欧洲电力市场 宋永华16090.pptx

《欧洲电力市场 宋永华16090.pptx》由会员分享，可在线阅读，更多相关《欧洲电力市场 宋永华16090.pptx（89页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、宋永华宋永华英国利物浦大学英国利物浦大学欧盟电力市场欧盟电力市场最新进展及对我国的启发最新进展及对我国的启发提 纲第一部分第一部分 欧洲电网的发展趋势欧洲电网的发展趋势 第二部分第二部分 欧盟电力市场欧盟电力市场可持续电力可持续电力的三大要素可持续电力的三大要素可持续电力可持续电力安全安全经济经济环保环保1.依赖于新型能源技术实现可持续发展2.依赖于市场化和放松管制提高电力工业的运营效率21世纪的电网和电网技术1.统一或协调规划建设，统一调度和运行的统一或联合特高压电网 中国2.分布发电与交互式供电的分散智能电网-欧洲统一或联合特高压电网 -中国电网的发展趋势电力高速发展；资源分布不均衡；经济

2、发展不平衡；电力市场发展提高电网输送能力：远距离大容量输电的需求。1.特高压输电：特高压交流：1000KV;特高压直流:800KV2.半波输电方式3.紧凑型输电方式 4.多相交流输电5.超高压干式电缆6.气体绝缘线路GIL（Gas Insulated Line）7.高温超导输电线路8.分频输电9.提高现有线路的输送能力-灵活交流输电系统10.输电控制新技术未来的大电网技术 -将在中国发展分布发电与交互式供电的分散智能电网-欧洲电网的发展趋势 欧洲的能源政策更加强调对环境的保护和可再生能源发电的发展。可再生能源，特别是风能、水电、太阳能和生物质能的发展，是欧盟委员会能源政策的中心目标。这种能源政

3、策的引导下，欧洲以分散式电源作为发展的一个必然方向，而不强调电网规模的扩大。分布发电与交互式供电的分散智能电网 -欧洲电网的发展趋势 在欧洲，电网的发展有没有未来？在欧洲，电网的发展有没有未来？与电网的大容量和超高压发展方向相反，欧洲更多的是关心智能电网技术。未来的电网必须建立电网信息化管理系统之上，特别是低压供电电网的信息化控制，流量平衡控制、网内分布式能源智能管制系统、智能保护系统等。其电网的发展目标是可靠、高效和灵活。当前的当前的电网网欧洲未来欧洲未来电网网:智能智能/分散分散/自主自主 发电 和高度集成的网和高度集成的网络管理管理StoragePhotovoltaics power p

4、lantWindpowerplantHouse with domestic CHPPowerqualitydeviceStorageCentral power stationHouseFactoryCommercialbuildingLocal CHP plantStorageStoragePowerqualitydeviceFlowControlTransmission NetworkDistribution Network欧洲未来电网欧洲未来电网transmission380 kVinterconnectionsub-transmission110 kVdistribution10.30

5、kVdistribution400 VCHPGGchanging load flowstoragestorageCHPG未来供电结构未来供电结构:分布发电与交互式供电分布发电与交互式供电分布发电与交互式供电的分散智能电网-欧洲电网的发展趋势 短期与中期研究计划清洁能源,尤其是可再生能源节能和能源使用效率:需求侧管理新型汽车燃料中期与长期研究计划储能技术(燃料电池)新型能源载体(液态氢)再生能源新技术CO2分离能源策略对社会经济的影响欧洲欧洲能源能源技术的发展趋势技术的发展趋势 无论单独的，联网的再生能源发电都需要各种高效的储能技术发电曲线负荷曲线欧洲欧洲能源能源技术的发展趋势技术的发展趋势储能

