电网规划的多目标满意优化
新形势下分析优化输电网络规划方向
新形势下分析优化输电网络规划方向摘要:随着社会、经济、科学技术的迅猛发展,以及日益加重的环境压力和各种新机制的引入,电网规划正面临着越来越多不确定性因素的影响,未来环境也变得越来越难以预测。
本文按电网规划的特点,将当前各种规划模型和求解方法进行全面的归类,介绍了各自的特点和适用范围,并在此基础上提出了今后优化输电网络规划的研究方向。
关键词:输电网络;规划模型;优化规划1.引言电力设施是国家的基础设施,是国家经济发展不可缺少的基础条件,先进的电网规划不仅可以收获巨大的经济效益,也可以收获巨大的社会效益。
如何寻求最佳的电网投资决策,以保证整个电力系统的长期最优发展。
根据电网发展及负荷增长情况,合理地确定今后若干年的电网结构,使其既安全可靠又经济合理。
在保证电力安全可靠地输送到负荷中心的前提下,使电网建设和运行的费用最小。
实践证明,电网规划的少量完善往往就可以获得巨大的经济效益。
早期的电网规划以方案比较为基础,这种方法是从几个设定的待选方案中通过技术和经济比较选择出最佳方案。
2 规划模型2.1 可靠性模型“需求侧管理”的兴起使人们的可靠性观念发生了变化。
用户在购买电力的同时也购买了电力的一个重要品质一定的供电可靠性。
由于供电可靠性问题给用户造成的经济损失必将成为今后制定电价时要考虑的重要因素。
因此,电网供电总成本不仅包括电网扩展建设的投资成本、运行成本,还应包括由于电网电力供给不足或中断造成的用户缺电损失,即需求侧的缺电成本。
包括我国在内的许多国家都在对传统的电力工业管理模式进行改革,对输电网的要求是开放输电通道,以保证各参与者公平竞争,在这种新的环境下,传统的电网规划方法已难以胜任,由于竞争机制的引入使规划者面临更多的不确定因素,特别是负荷的变化更加频繁,造成输电网络可靠性降低,面对电价的波动,用户有更多的选择和应对策略,理性的用户总是根据最大效益原则,适时调整负荷计划,如与供电方签订固定输电合同,从其他低价区域购电,调整负荷等,导致实际负荷的分布往往偏离预测值,从长远来看,这种负荷变化必然会影响电网的运行和收益。
电网规划的多目标满意优化
文 章 编 号 ： １ ０ — ４ （０ ０ ０ — ６ —２ ０ ５６ ８ ２ １ ） １０ １ ５ ０ ０
电
力
学
报
Ｖｏ ． ５ Ｎｏ １ １２ ．
Ｆｅ ． ２ ０ ｂ ０１
Ｊ ＯＵＲＮＡＬ ０Ｆ Ｅ ＬＥＣＴＲＩ ＰＯＷ ＥＲ Ｃ
（） ２ 运行模 拟 。最小 缺 电希 望值 需 对 系统 在各 种状 态下 进 行 行 为 模 拟 ， 统 状 态 包 括 发 电机 ， 系 线
而各个 目标 函数往往是 相互矛盾 的 ， 传统 的启发式 方 法和优化方法 无法 得 到满 意 的解 决 方案 。传 统优 化 方法中的模型都是实 际情 况的简化 ， 然忽 略一些 影 必
约 束 ， 资 费用小 于 预定 的投 资 费 用 和 可靠 性 大 于 投 最低 的要求 。
（ ） 目标 模 型 的满 意 解 。本 文 的 多 目标 优化 ３多
式， 并没有正确反 映满 意度的本质 内涵Ｉ 。 ２ ］ 本 文将 满意优 化应 用到 电 网规 划 的多 目标优化 中来 ， 合各个 目标 函数 建 立 总 体满 意 度 单 目标 函 综 数， 以总体最优 为 目标 函数 。 由于 电 网规 划 是 多维 数 的 的规划 ， 以采用 适 宜 并 行计 算 的现 代启 发 式 所 算 法对算 例进 行求 解 ， 能够满 足实 际情 况 的需要 。 更
满 意优 化 问题采 用 基 于线 性 取 值 的满 意 度定 义 。 ］ 引入 变量 ， 分 别表 示对 目标 函数 （ ） ２ 的满意 ｚ １ （） 程度 。 ，。的定 义如下 ：
ｆ０
— ｌ一 ｌ
≥
≥ ≥ ｔ ；
基于多目标的独立微电网优化设计方法
基于多目标的独立微电网优化设计方法李伟迪（广东顺德电力设计院有限公司广东佛山528200）摘要：微电网是与大电网相对应的一个概念，它是由众多装置合并组成的小型发配电系统㊂为了有效地提高独立微电网的供电可靠性，对可再生能源进行最大限度利用，并降低投资成本，本文从独立微电网的特点着手，通过数学模型的方法来实现微电网的多目标规划设计㊂其中的三个重点目标分别是：独立运行的控制目标㊁灵活运行的组合目标及协调运行的科学目标㊂在此基础上总结了目前独立微电网优化设计研究的局限性，对尚待解决的问题做了陈述㊂关键词：多目标优化；微电网；优化设计中图分类号：TM727文献标识码：A文章编号：1673-0038（2016）16-0238-02微电网是一个独立的、可控制的小型电力系统。
它主要由电力负荷和各种电力装置构成，能够帮助解决可再生能源分布式发电接入引发的各种问题，有效提高可再生能源的利用率，对环境保护有着重大意义。
同时，微电网作为一个独立、可控制的系统，可以与外部的大电网连接，从而克服传统电力系统的不稳定性，降低电力系统的成本。
本文将针对独立微电网的含义及特征，运用多种方法来实现其独立运行的多目标，从而实现独立微电网的优化设计。
1独立微电网的典型特征1.1独立微电网的结构形式对独立微电网进行优化设计的前提条件是确定其结构形式，结构形式的确定对系统的电压等级、分布式电源的选择以及微电网可靠性等方面都有很大影响。
目前，国外很多国家已经建成了各具特色的微电网试验系统和独立微电网的系统工程，其中以美国和欧盟为主要代表。
可见，在世界范围内已经掀起了对微电网系统结构探索的热潮。
影响独立微电网结构形式的主要因素包括系统的负荷特性、分布式电源的格局及电能质量要求等，这些因素也间接地决定了独立微电网的供电方式。
一般来说，按照供电形式可以将独立微电网分为三种微电网结构形式，分别为交流微电网、直流微电网和直交流混合微电网[1]。
这三种微电网结构形式的特点及优劣如表1所示。
论多目标电网规划的分层最优化方法
可 少的，它的优化将有 助于建立一 个更加 完备 的 国际一流 电网。
关键词 ：电 网建设 ；电网规划 ；分层 最优化
中图分类 号 ：Ｔ Ｍ７ １ ５
文献标识码 ：Ａ
