO算法;风电并网;旋转备用【作者】李娜;王晓亮【作者单位】国网山东省电力公司电力科学研究院,济南 250002;国网山东省电力公司检修公司,济南 250000【正文语种】中文【中图分类】TM732为高效经济地利用风能资源，提高电力系统运行的经济性，含风电场电力系统的经济调度问题日趋成为电力系统的研究重点。

由于风能具有随机性和波动性，传统经济调度算法不再适用。

同时，随着全球节能减排的要求，为较大程度减少火电机组对环境的污染，现代经济调度问题应兼顾经济性与环境性两方面。

因此，风电场并网后的经济调度问题是一个高维、非线性且非凸的优化问题。

文献［1］应用改进的粒子群算法求解含风电场的电力系统动态经济调度问题，模型中描述火电机组的阀点效应对发电成本的影响，可更精确地求解调度问题，并通过仿真验证了算法的可行性和有效性，但研究算法的收敛性较差，计算速度较慢。

文献［2］根据风电功率波动性和随机性特点，在电力系统动态经济调度模型（DED）中引入了风电场出力爬坡的约束条件及系统的上、下旋转备用容量约束，并在二进制微分进化算法的基础上，加入了自适应调整控制参数、共享适应度等改进措施，可快速、高效地解决含风电场的电力系统动态经济调度问题。

文献［3］将旋转备用成本加入到调度模型中，同时引入可中断负荷作为旋转备用，采用优先顺序和离散粒子群算法结合的算法，改进了传统粒子群算法寻优的随机性，同时提高了运算速度。