阅读《基于局部随机搜索粒子群优化算法的电站短期发电优化调度》的感想

阅读《基于局部随机搜索粒子群优化算法的电站短期发电优化调度》的感想

摘要阅读体会

对于PSO的改进

局部随机搜索PSO，结合局部随机搜索LRS（Local Random Search），提出LRS-PSO算法。

算法对比的对象

PSO/IFEP

算法的验证场合

15机系统

算法的优化目标

发电费用最低

算法应用的约束条件

实际运行中的系统负荷平衡约束。机组爬坡约束、出力限制区约束等非线性约束

需要弄明白的问题

1、什么是15机系统？与IEEE30系统类似的标准电网系统？

2、LRS算法在PSO的哪一个步骤起作用？是对于新一代粒子的产生进一步检验还是对于rand 函数的改进或者是对于边界条件的进一步限制？

3、IFEP算法是什么？为什么偏偏和它对比？是有功能上的相似性吗？

4、本次摘要中提到的非线性约束与之前提到的电网以及水电站的梯度发电不一样，关注一下区别。

5、关注一下在最后比较的时候，结果呈现的方式是不是还是一样的迭代次数F_min以及等式约束的图像。表格是不是还是比较平均、最大、最小约束。

短期发电调度问题

目标函数

电力系统的总运行费用最少。这与其他的电力系统的费用函数相同。也就是每一个机组在t时段的费用是一机组出力（功率）的二次函数（包括常数项、一次项、二次项）；对于周期求和、机组数量求和得到的就是电力系统的总运行费用。

系统负荷平衡约束

依然是与之前的水电站的梯级调度的负荷平衡一样的。也就是机组在某一个时段的所有的机组的出力（功率）的总和=机组该时段需要的负荷（也就是负荷需求）。

机组出力限制区约束

这是一个没有遇到过的约束条件，或者说是只遇到过要求功率在最大值和最小值区间的条件，但是没有遇到过使用一个分段函数来反应的约束条件。

PS:（其实我认为这个分段函数完全可以不分段的，直接对于这个上段以及下段的端点值进行一个等式约束就行了）

爬坡约束条件

这个约束条件很有意思，是一个对于机组出力（功率）大小的约束，要求一定要满足下限同时又一定要小于上限，所以最终是这样的一个约束：

PS:在建模的时候可以考虑一下对于规划类问题这个约束类似的使用

一个小问题：这里明明有几个没有边界的约束，为什么不引入罚函数？

LRS-PSO算法及其问题求解

算法步骤

已经学过了……在《电力系统无功优化的LRS-PSO算法》之中，实际上那一篇文章写的还要更好一些。

这篇文章的算法步骤

1、在群体的进化操作（实际上我认为就是算法代入时的初始化）出现的TON/TOM/TOD不知道是个啥，虽然后面注释说明了NMD分别进化总代数、群体规模、决策变量维数。

2、是对于决策变量的位置的更新使用的还是速度、加速度函数结合

3、越界处理，对于越界的粒子j的第i个位置以及速度的取值如果越界就取边界值（这里算法步骤写的确实是不清楚）

4、其次是调用LRS算法对于粒子群的条件是：随机数大于概率P_gBest的时候（后文求解的时候说了这里取值是0.3）

5、为什么居然不写终止条件？
哈哈哈，最后引文16写了终止条件，以后可以参考补充一下。

算法求解

算法求解在对于算法的初始位置的约束上并没有进行数值性的说明，对于究竟是哪一组参数对应于初始条件，这个其他文章的说明比较详细。

在对于如何使用这个算法与约束条件进行一个合理的整合时，引入了罚函数的理念，（在本文中,选择一台容量大的机组作为平衡负荷约束机组, 该机组不参与优化迭代计算, 算法对其他 D- 1 台机组的负荷进行优化分配后, 剩余负荷值即为平衡负荷约束机组的出力, 若平衡机组越下限, 则取下限值;若平衡机组越上限, 则取上限值, 之后, 对目标函数进行惩罚。）这个部分的介绍对于约束机组的具体操作更加详细，提到了如何对于平衡负荷进行取值，但是却依然没有具体阐明怎样使用罚函数，没有给出具体的数学模型，而对于这个问题，在另一篇文章做的更好。