文章编 号 ：１ ０ ０ ９ — ２ ３ ７ ４（ ２ ０ １ ３ ）１ ４ — ０ １ １ ０ — ０ ２
传统确定 电网规划 电网 目标 网架 的方式是将采用 的电 源 接人 、负 荷供 给作 为 目标导 向 ，之后再 根据 实 际的情 况和一些 特殊的要求对 电网进行部分 的改动的 电网建设规 划方式 ，这种方式虽然减少 了规划 过程 中的许多难点 ，但
划无法达到预期 的 目标 ，而且规划方案也不满足综合 效益 最好条件。 １ ． ２ ． ４ 在制定规 划方ຫໍສະໝຸດ 时运用数学 函数 ：综合考 虑规
安全 ，而其 中包括 的内容有 ：电源接人及负荷供 给方 案最
优 、电网安全稳定水平最 大 、电网损耗最小 、供 电可靠 性 及 电能质量最优 、电网投 资最省等 ，而将其概括起来 就是
但是 ，在此方面 ，还存在一些急需改进的地方 ： （ １ ） 我 国
１ ． ２ ． ２ 满 足可靠性 的规划方法 ：这类 方法主要是 以电
网规 划 的可靠 性 为 目标 ，结 合一 定 的规划 技术 ，进行 设 计 。结合 电力传输过程 的能量大小 以及 电网的传输能力 、
在 技术 方面 已经具有较大 的进步 ，但是 却仍 需建立一个完
是 因为它 还存 在一些 不 足的地 方 ，无法 适用 于全 部 的电
网 ；而还有一些则是完全 以可靠性为 目的来进行规划 的优 化设计 的，最后才对需要 的设 备 、技术进行考虑 。这 种规
划的方法体现 了资金 和可靠性 的关系 ，但是它却不具 备实
探究智能电网发展下多目标输电网规划设计思路
探究智能电网发展下多目标输电网规划设计思路摘要:随着智能电网的不断发展,我们开始不断研究多目标的输电网规划。
而进行规划时所设计的方案一定要保证其可靠性、灵活性、适应性、经济性、抗毁性。
要想保证方案的可靠性就要依靠需求计算缺损的电量;要想保证方案的灵活性就要依靠网络的输电能力;要想保证方案的适应性就要依靠系统的扩展能力;要想保证方案的经济性就要依靠发展电网所投的资金;要想保证方案的抗毁性就要依靠电网线路介数因子的最低值。
为了能够制定出符合的方案,我们建立一个新的多目标输电网规划模型,这个模型是在一个余弦排序的理论基础上建立而成。
为了得到一个最优的综合方案本文还会做出一个对比,并且指导多目标输电网能够更好的进行规划。
关键词:智能电网多目标输电网规划余弦排序1 对余弦排序理论进行分析为了能够在检索信息这一个领域有一个很好的发展,Salton等人提出了一个新的模型,即向量空间模型。
这个模型主要的作用就是查询文档与信息所具有的相似程度,而检查的办法就是查出人们所搜索的文档向量与人们所查询的信息向量之间的夹角,然后用此夹角的余弦值作为相似程度的定量。
为了能够更好的规划电网,我们可以将这个余弦排序理论加以改造以后用于我们的电力系统中。
2 输电网规划方法研究现状由于电网规划是一项比较复杂,约束比较多的项目,因此在其优化问题上有很大的难度。
然而随着社会的发展,计算机网络、运筹学以及系统工程等领域也在快速的发展,从而为解决这些输电网规划上的难题带来很大的便宜条件,为了能够更好的对输电网规划进行研究本文将其分成了三个阶段。
2.1 启发式方法阶段在这个阶段内我们所采取的手段为依靠直观的数据来进行分析,最常见的方法就是根据某些特定的原则对电路系统中可行性路线的灵敏度参数进行迭代,一直到最后的结果满足我们所需的要求。
在这个阶段中,为了能够控制电力系统的运行我们常常采用灵敏分析法,这种方法主要是对一些控制变量与运行指标进行分析以此来确定此变量能够对系统造成的影响,从而找到解决的办法使系统运行的更加顺利。
多目标最优化模型
缺点
计算复杂度高
求解速度慢
难以找到全局最优 解
对初始解依赖性强
多目标最优化模 型的发展趋势
算法改进
进化算法：如遗传算法、粒子群算法等，在多目标优化问题中表现出色，能够找到多个非支配解。
机器学习算法：如深度学习、强化学习等，在处理大规模、高维度多目标优化问题时具有优势，能 够自动学习和优化目标函数。
金融投资
风险管理：多目标最 优化模型用于确定最 优投资组合，降低风 险并最大化收益。
资产配置：模型用于 分配资产，以实现多 个目标，例如最大化 收益和最小化风险。
投资决策：模型帮助 投资者在多个投资机 会中选择最优方案， 以实现多个目标。
绩效评估：模型用于评 估投资组合的绩效，以 便投资者了解其投资组 合是否达到预期目标。
混合算法：将多种算法进行融合，形成新的优化算法，以适应不同类型和规模的多目标优化问题。
代理模型：利用代理模型来近似替代真实的目标函数，从而加速多目标优化问题的求解过程。
应用拓展
人工智能领域的应用
金融领域的应用
物流领域的应用
医疗领域的应用
未来研究方向
算法改进：研究更高效的求解多目标最优化问题的算法 应用拓展：将多目标最优化模型应用于更多领域，如机器学习、数据挖掘等 理论深化：深入研究多目标最优化理论，提高模型的可解释性和可靠性 混合方法：结合多种优化方法，提高多目标最优化模型的性能和适用范围
资源分配
电力调度：多目标最优化模型用于协调不同区域的电力需求和供应，实现电力资源的 合理分配。
金融投资：多目标最优化模型用于确定投资组合，以最小风险实现最大收益，优化金 融资源分配。
多目标优化的应用
多目标优化的应用多目标优化是指在一个优化问题中同时考虑多个目标，而不是仅针对单个目标进行优化。
在现实世界中，许多问题具有多个相互关联的目标，因此多目标优化技术可以应用于各种领域，包括工程、经济学、管理学、生物学等等。
下面将介绍几个典型的多目标优化应用。
1.工程设计：在工程设计中，常常需要考虑多个目标，例如成本、可靠性、效率等。
多目标优化可以帮助工程师在设计过程中找到最优的权衡解，以满足不同的设计要求。
2.能源系统规划：能源系统规划是一个复杂的问题，涉及到多个目标，如能源供应的可靠性、经济性、环境可持续性等。
多目标优化可以帮助能源规划者找到最佳的能源配置方案，以实现不同目标的平衡。
3.物流优化：在物流领域，需要考虑多个目标，如成本、送货时间、货物损失等。
多目标优化可以用于优化路线规划、货物调度等问题，以提高物流效率和客户满意度。
