摘要:电力系统是一个存在大量复杂与不确定性约束条件的系统，电力工作者长久以来致力于构建与求解电力系统中各种优化问题的工作上.在这些优化问题中，本文针对电网经济环境调度问题提出新的求解方法.目前对于电网经济环境调度问题的求解较为普遍的是采用群体智能算法，因为群体智能算法对目标函数要求少，实施过程简单且易于解决多维的复杂问题.群体智能的概念来源于对自然界中昆虫群体的观察，群居动物通过协作表现出的宏观智能行为特征被称为群体智能.到目前为止群体智能研究主要包括蚁群算法和粒子群算法.

　　　本文针对电网经济环境调度问题，提出了一种改进的粒子群算法——粒子群与引力搜索混合算法(GPSO).此算法结合了引力搜索算法(Gravitational Search Algorithm，GSA)收敛速度快，精度高的特点.针对粒子群算法中粒子搜索速度慢的问题，本文将万有引力算法中的加速度添加到粒子群算法的速度更新公式中，以此提高算法的收敛速度.此外，在速度更新公式中添加随机机制，防止粒子陷入局部最优点，提高粒子的全局探索能力.实验结果表明粒子群与引力搜索混合算法具有良好的准确度和收敛特性.

关键字：电网经济环境调度；引力搜索算法；粒子群算法；混合算法

目录

摘要

ABSTRACT

第1章 绪论-1

1.1 课题研究背景和研究意义-1

1.2 国内外研究现状-1

1.3 论文主要研究内容-3

第2章 电网调度问题描述-5

2.1 电网调度的内容-5

2.2 电网经济环境调度模型的建立-5

2.2.1 目标函数-5

2.2.2 约束条件-6

2.3 多目标处理-7

2.4 电网参数-7

2.5 本章小结-8

第3章 粒子群算法在电网经济环境调度中的应用-9

3.1 引言-9

3.2 基本粒子群算法的原理分析-10

3.3 基本粒子群算法程序流程-10

3.4 函数测试-11

3.5 单目标仿真实验-12

3.5.1 燃料损耗最小-12

3.5.2 污染气体排放最小-14

3.6 本章小结-15

第4章 引力搜索算法在电网经济环境调度中的应用-17

4.1 引言-17

4.2 引力搜索算法的原理分析-17

4.3 引力搜索算法的程序流程-19

4.4 测试函数-20

4.5 单目标仿真实验-22

4.5.1 燃料损耗最小-22

4.5.2 污染气体排放最小-23

4.6 本章小结-25

第5章 GPSO在电网经济环境调度中的应用-27

5.1 粒子群与引力搜索混合算法-27

5.2 算法流程-27

5.3 算法在实际模型中的处理过程-28

5.4 函数测试-28

5.5 多目标仿真实验-31

5.5.1 无损耗条件下各算法仿真对比-31

5.5.2 带损耗条件下各算法仿真对比-32

5.6 本章小结-33

第6章 总结与展望-35

6.1 总结-35

6.2 不足之处与展望-35

参考文献-36

致  谢-39