基于改进量子粒子群算法负荷优化分配研究  

Optimal Load Distribution in Power Plants Based on Improved Quantum-behaved Particle Swarm Algorithm

作　　者：黄丽[1] 彭道刚[1] 顾立群[2] 张浩[1] 

机构地区：[1]上海电力学院自动化工程学院上海发电过程智能管控工程技术研究中心,上海200090 [2]宝山钢铁股份有限公司电厂,上海201900

出　　处：《控制工程》2017年第7期1402-1408,共7页Control Engineering of China

基　　金：上海市"科技创新行动计划"地方院校能力建设专项项目(13160500700);上海市发电过程智能管控工程技术研究中心项目(14DZ2251100);上海市电站自动化技术重点实验室开放课题(13DZ2273800)

摘　　要：针对基于量子粒子群算法(Quantum-behaved Particle Swarm Optimization,QPSO)的火电机组负荷优化分配中存在的初始化粒子遍历性低、粒子早熟收敛等问题,提出了一种基于改进的QPSO的火电机组负荷优化分配方法。改进算法首先采用正弦混沌序列提高初始化粒子位置的遍历性及种群多样性,并结合模拟退火算法能跳出局部最优的特点来增强量子粒子群寻找全局最优单元机组负荷的能力。最后通过Matlab平台,实现算法编程,并通过实例分析证明算法可行性。改进QPSO算法较其他智能算法能增加解空间初始粒子位置的遍历性,并能够快速跳出局部最优解,收敛全局最优解。In this paper, based on the Quantum-behaved Particle Optimization （QPSO） algorithm, animproved method of QPSO is proposed to increase the precision of the optimization. The method which usesthe Chaotic sequence in sine to initialize the particles and the Simulated Annealing （SA） algorithm to searchthe global optimal solution is applied in the optimal load distribution about turbine. A practical exampleanalysis has verified that this improved Quantum-behaved swarm optimization algorithm is feasible insolving the problem of optimal load distribution. Compared to other intelligent algorithms, theimproved-QPSO algorithm can increase the ergodicity of the initial particle position in the solution space,and can quickly jump out of the local optimal solution and converge the global optimal solution.

关 键 词：火电机组 负荷优化分配 量子粒子群算法 混沌序列 模拟退火算法 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]