4.金融投资决策：在金融领域，投资者通常关注多个目标，如收益、风险、流动性等。
多目标优化可以帮助投资者在收益和风险之间找到最佳的平衡，以制定合理的投资策略。
5.生产调度：在生产调度中，需要同时考虑多个目标，如生产效率、资源利用率、交货期等。
多目标优化可以用于制定最优的生产计划，以提高生产效率和满足客户需求。
6.城市规划：在城市规划中，需要平衡多个目标，如社会经济发展、环境保护、居民生活质量等。
多目标优化可以帮助城市规划者找到最佳的城市发展方案，以实现可持续发展和改善居民生活。
以上只是多目标优化的一些应用领域的简单介绍，实际上，多目标优化可以应用于几乎所有需要权衡多个目标的问题。
通过使用多目标优化方法，可以帮助决策者在众多可行方案中快速找到最佳的解决方案，提高问题的解决效率和质量，从而为社会经济发展带来更大的价值。
多目标电网规划的分层最优方法
多目标电网规划的分层最优方法作者：侯景辉来源：《数字化用户》2013年第25期【摘要】针对我国电网规划中出现分层次、多目标的特点，本文对多目标电网的规划方式，目标电网的分层最优模型，并用数学模型加以总结。
【关键词】多目标电网规划分层为了积极适应我国日益繁荣的国民经济和不断进步的社会水平，我国在电网规划方面也做出了相应的改革。
虽然我国目前的电网规划已经接近了国际水平，但为了适应发展的潮流，我国决定将我们的电网建设成国际一流的电网系统。
以电源的接入和负荷供给为主导的传统的规划电网目标的方式是很难将电网规划的效益发挥至最大。
一、几种常用的多目标电网的规划方式（一）在我国传统的电网规划方式中，逐步倒推法和逐步扩展法的应用最为广泛，但这些方法都是基于保证经济目标的前提，无法做到扩展经济目标的目的，此外，这类方法中可靠性分析不够严谨，只是为了验证计算结果而存在的。
因此，逐步倒推法和逐步扩展法虽然在规划中被广泛应用，但却在可靠性和经济性方面略有欠缺。
（二）以可靠性为目标的电网规划通常分为两种，首先是将负荷的消减以及系统供电能力的变化作为分析的依据的灵敏度辨析法。
这种灵敏度分析法会再借助一些启发式方法，最终制定一些符合可靠性目标的方案。
另一方面，还有一些以可靠性为基础的规划是以经济为目标而进行的。
例如，一些北美的电力系统，采用一些虽不是很实用，但可以协调资金的投入与可靠性之间的关系。
这事因为他们将电网的规划目标定位为可靠性目标的优化，并据此制定电力设备的投入方案。
这类的方式只适用于小范围的电网构建，而不适用大型的多目标电网构建。
（三）为了使可靠性规划方式更加优化，我们从中加入了约束性条件，普遍使用的约束性条件是N一1规则，如果是为了更加严格约束条件，也可使用N一2规则，但是这种方式很难将可靠性方案与经济效益相协调，因此不能达到综合效益的更好优化。
（四）综合考虑经济性与可靠性的结合情况，我们可以将其在函数中有所体现。
基于多目标优化的电网规划与调度
基于多目标优化的电网规划与调度电网规划与调度是现代电力系统中的重要环节，它的目标是以最优的方式满足电力系统运行的稳定性、经济性和可靠性要求。
在过去的几十年里，由于电力系统规模的扩大和运行复杂性的增加，传统的单目标优化方法已经无法满足对电网规划和调度的要求。
因此，基于多目标优化的电网规划与调度正在成为一种研究热点。
多目标优化的电网规划与调度考虑了电力系统运行中的多个冲突目标，如经济性、可靠性、环境友好性等。
在电网规划方面，多目标优化方法可以在满足电网供电能力和电力负荷需求的前提下，最小化投资成本、最大化电力系统的可靠性和能源效率。
在电网调度方面，多目标优化方法可以综合考虑传输线损耗、电压稳定性、发电机运行成本等多个因素，从而实现电网运行的最优化。
首先，多目标优化的电网规划与调度可以优化电网的经济性。
在电网规划中，可以利用多目标优化方法确定电网的布局、输电线路的选址和容量，以及电力设备的配置等，从而使得电网的总体投资成本最小化。
在电网调度中，可以利用多目标优化方法确定输电线路的功率分配、发电机组的出力设置等，以最小化电力系统的运行成本。
通过实现经济的电网规划与调度，可以提高电力系统的运行效益，降低用户的电费支出，促进电力市场的繁荣发展。
其次，多目标优化的电网规划与调度可以提高电网的可靠性。
在电网规划中，可以利用多目标优化方法确定电网的备用容量、电网输电能力等，以最大化电网的可靠性指标，例如系统平均中断频率指标（SAIFI）、系统平均中断持续时间指标（SAIDI）等。
在电网调度中，可以利用多目标优化方法实现电力设备的优化组态、发电机组的合理运行等，以最大化电力系统的可靠性指标。
通过提升电网的可靠性，可以减少停电事件的发生频率和持续时间，提高用户对电力系统的满意度和信赖度。
此外，多目标优化的电网规划与调度也可以考虑电力系统对环境的影响。
在电网规划中，可以利用多目标优化方法确定可再生能源的合理比例和分布，以及电网与环境之间的协调关系。
多目标权衡的优化方法
多目标权衡的优化方法全文共四篇示例，供读者参考第一篇示例：多目标优化问题在实际生活和工程应用中非常常见，在工程设计中需要考虑成本、效率和质量等多个目标。
在面临多个目标的优化问题时，需要找到一个平衡点来满足不同目标之间的权衡关系。
多目标权衡的优化方法就是一种能够有效解决这类问题的技术。
在多目标优化问题中，传统的单目标优化技术已经不再适用，因为单一目标的优化不能充分考虑到所有的目标。
多目标权衡的优化方法通过考虑多个目标之间的平衡关系，使得不同目标的优化结果能够在一定程度上取得最优解。
多目标权衡的优化方法主要包括以下几种技术：多目标遗传算法、多目标粒子群优化算法、多目标模糊优化算法等。
这些方法通过不同的优化策略和算法模型，实现了多目标的权衡，让用户在不同的目标之间找到一个合适的平衡点。
多目标遗传算法（MOGA）是一种经典的多目标优化技术，通过模拟自然界的进化过程，利用进化算子如交叉、变异等操作来不断搜索最优解空间，找到最优的权衡解。
MOGA能够同时优化多个目标函数，并给出一组最优解中的非劣解集合，让用户在这个集合中选择最适合自己需求的解。
多目标粒子群优化算法（MOPSO）则是基于群体智能的优化方法，通过模拟鸟群的觅食行为来搜索问题的最优解。