6、问题：寻找新的能量载体，研制高密度、低成本、长寿命、无污染的储能系统可能的储能系统蓄电池蓄电池超导磁能超导磁能超级电容器，超级电容器，储能是普通电容器的储能是普通电容器的20-1000倍倍飞轮储能飞轮储能压缩空气储能压缩空气储能热储能热储能抽水蓄能抽水蓄能 新能源发电发展的挑战高效、低成本地解决不连续、不稳定、低密度、随时间季节以及气候变化的新能源的聚集与转化问题；并网的新能源发电，如何减少系统对自然条件的依赖性，提高发电系统的稳定性、可靠性；供电质量及其控制问题；保护方案；独立电力系统的稳定性分析方法含新能源发电的配电网络设计和运行；含新能源发电的电力系统可靠性评价；经济分析；不同新能源发电

7、系统联合运行；电力变换器设计及其控制和运行（风电、光伏、微燃气轮机）风电、太阳能转换最大化（风速、太阳光跟踪控制）设备制造技术 新能源发电的挑战欧盟电力市场欧盟电力市场第二部分第二部分 明确开展电力市场的目的增强竞争力提高效率激励投资 增大投入竞争：发供电选择：用户电力市场改革面临的问题电力市场改革面临的问题工业结构、监管和所有权市场结构交易方式电力市场运行的技术支持系统电力市场的运行与控制当前欧盟成当前欧盟成员国员国2007 加盟国加盟国欧盟的基本特点欧盟的基本特点欧盟的基本特点欧盟的基本特点成员国：25人数：459百万（Millions）发电容量：696,146MW欧盟的欧盟的基本基本特点

8、特点欧盟的基本特点欧盟的基本特点当前当前未来欧洲电网的设想未来欧洲电网的设想储能光伏电站光伏电站风电站风电站具有户用具有户用 CHP的家庭的家庭电能质量设备储能电电 厂厂家庭家庭工厂工厂商业建筑物商业建筑物本地本地 CHP 站站储能储能电能质量设备潮流控制器输输 电电 网网配配 电电 网网总体目标统一的单个电力市场欧洲电力市场用户可以在欧洲的任何地方从供电者购电，无论任一方地理位置在哪里或越境与否，最终都可送到用户端至至 2015?加上新加盟的国家欧盟国家的相同框架结构发电侧竞价发输配电分离输电网对第三方的开放监管开发市场建立统一的欧盟电力市场挑战建立统一的欧盟电力市场挑战建立统一的欧盟电力市

9、场挑战：当前状况建立统一的欧盟电力市场挑战：当前状况北欧北欧欧洲中东部欧洲中东部43.2526.7033.9033.8531.2038.5050-554 TWh9 TWh41 TWh18 TWh2 TWh36.0043.0024.4030.9525.2018.4625.14市场价格市场价格 基于基于 2004年数据年数据单位：欧元单位：欧元/MWh(数据数据:Platts 22/03/2003)市场价格市场价格 基于基于 2006年数据年数据单位：欧元单位：欧元/MWh(数据数据:Platts 16/02/2005)电力交易电力交易 2004（买入（买入/卖出）交易平衡卖出）交易平衡 单位：单

10、位：TWh(数据数据:UCTE 16/02/2005)建立统一的欧盟电力市场挑战：当前状况建立统一的欧盟电力市场挑战：当前状况建立统一的欧盟电力市场挑战：当前状况物理流量和物理流量和交易流量的交易流量的不同：不同：比利时和意大利直接输送100MW电能UKNSFIFDB NLLCH AISIEPDK时间表：改版多次欧洲法规电力导则电力导则（Electricity directive）2003/55/EC 是欧洲电力市场的核心法规。在2004年7月份欧盟各成员国必须实施。电能和燃气导则的实施指南（Notes for implementation）详细说明导则实施的方法。电能越境交易规章电能越境交易

11、规章（Regulation on cross-border trade in electricity）1228/2003/EEC制定了各成员国之间电能输送的条规。这个规章在 2004年7月号实施。是一个实用法律。欧洲国会和参议会在2006年1月18日制定的导则导则（Directive）2005/89/EC重点关注保障电能供应安全的措施和基础投入等问题。这个导则必须在2008年2月24日实施。越境交易的电能导则和规章都是根据2001年三月的提议提议（proposal）对1996年旧电旧电力力导则导则（old Electricity Directive）96/92/EC修订而制定的。-199719