算法的仿真求解

仿真对象：15机系统。

（解答了我的疑问，其实就是15台机组组成的一个系统，所以叫做15机系统，看了参数设置之后发现15机就是和IEEE30类似的系统。）

15机系统的参数数据在这里存留一下。可以根据表2观察到哪几个是动力机组。（等下查下文献，看看有没有节点分布图之类的）

算法的参数设置

观察之后我发现，这个的参数设置与前面几篇文章有相似之处。比方说在对于本地搜索点的个数N_L=10、范围收缩因子取值为0.05、局部搜索参数是0.4、还有调用LRS的概率为0.4这几个是一样的。然后迭代次数以及速度加速度约束条件不一样。具体的参数设置留存见下，日后实验的时候可以使用一下。

与引文16的文献对比，这里当时求解的时候应该是参考了这个部分，然后基于2.0的经验值进行了调整。

算法比较

还是老样子，是对于IFEP/PSO/LRS-PSO进行比较，但是这次的坐标轴很不一样。

这次的图反应的是在一天的时间周期之内，按照一个小时作为一个时间段来看，一天24个时间段的各个时间段的费用消耗是多少，这样来比较，而不是把算法的迭代次数-费用消耗来比较。

然后结果的解释部分自然也就是只有关于“该算法能够求得费用更少的解”这样的结果，而没有对于算法的优越性讨论的结果解释了。

扩展

IFEP算法(Improved Fast Evolutionary Programming)改进快速进化规划算法

15机系统

文献：GAING Zwelee. Constrained dynamic economic dispatch solutionusing particle swarm optimization[C] ∥Proceedings of the PowerEngineering Society General Meeting. Denver, USA: IEEE, 2004:153- 158.

ps:万事先百度，今天总算是搜到了文章，简直要无语死我啦，IEEE的检索系统不知道是它的问题还是我的问题，反正不管是引文搜索、还是其他的什么什么狗屁advance search都搜不出来，最后百度叫我使用谷歌学术，一秒就出来了，然后还自动帮助我跳转到学校账户下的IEEE，然后就直接下载了。

为了防止日后忘记方法，先记录一下。

首先，在百度搜索谷歌学术。（找到这个）

然后随便一个镜像进去

接着搜索文章，然后链接跳转，然后直接下载（注意要想要直接下载需要先登录一下学校的IEEE）

然后就直接点这里下载！！！

几番波折，累死我了，终于可以好好看文了，这样的话，之前死都没搜出来的几篇陈教授的文章现在就知道怎么弄了。
嗯，一个比较意外的发现，怎么教授的文章也可以全部借用？

只能说一模一样……
以及，我发现WPS会员的翻译实在是太慢了，于是我自己读了一下英文，发现竟然看得懂？？？可能是英文这个算法部分教授的文章已经做了翻译工作吧。
哦，最后我写完这篇感想，它翻译好了，看着质量还不错，之后数模国赛可以一用。

15机的介绍部分摘录见下。

也并没有多详细，甚至可以看出这篇文章关于15机的部分是对于文献的一个翻译工作，以后看来可以参照这种做法。
引文16对于算法的检验使用了两个系统，一个6机的，一个15机的。

关于引文与这篇文章的对比以及一些研究过程的猜测
1、关于PSO的算法部分的描述有借鉴，但是引文是研究的使用DE改进，但是这里就是使用的LRS改进。
2、在仿真系统的选择上，引文用的是6/15两个系统进行研究，但是这里就只用了一个15。所以之后对于15机不再继续深入研究，只是一个像IEEE30一样的系统罢了。
3、对于我关于为什么就要选IFEP进行对比，可能是看到引文用的IFEP，借鉴它的做法，同时这样子学术上有一个标准型的比较。对于IFEP不再研究，毕竟是一个被淘汰的算法，之后看看它的基本介绍就好。
4、关于在算法的阐述上，还是引文写的人看得懂。
综上，今天文献学习结束，该学语言了。