MOPSO算法不仅仅考虑到单一的最优解，而是从多个角度去考虑问题的最优解，从而找到一个全面的解决方案。
多目标模糊优化算法（MOMO）则是一种基于模糊逻辑的优化方法，通过模糊集和模糊规则来表达问题的多个目标和约束条件，通过模糊推理来求解最优解。
MOMO算法能够在不确定性条件下处理多目标问题，使得结果更加鲁棒性和鲁棒性。
多目标权衡的优化方法为解决实际生活和工程中的多目标优化问题提供了有效的技术支持。
通过选择不同的优化方法和算法，用户可以根据自己的需求和目标来找到最合适的解决方案。
多目标优化技术的不断发展和完善，将为实现更加全面、高效的优化解提供更多的可能性。
第二篇示例：在现代社会中，我们常常面对各种各样的决策问题，需要在不同的目标之间进行权衡和取舍。
多目标电网规划的分层最优化措施
多目标电网规划的分层最优化措施摘要：近年以来，随着我国经济建设的全面进步，人们的生产以及生活需求也变得越来越高，这其中对电力网络需求的提升程度最为明显。
鉴于不同地区、不同领域和不同群体对电力网络的需求差异，对电网规划进行分层最优化就成为了国家电网规划体系中不可忽视的重要环节之一。
分层最优化的实施策略也能够最大化地结合当前我国对电网需求所呈现的大规模、多目标和多阶段的新特点。
本文将从多目标电网规划和分层最优化的含义及重要意义出发，讨论电网规划的分层最优化的相关实施策略，希望能够为进一步完善我国的电力网络体系运转而提供一定的参考与帮助。
关键词：电网规划；多目标；分层最优化；措施研究引言进入到新世纪以来，传统的电网规划以及供给模式已经无法满足我国人民对生产以及生活的需求，那些原本通过人力操作以及负荷供给的电网传导模式逐渐地就要走下历史的舞台了。
多目标的电网规划模式，不仅能够高效率地将电网资源传送到相应需要的地区中，还能够节省电力消耗，为国家资源提供了高效率的输出环境，从而达到合理、有效、低成本的分层最优化原则。
一、多目标电网规划和分层最优化的含义及重要意义（一）多目标电网规划的基本含义及重要意义电网规划又称输电系统规划，以负荷预测和电源规划为基础。
电网规划确定在何时、何地投建何种类型的输电线路及其回路数，以达到规划周期内所需要的输电能力，在满足各项技术指标的前提下使输电系统的费用最小。
那么多目标电网规划顾名思义就是同时对多个目标及群体进行电网资源的输出。
在现如今我国的社会生产体系当中，不同群体对电网资源的需求程度也不同，我们应该始终秉承着电网输出最稳、损耗最小、普及面积最大、电网质量最优、后期保养最省的原则来完善多目标电网规划，确保我国广大人民能够最大程度地享受到电网所带来的便利。
那么实施多目标电网规划的重要意义，我们可以归纳为以下这几点：（1）合理分配国家电网资源众所周知，我国的人口分布以及土地形态有着重大的差异，这就导致不同的地区其电网资源的需求大小也不同。
优化算法在智能电网中的应用研究
优化算法在智能电网中的应用研究在当今能源需求不断增长和环境压力日益增大的背景下，智能电网作为一种高效、可靠和可持续的电力系统解决方案，正受到越来越广泛的关注。
优化算法作为解决复杂优化问题的有效工具，在智能电网的各个领域中发挥着重要作用。
本文将深入探讨优化算法在智能电网中的应用，包括其在电力系统规划、运行优化、需求侧管理和可再生能源整合等方面的应用，并分析其面临的挑战和未来的发展趋势。
一、智能电网概述智能电网是将先进的信息技术、通信技术、传感器技术和控制技术与传统电力系统相结合，实现电力系统的智能化运行和管理。
它具有自愈、互动、优化、兼容和集成等特点，能够提高电力系统的可靠性、安全性、经济性和环境友好性。
智能电网的主要组成部分包括发电侧、输电侧、配电侧和用户侧。
在发电侧，通过智能监测和控制技术，实现对各类发电资源的优化调度；在输电侧，利用先进的输电技术和监控系统，提高输电效率和可靠性；在配电侧，采用智能配电设备和自动化技术，实现对配电网络的精确管理；在用户侧，通过智能电表和需求响应机制，引导用户合理用电，实现供需平衡。
二、优化算法在智能电网中的应用（一）电力系统规划电力系统规划是确定未来电力系统的结构和规模，以满足负荷增长和可靠性要求。
优化算法在电力系统规划中主要用于电源规划和电网规划。
在电源规划方面，需要确定新建电源的类型、容量和位置，以满足未来的电力需求。
优化算法可以考虑多种因素，如燃料成本、投资成本、运行成本、环境影响等，从而得出最优的电源规划方案。
例如，通过遗传算法或粒子群优化算法，可以在众多可能的电源组合中找到成本最低、环境影响最小的方案。
在电网规划方面，需要确定输电线路和变电站的布局和容量，以确保电力的安全可靠输送。
优化算法可以考虑电网的拓扑结构、线路容量限制、负荷分布等因素，以最小化投资成本和运行损耗为目标，确定最优的电网规划方案。
例如，通过模拟退火算法或蚁群算法，可以在复杂的电网规划问题中找到最优的线路和变电站布局。
配电网多目标无功优化的数学模型
科技凰配电网多目标无功优化的数学模型杨利军王登学(宁夏回族自治区固原市城区供电局，宁夏固原756000)，睛要】近年来，由于电网容量的增加，对电网无功要求也与日增加。
无功电源如同有功电源一样，是保证电力系统电压质量、降低网络4损耗以及安全运行所不可缺少的部分。
在电力系统中，无功要保持平衡，否则，将馓系统电压下降，严重时，会导致设备损坏，系统解列。
此外，网络的功率因数和电压降低，使电气设备得不到充分利用，从而使网络f睾输能力下降，损耗增加。
因此，解决好电网无功补偿问题，对电力网络降损节能有着极为重要的意义。
“，[关键词]无功辛p偿；无功优化；数学模型。
√j t，I．?I÷?I-||i～÷?；．．，f i??1无功补偿设备调整(8)、(9)为控制变量的约束方程。
如前所述，无功补偿是电力系统改善电压质量、提高系统稳定性3结语和降低损耗的重要手段。
对具体的电力系统来说，如何根据负荷的变现在，尽管电网规划和运行人员已经对系统无功平衡的必要性有化，合理地投切、调整无功／电压补偿设备(可投切电容器、可调压变了足够的认识，在系统建设中大都考虑到了无功电源的配备，但是，无压器、发电机端电压)，使得系统网损最小，控制设备调整童最小，是功，电压控制设备同。