12、97年年2 2月月1919日实施日实施主要规定：主要规定：到到20052005年最小市场运营量达年最小市场运营量达30%30%发输配电分离（财务）发输配电分离（财务）输电系统运营者的提名输电系统运营者的提名TPATPA（regTPA regTPA 或或 nTPAnTPA）或者单一购买方之间的）或者单一购买方之间的选择选择新发电的授权和提议新发电的授权和提议欧洲法规欧洲电力导则-2002年1月：一致通过修订的导则欧盟能源市场（电能和燃气）的新导则必须设立监管机构加强越境交易的监管仅基于授权的新发电直至200年7月100%的开放输、配电系统运营机构（TSOs和DSOs）的分离2004年三月：Eur

13、opean Commission strategy paper 电力市场的中期展望（Medium term vision for the internal electricity market）中期计划=发展可越境的区域电力市场（REMs）欧洲电力导则 REMs创建的阻碍因素发电厂的高市场能力和低平衡市场流量输电定价高输电定价的不确定性输电网运营者之间入网费的不一致不完全分离不同市场开放程度不够强的网络联络不同组织结构的职责欧盟国家政府国家监管机构输电系统运营机构欧洲电能和燃气监管协调组（The European Regulators Group for Electricity and Gas

14、，ERGEG）欧洲输电系统运营机构（ETSO）例如：NationaGrid(UK),TenneT(Netherlands),Fingrid(Finland),Svenska Kraftnt(Sweden),Statnett(Norway),REE(Spain),CEPS(Czech Republic),REN(Portugal),Elia(Belgium)系统运营输电所有者市场运营输电系统运营机构（TSO）输电系统运营机构的模型输电系统运营机构的模型输电系统运营机构的模型输电系统运营机构的模型标准模型标准模型标准模型标准模型1999年非正式地以TSOs俱乐部（club）命名2001年6月以TS

15、Os协会名义重建，具有明确的章程和决策权以及在Brussels设立永久秘书处具有18个国家的33个TSO成员和4个中央TSO（Centrel-TSOs）协调成员TSOI，爱尔兰（Ireland）的TSOs协会UKTSOA，英国TSO协会NORDEL,北欧TSOs UCTE，输电协调联盟，CENTREL协会，中西欧大陆国家的TSOs欧洲输电系统运营机构（ETSO）阻塞管理Inter TSO compensation TSO间补偿输电费用协调和位置信号运营标准市场平衡ETSO的主要职责Nordpool/Scandinavia(1991)OMEL/Spain(1994)APX/Netherlands

16、(1999)EEX(LPX)/Germany(2000)PolPX/Poland(2000)大多数欧洲国家决定采用双边市场结构许多国家中，双边交易（OTC）由自愿电能交易（PX）来补充几个TSOs运营一个平衡市场以保障电力市场实时供求平衡欧洲电能交易Borzen/Slovenia(2001)OPCOM/Romania(2001)Powernext/France(2002)IPEX/ITALY(2001)UK PX(2002)北欧电力市场Norway（1993），），Sweden（1996），），Finland（1998），），Denmark（1999，2000）影响当前联合北欧电力市场的整合过

17、程的关键因素为：影响当前联合北欧电力市场的整合过程的关键因素为：个别国家的混合发电方式的不便性 由四个政府和能源管理部对此整合过程的支持 输电系统运营机构较好的合作和支持 北欧电力库（Nord Pool）电力交易是这个整合过程的源动力北欧电力库（北欧电力库（Nord Pool）在）在Elspot中央市场模型（中央市场模型（Elspot Centralized Market Splitting Model）上的应用）上的应用北欧电力市场北欧电力市场北欧电力市场趸售市场：趸售市场：北欧电能交易实时市场的比额大约是全部北欧全年用电量北欧电能交易实时市场的比额大约是全部北欧全年用电量的的32%。全年总

