改进粒子群优化算法在电源规划中的应用

电源规划是一类复杂、非线性组合优化问题。传统的方法随着规划期的延长,考虑因素的增多,难以有效的进行优化,在实际应用中作用有限。首先,对电源规划优化问题进行了建模。然后,对于粒子群(PSO)的迭代策略进行改进,在此基础上,运用遗传粒子群(GPHA)混合优化算法进行了优化尝试。考虑到电源规划中相关参数众多,在优化过程中引入了虚拟变量对电源规划中的问题进行了简化描述;GHPA算法的适应度评价函数设计中,运用了罚函数的思想,以提高算法优化的效果。最后本文使用某省实际负荷预测和系统负荷实际数据,进行了电源规划方案优化,得到了优化后的电源规划方案,并与普通的遗传算法、粒子群算法以及传统的动态规划算法得到的结果进行了比较。比较的结果显示出了本文提出的算法在优化结果和速度方面具有明显效果。