投切电容器、可调压变压器、发电机无功输出)的运—个多变量多约束的无功优化问题。
其控制变量既包括离散变量(可投行方式。
往往是由运行人员根据某些典型的负荷情况提前制订出的，能切电容器的组数、可调压变压器的分头档位)，又包括连续变里(发电够制订出—个既保证电网有功网损达到最小，又使得无功补偿设备调整机端电压)，属于非线性多目标混合整数规划。
所谓控制设备的调整盆，量达到最小的系统运行方式，这将不仅可以提高电力系统运行的经济是指该系统内所有由投运变为切除或由切除变为投运的电容器组总数，性，而且可以有效提高现有无功补偿设备的利用率。
或者系统内所有可调压变压器的分头位置改变游程之和。
《多目标优化》课件
多目标优化算法分类
01
基于排序的方法
通过将多目标问题转化为单目标问题，寻求一个排序方案，以解决多目
标优化问题。常见的算法包括非支配排序遗传算法（NSGA-II）和快速
非支配排序遗传算法（FAST-NSGA-II）等。
02
基于分解的方法
将多目标问题分解为多个单目标子问题，分别求解子问题，再通过聚合
子问题的解得到原问题的解。常见的算法包括优先级规则法、权重和法
降温系数
降温系数决定了算法的降温速度，较 大的降温系数可能导致算法早熟，而 较小的降温系数则可能导致算法收敛 速度慢。
随机游走策略
随机游走策略决定了新解的产生方式 ，对于多目标优化问题，需要采用合 适的Pareto占优关系和支配关系来指 导新解的产生。
05
多目标优化应用案例
案例一：电力系统的多目标优化
多目标优化
同时考虑多个目标函数，寻求在各目标之间取得 平衡的最优解。
算法流程
非支配排序
对种群中的个体进行非支配排 序，形成一系列的层级。
交叉和变异操作
通过交叉和变异产生新的个体 ，丰富种群的多样性。
初始化种群
随机生成一定数量的初始解作 为种群。
选择操作
根据个体的非支配层级和拥挤 度等信息，选择优秀的个体进 行交叉和变异操作。
等。
03
基于群智能的方法
利用群智能算法的并行性和全局搜索能力，寻找多目标优化问题的满意
解集。常见的算法包括粒子群优化算法、蚁群优化算法等。
02
非支配排序遗传算法（NSGA-II）
算法原理
遗传算法
基于生物进化原理，通过选择、交叉、变异等操 作，不断优化解的适应度。
非支配排序
多目标电力调度的意义与优化分析
【 关键 词】电力调度； 顾客满意度 ； 多目 标
２ ． ２ 工业用电效率和污染总量排放控制 工业用电量是 工业 发展 的一 个窗 口， 一 般情况下， 工业 总产值 的提 高， 将伴 随着用 电量的 增加 。 工业用 电量 受工业总产 值、 电价 等重要 因
子影 响。 工业 区域 的污染总 量控制是 在某一特 定的控 制区域 内， 为了实 近些年来 ， 我国国民经济 的飞速发 展和人们生括 水平的与 日 提高 ， 现 某一给 定的 环境 质量 目 标， 计 算 出该 区域所有 污染 源的允许 排放 总 对电力消费的水平 得到了快 速提高 ， 同时对于 电力系统的稳 定性要求也 量 ， 并将 其合理分 配到源， 然后通 过控制每 一个污染 源所分 配的允 许排 越 来越 高。 电力产业是 经济发 展的基础 产业， 电力供应 和运行 的稳定性 放量 ， 来 达到该 区域预期 的环境质量标准 。 不仅直接 关 系着 各行业 的正常运 行， 还直 接影 响着人们 的 日 常生活。 电 ２ ． ３ 基 于客户满意度 的多目 标 调度模型 力调 度是 电网运行 和分 配的指 挥官， 首先要保证 电网的正常运行， 满足 基于客户满意 度的 多目标 电力调度是指 电力市场 运行管 理部 门根 各行业 的基本需 求 ； 其 次， 要通 过各种 措施 和手段来提 高电网的运行安 据各用 电客户的污 染排 放 及单位 产值 用电量 情况 ， 寻求在 尽量满 足电 全和 可靠性 。 电力调度 的管 理逐渐成 为电力企业 的关注焦点 。 力客户电量需 求下的环境污 染最小 ， 电力资源利用率最高 下的各客户用
对 节约资源 、 保护环境 起着积极 的作用。 用 电侧 电力绿 色调 度不仅追求 的运行 稳定就 显得尤为重要 ， 电力调 度的优化受到空 前的重 视。 研究显 电力客户满意 度最大 ， 电力资 源利用 率最高 ， 还要兼 顾社 会效益 ， 努力 示， 国内外很多重大 的电力系统 事故 ， 都是 由于 调度运行 过程 中管理失 位造 成 的。 科 技 的发展 和计算 机 电子 技术 的进 步都为 电力系统运 行提 供了良好 的技术条件 ， 电力调 度的管理就 成 为了电网稳定 运行的 关键所 在。 为了有 效缓 解 电力峰荷 时段 电力供 应紧张状 况 ， 提 前通知用电客户 使 排污量达 到较低的水平。 根 据这几项指 标 ， 将 以客户满意 度最大为一 级目 标， 污 染排放 量最小为二级 目 标， 用 电量最 小（ 在保证 工业企业 正常
基于多目标满意优化的计算机通信网流量和容量分配
（ ｃｏｌｆＩ ｏｍ ｔｎＳｉ ｃ ｎ ｅ ｎｌ ｙ Ｓｕｈ ｅ ｉ ｔ ｇ Ｕ ｉ ｒｔ， ｈｎｄ ｉ ｕ ｎ６０ ３ ， ｈｎ ） Ｓｈｏ ｎ ｒ ａｉ ｃ ｎｅ ｄ Ｔｃ ｏ ｇ， ｏ ｔ ｓ Ｊ ｏｏ ｎ ｅ ｉ Ｃ ｅｇ ｕＳｃ ａ １０ １ Ｃ ｉａ ｏ ｆ ｏ ｅ ａ ｈ ｏ ｗ ｔ ａ ｎ ｖ ｓｙ ｈ
Ｄ ｃ ０６ ｅ 的计 算 机 通信 网流 量 和容 量 分 配
温 碧 丽 ， 献 海 ， 慧 丽 ， 燕敏 谭 孙 黎
（ 西南交通大学 信息科学与技 术学院， 四川 成都 ６０ ３ ） １０ １
（ ｅｂＯ １ ＠ ｙｈ ｏ ＣＢ．ｎ ｗ ｎ ｌ０ ａ ｏ ．Ｏ ｃ ） ｌ
维普资讯
第２ ６卷 第 １ ２期 ２０ ０ ６年 １ ２月
文 章 编 号 ：０ １— ０ １ ２０ ） ２— ８ ６— ３ １０ ９ ８ （０ ６ １ ２０ ０
计 算 机应 用
Ｃｏ ｐ ｔｒＡｐｐ ｉａ ｉｎｓ ｍ ｕｅ ｌｃ ｔ ｏ
Ｖｏ ． １２６ Ｎｏ． ２ １