18、交易量中金融交易是。全年总交易量中金融交易是3,800TWh（大约北（大约北欧年用电量的欧年用电量的10倍）。倍）。零售市场：零售市场：大规模终端用户，通常与零售商协商和签合同小规模终端用户，能选择零售供应商和合同类型北欧电力市场北欧电力库（北欧电力库（Nord Pool）市场和出清服务）市场和出清服务 物质交易的实时市场（北欧电力库AS）金融市场期货、预定和可选择合同 金融电力合同的出清服务（北欧电力库出清ASA）北欧电力市场北欧电力市场北欧电力市场第三部分第三部分启发式优化算法启发式优化算法电力市场面临的不少问题都是运筹优化问题这类问题的求解算法，其实就是一种搜索过程，它基于某种思想和机制

19、，通过一定的途径或规则来得到满足用户要求的解 科学的定量方法优化问题的求解优化问题的求解面临的挑战：多目标；面临的挑战：多目标；复杂约束；复杂约束；不确定性；随机因素；不确定性；随机因素；技术技术经济社会指标经济社会指标优化问题优化问题Min c(x)(4a)xs.t.xl x x u (4b)fl f (x )f u (4c)其中，c目标值x独立变量向量 xl约束下限向量 xu约束上限向量 f 约束函数向量 fl约束函数下限向量 fu约束函数上限向量 详细信息参见：SONG,Y.H.(eds.):Modern optimisation techniques in power systems(

20、Kluwer Academic Publishers,1999,ISBN 0-7923-5697-7)Ch1:Introduction Ch2:Simulated annealing applications Ch3:Tabu search appliaction in fault section estimation and state identification of unobserved protective relays in power system Ch4:Genetic algorithms for scheduling generation and maintenance i

21、n power systems Ch5:Transmission network planning using genetic algorithms Ch6:Artificial neural networks for generation scheduling Ch7:Decision making in a deregulated power environment based on fuzzy sets Ch8:Lagrangian relaxation applications to electric power operations and planning problems Ch9

22、:Inter point models and applications in power systems Ch10:Ant colony search,advanced engineered-conditioning genetic algorithms and fuzzy logic controlled genetic algorithms:economic dispatch problems Ch11:Industry applications of artificial intelligence techniques ContentKwang Y.Lee,Mohamed A.El-S

23、harkawi(eds.)Modern Heuristic Optimization Techniques:Theory and Applications to Power Systems，Publisher:Wiley-IEEE Press Publication Date:2008-02-08；ISBN-10/ASIN:0471457116 U.S.Department of Energy the National Science Foundation 线性和二次规划线性和二次规划Min cTx (5a)x (5b)(5c)s.t.xl x x u l Ax u 其中，c目标因子向量 (c

24、T 表示c的转置)x独立变量向量 xl约束下限向量 xu约束上限向量 A 约束因子矩阵Min (5d)cTx+xT H x x其中，H二次项目标因子矩阵线性和二次规划线性和二次规划简单两机调度问题G1G2L1G1 发电机1，功率极限100MW，燃料费用40单位/MW.hrG2L1120MW的负荷发电机2，功率极限200MW，燃料费用50单位/MW.hrMin40 x1 +50 x2s.t.0 x1 1000 x2 200120 x1 +x2 120其中，x1表示发电机1的输出x2表示发电机2的输出简单两机调度问题简单两机调度问题简单方法x1 x2内点法单纯形法最优可行区域不可行不可行不可行不可

25、行迭代 0:(x1=0,x2=0)迭代 1:(x1=100,x2=0)迭代 2:(x1=100,x2=20)简单两机调度问题简单两机调度问题非线性规划非线性规划上坡算法的典型迭代过程上坡算法的典型迭代过程 x2 x1费用等高线凸函数和凸集凸函数和凸集凸集非凸集凸函数非凸函数非线性规划非线性规划数学优化方法数学优化方法拉格朗日乘子理论拉格朗日乘子理论内点法内点法整数和混合整数法整数和混合整数法分枝定界法分枝定界法 动态规划动态规划.数学优化方法数学优化方法2.A 2.A 数学最优化方法的缺点：数学最优化方法的缺点：p仅产生一个解；局部解p问题的公式化描述必须满足数学约束条件p需要先进的计算算法p

