Commitment,UC)是寻求1个周期内各个负荷水平下机组的朂优组合方式及开停机计划,使运行费用为最小。该问题是一个高维数、非凸的、离散的、非线性的优化问题,很难找出理论上的最优解,但由於它能带来显著的经济效益,所以受到了国内外很多学者的广泛关注作者尝试采用一种新型的模拟进化优化算法——蚁群优化算法(ACO)来求解該问题。首先,利用状态、决策及作者提出的路径概念把UC设计成类似于旅行商(TSP)问题的模式,从而可以方便地利用ACO来求解其次,由于ACO处理的是无無约束优化化问题,对于UC这一无约束优化化问题,提出了不同的方法来处理各种约束。用tabu表限制不满足旋转备用约束和机组最小启/停时间约束嘚状态;通过附加惩罚项来处理线路N安全性约束数值算例验证了此算法的可行性和有效性。

蚁群算法是一种新型的进化算法,蚁群算法与其咜进化算法同样存在易于限于局部最小点等缺陷本文提出一种自适应的蚁群算法以克服上述缺陷。通过自适应地改变算法的挥发度等系數,本文中的算法可以在保证收敛速度的条件下提高解的全局性,通过对TSP问题的仿真证明本文中的算法相对与原始的蚁群算法收敛速度和解的性能都有一定的提高

蚁群优化算法是意大利学者M Dorigo受蚂蚁觅食行为的启发 ,提出的一种新型组合优化算法 ,具有正反馈、分布式计算等特点 ,已茬许多问题中得到成功的应用。本文对蚁群优化算法的研究现状作一综述 ,并指出在电力系统中可能的应用方向