ｐ ｒ ｒ ｎ ｃ ｎ ｅ ｅ ｎ ｙ ｔｅ ｉ ｓ ｔ ｆ ｃｏ ａｅ ｆ ｎ ｔ ｎ ｏ ｏ ｕｅ ｏ ｅ ｏ ｍａ ｅ ｉｄ ｘ ｓ ａ ｄ ｓ ｎ ｈ ｓｓ ａ ｉ ａ ｔｒ ｒ ｔ ｕ ｃｉ ｆ ｃ ｍｐ ｔｒ ｃ ｍｍｕ ｉａｉ ｎ ｎ ｔ ｒ ｓ ａ ｉ ａ ｔｒ ｐ ｉ ｚ ｔ ｎ ｆ ｓ ｙ ｏ ｎ ｃ ｔ ｅｗｏ ｋ ，ｓ ｔ ｆ ｃｏ ｏ ｔ ａ ｉ ｏ ｓ ｙ ｍｉ ｏ ｍａ ｈ ｍａｉ ｄ ｌｆ ｒ ｃ ｍｐ ｔｒ ｃ ｍｍｕ ｉ ａｉｎ ｎ ｔ ｏ ｋ ｓ ｃ ｎ ｔｕ ｔｄ Ｔ ｅ ｓ ｔ ｆ ｃｏ ｐｉ ｚ ｔ ｎ ｏ ａ ａ ｉ ｎ ｏ ｔ ｅ ｔ ｍｏ ｅ ｏ ｏ ｕ ｅ ｏ ｃ ｎ ｃ ｔ ｅｗ ｒ ｓ ｗａ ｏ ｓｒ ｃ ｅ ． ｈ ａ ｉ ａ ｔｒ ｏ ｔ ｏ ｓ ｙ ｍｉａｉ ｆ ｃ ｐ ｃｔ ａ ｄ ｆ ｗ ｏ ｙ ｌ ｄ ｓ ｂ ｔ ｎ ｗ ｓｐ ｒｏ ｅ ａ ｅ ｎ ｉ ｒ ｖ ｄ ｇ ｎ ｔ ｌｏ ｔ ｍ ｔ ａ ａ ａ ｉ ｏ ｖ ｒｅ ｃ ｎ ｏ ｄ ｇ ｏ ａ ｅ ｒ ｈ ｃ ｐ ｂｌ ｙ ｉｔ ｕ ｉ ａ ｅ ｆ ｒ ｄ ｂ ｄ ｏ ｍｐ ｏ ｅ ｅ ｅ ｉ ａｇ ｒ ｈ ｈ ｔｈ ｒ ｐｄ ｃ ｎ ｅ ｇ ｎ ｅ ａ ｄ ｇ ｏ ｌ ｂ ｌｓ ａ ｃ ａ ａ ｉ ｔ ． ｉ ｒ ｏ ｍ ｓ ｃ ｉ ｓ ｉ Ｅ ｐ ｒ ｎａ ｅ ｕｔ ｓ ｏ ｔ ａ ｔ ｅ ｏ ｕｅ ｃ ｍｍｕ ｉａｉ ｎ ｅ ｗ ｒ ｄ ｓｇ ｅ ｂ ｔ ｉ ｌｏ ｔｍ ｈ ｓ ｘ ｅ ｍｅ ｔｌ ｒｓ ｌ ｉ ｓ ｈ ｗ ｈ ｔ ｈ ｃ ｍｐ ｔ ｒ ｏ ｎｃ ｔ ｎ ｔ ｏ ｋ ｅ ｉ ｎ ｄ ｙ ｈ ｓ ｇ ｒ ｈ ｏ ａ ｉ ａ ｍｏ ｅ ａｉｆｃｏ ｒ ｓｔ ａ ｔｒ ｓ ｙ
多目标优化的求解方法
多目标优化的求解方法
多目标优化是指求解最优解时优化目标不止一个，而是多个，每个优化目标都有其不同的满意度。
传统的优化方法都是针对单个目标函数求解最优解，但显然，多目标优化技术在很多工程应用中都比较重要。
多目标优化方法的一般步骤如下：
首先，定义多个优化目标函数。
对于优化目标，应根据实际情况确定优化目标的具体指标，并给出期望的值或范围。
其次，根据定义的优化目标，构建优化模型，并确定目标函数和约束条件。
模型的类型可以是非线性的、线性的或者结构化的。
紧接着，定义多目标优化的解空间，这是基本的决策变量及其取值范围的集合。
之后，选择合适的多目标优化算法，在尽可能短的时间内找到合适的优化解出来，这些优化解可保证满足多个目标的满意度。
最后，对优化出来的解进行分析，如：可视化分析、聚类分析、参数分组分析及意向评价分析等，最后从中选择出最优解。
常用的多目标优化算法有：多目标遗传算法（MOGA）、多目标蚁群优化算法（MOACO）、多目标粒子群优化算法（MOPSO）、多目标模拟退火算法（MMAS）等。
多目标遗传算法是根据遗传算法（GA）的思想改进而成的，它是多目标优化最常用的算法之一。
多目标优化的转化方法
多目标优化的转化方法1. 确定优化目标要明确需要优化的目标。
多目标优化常常涉及到多个目标之间的权衡和平衡。
需要确定每个目标的优先级和权重，以便对不同目标进行合理的处理和优化。
2. 使用多种性能指标进行评估除了确定主要优化目标外，还需要考虑其他指标来评估系统性能。
这些指标可能与用户满意度、系统吞吐量、稳定性等方面相关，以从多个角度评估系统性能。
3. 将多个目标转化为单一目标将多个目标转化为单一目标可以简化问题，并使问题更易于解决。
其中一种转化方法是使用加权求和的方法，其中每个目标都被分配了一个权重，这些目标的加权和成为单一的优化目标。
4. 使用模型进行建模建立一个数学模型，以便更好地理解系统的性能，并寻找潜在的优化策略。
使用模型的好处在于可以进行不同假设的测试，并了解不同策略的优点和缺点。
5. 迭代优化多目标优化可能需要尝试不同的优化策略来找到最佳解决方案。
需要进行迭代优化，方法是进行一系列的试验和分析，以找到一组最优策略。
6. 使用多种优化算法有多种优化算法可用于多目标优化，包括遗传算法、粒子群优化、模拟退火等。
使用多种算法可以尝试不同的优化策略，并找到最优解。
7. 考虑复杂性优化问题可能涉及多个参数和约束条件，因此需要考虑问题的复杂性。
优化问题的复杂性会影响算法的选择和建立模型的难度。
8. 考虑可扩展性多目标优化通过解决当前问题来提高系统性能，但也需要考虑未来问题的可扩展性。
最佳解决方案应该是可持续且易于维护和扩展，以满足未来需求。
9. 考虑不确定性优化问题可能涉及不确定的参数值和模型假设，因此需要考虑不确定性。
将不确定性考虑在内可以帮助设计具有鲁棒性的最佳解决方案。
10. 清晰的分析和可视化结果多目标优化的结果通常需要进行详细分析和可视化。
这可以帮助了解不同方案之间的比较和优劣，并揭示潜在的问题和机会。
多目标优化是寻找解决方案的良好方法。
正确的转化方式和分析方法有助于找到最佳解决方案，并使所设计的系统可持续且易于维护。
多目标优化实例
多目标优化实例多目标优化是指在一个问题中存在多个相互制约的目标，通过寻找最优解来平衡这些目标之间的矛盾和冲突。
在实际生活和工作中，我们经常面临多目标优化问题，例如在资源分配、生产计划、交通规划等方面都需要考虑多个指标的优化。
以生产计划为例，一个企业需要考虑多个目标，例如最大化产量、最小化成本、最大化客户满意度等。
这些目标之间往往存在冲突，例如提高产量可能会增加成本，提高客户满意度可能会降低产量。
如何在这些目标之间找到一个平衡点，使得整体效益最大化，就是多目标优化的核心问题。
在多目标优化中，常用的方法是建立数学模型，通过数学优化算法求解最优解。
其中最常用的方法是多目标遗传算法。
遗传算法是一种模拟自然进化过程的优化算法，通过不断迭代演化，逐步逼近最优解。
多目标遗传算法在遗传算法的基础上进行了改进，引入了多样性保持机制和多目标评价指标，以便同时优化多个目标函数。
多目标遗传算法的基本思想是通过不断的交叉、变异和选择操作，生成新的个体，并根据多个目标函数对个体进行评价和排序。
