改进遗传算法在AGC机组优化组合中的应用研究

"这篇论文是2009年发表在《南京理工大学学报(自然科学版)》第33卷第6期上，作者包括张俊芳、秦红霞等人。研究主要关注如何通过改进遗传算法优化自动发电控制(AGC)下的机组组合，以降低发电成本。" 正文: 在电力系统中，自动发电控制(AGC)是一种关键的调度策略，用于维持电网频率和区域功率平衡。AGC机组优化组合问题旨在确定在给定约束下，哪些发电机组应该开启，哪些应该关闭，以及它们的输出功率应如何设置，以最小化发电成本。该文提出了一种新的方法，结合改进的遗传算法来解决这个问题。 改进的遗传算法是针对传统遗传算法的一些局限性而设计的，特别是在处理包含连续变量的优化问题时。在传统的遗传算法中，固定长度的二进制编码可能限制了搜索空间的灵活性。因此，研究者提出了一种可变长二进制编码方案，这种编码方式更适合于AGC机组优化组合问题的特性，可以更精确地表示不同类型的发电机组及其运行状态。 此外，为了处理模型中的连续变量，论文引入了等微增法。这是一种优化策略，用于将连续变量转化为可以适应遗传算法操作的形式。通过等微增法，连续变量被分割成一系列离散的增量，这有助于遗传算法在搜索过程中更平滑地探索解决方案空间，同时保持良好的收敛性能。 在16台机组和24个时段的模拟系统中应用了该模型和算法，结果显示，改进遗传算法的性能优于传统的实数编码方法，计算结果降低了11.33%的成本。此外，改进的算法在搜索范围和收敛速度方面表现出色，证明了其在大型和中型发电系统中的适用性。 关键词涉及的主要概念包括：遗传算法，这是一种借鉴生物进化原理的全局优化技术；等微增法，一种处理连续变量的方法；机组优化组合，即在考虑各种运行约束和经济性因素下，确定最优的发电机组运行组合；以及自动发电控制，是电力系统中维持稳定运行的关键机制。 这篇论文提供了一个创新的优化工具，对于电力行业的运营管理者来说，这种改进的遗传算法能够帮助他们更有效地调度发电机组，降低成本，提高系统的整体效率。同时，该研究对于遗传算法在复杂优化问题中的应用提供了有价值的参考。