然后根据一定的策略选择一部分优秀的个体作为父代，再通过交叉和变异操作生成新的个体，不断重复这个过程，直到满足停止准则为止。
在生产计划中，多目标遗传算法可以帮助企业找到一个最佳的生产计划方案，使得产量、成本和客户满意度等指标达到一个平衡点。
算法的输入是生产计划的参数和约束条件，输出是一个最优的生产计划方案。
通过这个方案，企业可以在增加产量的同时控制成本，提高客户满意度，从而实现多个目标的优化。
除了生产计划，多目标优化在其他领域也有广泛的应用。
例如在交通规划中，需要考虑最短路径、最小拥堵、最小排放等目标。
在资源分配中，需要考虑最大利润、最小浪费、最大效率等目标。
多目标优化不仅可以帮助我们找到一个最优解，还可以帮助我们深入理解问题的本质，找到不同目标之间的权衡关系。
多目标优化是一个复杂而重要的问题，涉及到多个相互制约的目标。
通过建立数学模型和应用多目标优化算法，可以找到一个最优的解决方案，使得整体效益最大化。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第25卷 第1期2010年2月 电力学报J OURNAL OF EL ECTRIC POWERVol.25No.1 Feb.2010文章编号: 100526548(2010)0120061202电网规划的多目标满意优化罗智慧,李建兵,李爱武(西南交通大学电气工程学院,成都610031)摘 要:为解决电网规划的多目标、非线性、离散型的N P 难的寻优问题。
利用满意优化理论建立了电网规划的多目标满意优化模型。
模型中考虑了电网规划的经济性最好与可靠性最高两个目标函数,用满意解定义它们各自的满意度,同时采用线性加权法确定其综合满意度。
并通过改进的粒子群算法来对模型进行求解。
18节点的系统算例表明所提模型及算法是可行的。
关键词:电网规划;多目标规划;满意优化;粒子群算法中图分类号:TM715 文献标识码:A 电网规划已被证明是一个具有多目标、不确定性、非线性和多阶段性等特点的复杂系统优化问题,属于NP 难问题[1]。
电网规划是个多目标优化问题,而各个目标函数往往是相互矛盾的,传统的启发式方法和优化方法无法得到满意的解决方案。
传统优化方法中的模型都是实际情况的简化,必然忽略一些影响因素,而电网规划从负荷预测到电源规划再到电网规划时已经存在前两个阶段存在模糊不确定因素,而天气影响,负荷条件,水文条件这些未来的不确定情况使传统优化方法的优化结果往往不是最优的结果,反而还会与实际的最优解相差甚远。
目前大多数的解决方法是用模糊数学的方法来建立模型并求满意解。
虽然基于模糊数学的满意度的定义反映了满意度具有模糊性的本质特性,受限于隶属度的表示方式,并没有正确反映满意度的本质内涵[2]。
本文将满意优化应用到电网规划的多目标优化中来,综合各个目标函数建立总体满意度单目标函数,以总体最优为目标函数。
由于电网规划是多维数的的规划,所以采用适宜并行计算的现代启发式算法对算例进行求解,更能够满足实际情况的需要。
1 数学模型(1)考虑经济性和可靠性,模型陈述如下:M in Z 1=∑ni =1c i x i .(1)M in Z 2=E ENS .(2)式中n 为可供选择的线路总数;c i 为第i 条线路的扩建费用,本文用线路的长度表示。
E ENS 是选定新建线路后系统电力不足的期望值。
x i 为第i 条线路的拟扩建线数量。
(2)运行模拟。
最小缺电希望值需对系统在各种状态下进行行为模拟,系统状态包括发电机,线路,变压器,无功补偿设备等状态,本文中只考虑单回路停运状态,忽略重复故障。
行为模拟采用的模型为:E ENS =∑Z iP i.(3)式中P i 为第i 条线路故障的概率,本文用线路的长度表示。
Z i 是第i 种状态系统的缺负荷。
满足潮流约束,投资费用小于预定的投资费用和可靠性大于最低的要求。
(3)多目标模型的满意解。
本文的多目标优化满意优化问题采用基于线性取值的满意度定义[2]。
引入变量μ1,μ2分别表示对目标函数(1)(2)的满意程度。
μ1,μ2的定义如下:μ1=t ≥ t ;t -tt -t t ≥t ≥t ;1 t Εt.(4)μ2=k ≥ k ;k -kk -kk ≥k ≥k ;1k Εk.(5)式中:t 为系统的投资Z 1,k 表示系统的可靠性即电网的缺负荷Z 2。
综合满意解μ=αμ1+βμ2。
其中α,β分3收稿日期:2009212210作者简介:罗智慧(1982-),男,硕士研究生,主要研究方向为电网规划的优化,(E 2mail )Y ou xiong lou @别为系统的投资权重系数和可靠性的权重系数。
2 应用改进粒子群算法算法求目标函数的综合满意度 在电网规划中,现代启发式方法相比较传统启发式方法和优化方法的优点使它在电网规划中应用越来越广泛。
而粒子群算法作为新型的智能算法拥有比其它算法更快的收敛能力,且在解决大规模数学问题时有更好的全局收敛能力。
需要的参数少,容易实现。
所以本文选择PSO(粒子群算法)来对电网规划进行求解。
PSO算法虽然收敛速度快却容易收敛到目标函数的局部最优解,影响全局最优解的求解,主要原因在于其缺乏类似遗传算法中的交叉变异机制。
所以本文将遗传算法中的交叉变异机制引入到PSO 算法中来。
由于影响算法的性能的一个因素为进化速度因子,而另一个因素是粒子群的凝聚度因子[3],所以本文在给定收敛代数范围的基础上,根据种群的进化速度与粒子群的凝聚度来判来引入交叉变异。
当进化速度太慢,和种群的凝聚度较大时则说明算法可能收敛到局部最优解,这是的交差变异就可能获得更好的搜索范围,从而提高了算法寻找到全局最优解的能力。
速度因子和凝聚度因子本文采用文献[3]的表示方法,表示如下:p=1.0exp|p b-p rb|+1.0.(6)p t=10exp|p b×p o-p a|+1.0.(7) 式中p s表示进化速度因子,p b表示当前微粒群的最优适应度值,p rb表示前一次微粒群的全局适应度值,p t表示当前微粒的凝聚度因子,p b表示某次迭代时微粒群的最优适应度值,p a表示相应代数的所有粒子的适应度值之和。
3 算例为了验证本文方法的可靠性,选用文献[4]10节点扩建为18节点的典型电网扩展规划问题。
系统初始网络结构图如图1所示。
图中实线为已有线路的,虚线为扩建的预备线路。
本文假设权重系数α=β=0.5.收敛条件为综合满意度达到97%。
按照算法收敛的一般经验,算法搜索运行的参数为c1=c2=1.0,速度因子的下限为0.6,凝聚度因子的上限为0.4;连续50次求解均成功获得优化结果,总共优化代数3310次。
说明算法是可靠的。
选取其中最优的两个方案如表1所示。
最高的两个方案。
网络结构的变化对网络的建设成本和系统的缺负荷有着相当的影响。
其中方案二的可靠性比方案一要高,而投资费用却比方案一低。
当考虑总体最优是方案一,所以两个方案都可供工作中参考采纳。
图1 18个节点的初始网络图表1 中方案是在考虑连通性后的满意度方案扩建线路情况方案满意度方案一1211,4216(2),5212,6213,6214(2),7215,829,9210(2),10218,11212,12213,14215,16217(2),172180.9924方案二1211,4216,5212,6213,6214(2),729,7213,829,9210(2),11214,12213,14215,16217(2),172180.99034 结束本文应用满意优化理论成功的解决了电网规划的多目标,非线性,离散型的N P难的寻优问题。
和传统的粒子群算法平均收敛次数,对粒子群算法的改进使算法的平均收敛次数从87减少到66次,而且搜索的成功率达到100%。
同时也说明了文中的模型和算法改进的可行性和有效性。
参考文献:[1] 段刚,余贻鑫.电力系统难NP难问题全局优化算法的研究[J].电力系统自动化,2001,25(5):14218.[2] 黄洪钟,姚心胜,周仲荣.满意度原理研究与应用的的现状与展望[J].控制与决策,2003,11(6):20224.[3] 王晓丽.粒子群优化算法的研究与应用[D].成都:西南交通大学,2008.[4] 王成山,王赛一,葛少云,等.中压配电网不同接线模式经济性可靠性分析[J].电力系统自动化,2002,26(24):34239.(下转第77页)26电力学报 第25卷 Analysis on the Internal W ater and Countermeasures of Steel 2tube PoleWANG Chang 2you(Jiangsu Power Crop.,Suzhou Power Supply Co mpany ,Suzhou 215004,China )Abstract :In view of t he internal water of steel 2t ube pole under a common p henomenon ,understanding of t he internal water of steel 2t ube pole under t he direct result of anchor bolt s ,in particular ,t he basis of t he bottom flange and top of wall between t he anchor bolt s and steel corrosion ,a serious t hreat to t he safe op 2eration of steel 2t ube pole.Analysis on t he internal water of steel 2t ube pole ,and t he corresponding meas 2ures.K ey w ords :t ransmission and dist ribution lines ;steel 2t ube pole ;water ;countermeasures[责任编辑:张勇强](上接第62页)The Multi 2objective Satisfactory Optimization for Pow er N et work PlanningL U O Zhi 2hui ,L I Jian 2bing ,L I Ai 2wu(Depart ment of Elect rical Engineering ,Sout hwest Jiaotong University ,Chengdu 610031,China )Abstract :This paper p resent s a mult 2objective optimization model for power network plan 2ning ,using satisfactory optimization ,in which t he best eco nomy and t he best reliability of t he net 2work play are considered simultaneo usly.Their satisfaction wit h t heir respective was difinited wit h satisfactory solution.At t he same time using a linear 2weighted met hod to determine t heir o 2verall satisfaction ,and t hrough imp roved particle swarm algorit hm to solce t he model.18node system examples show t hat t he proposed model and algorit hm are feasible.K ey w ords :power network planning ;nulti 2o bjective optimization ;satisfactiofy optimization ;p so swarm algorit h[责任编辑:张勇强]77 第1期 王昌幼:钢管杆内部积水原因分析及其对策。