26、可能遇到数值问题1.A 1.A 数学最优化方法的优点：数学最优化方法的优点：能保证收敛性基于数学分析好的终止规则解的附加信息能有效计算启发式优化方法启发式优化方法启发式是一种在合理计算费用下的寻找好的（即接近最优）解技术，但启发式是一种在合理计算费用下的寻找好的（即接近最优）解技术，但不能保障可行性或最优性，或甚至在许多情况下不能说明如何最优接近不能保障可行性或最优性，或甚至在许多情况下不能说明如何最优接近一个特殊可行解。大多数现代启发式搜索策略都是基于生物模拟的。一个特殊可行解。大多数现代启发式搜索策略都是基于生物模拟的。主要包括：a.基于遗传和演化的进化算法；基于遗传和演化的进化算法；b.

27、基于热力学的模拟退火法；基于热力学的模拟退火法；c.基于记忆反应的基于记忆反应的Tabu搜索；搜索；d.模拟蚂蚁解决问题方式的蚁群搜索法；模拟蚂蚁解决问题方式的蚁群搜索法；e.模拟鸟群捕食行为的粒子群算法模拟鸟群捕食行为的粒子群算法f.基于大脑工作方式的人工神经网络；基于大脑工作方式的人工神经网络；g.基于人类语言分类和推理的模糊规划法基于人类语言分类和推理的模糊规划法 P,Q,R:(multi-)set of solutions S initialise(P);while not finish(P)do begin Q:=select(P)R:=create(Q)P:=merge(P,Q,R

28、)end endP 是解库(=1)。在某些情况下，例如简单遗传算法，S可 包含一个解的多复制（一个多集合）或者在其他情况下，S仅保护单个复制（集）。Q是所选择的子库并且用于创建解的新集合。R是新解集。启发式优化方法启发式优化方法2变量的单个和多集的等高线图X1X2LLLGLG单集搜索局部优化全局优化多集搜索的第一次遗传结果多集搜索的第二次遗传结果多集搜索的第三次遗传结果启发式优化方法启发式优化方法进化算法进化算法遗传算法遗传算法遗传规划遗传规划进化策略进化策略进化规划进化规划虽然以上三种不同方法，然而，它们都受相同的自然进化原理启发而得。虽然以上三种不同方法，然而，它们都受相同的自然进化原理启

29、发而得。在自然界，每一物种均需适应一个复杂和变化环境以来增大其生存的可在自然界，每一物种均需适应一个复杂和变化环境以来增大其生存的可能性。每一物种的特性都体现在单个染色体中，这些染色体在繁殖时会能性。每一物种的特性都体现在单个染色体中，这些染色体在繁殖时会发生变化。经过一段时期后，这些染色体突变产生更适于生存的物种，发生变化。经过一段时期后，这些染色体突变产生更适于生存的物种，并且具有更大机会将它们改进特性传给后代。并且具有更大机会将它们改进特性传给后代。适者生存适者生存“Survival of the fittest”包括：包括：染色体表现形式染色体表现形式每一染色体（由一串基因组成）表示问

30、题的一个可行解。二进制数字（0，1）通常用于表示这些基因但有时根据其应用实际情况而用整数或实数来表示。实际上，几乎任何表示方式都能得到一个由有限长度字符串表示的解。例如，在经济调度问题中，可使用二进制字符串10011来表示一台发电机的19MW的输出。初始种群初始种群一旦选定了合适的染色体表现方式，就需要创建一个初始种群来作为遗传算法的起点。这个初始种群可随机产生或者使用特殊方法、具体问题以及信息产生。由经验知，对于具有广泛取值范围的函数优化问题，通常推荐30和100之间的种群大小。适应度评价适应度评价适应度评价涉及定义一个目标或者适应度函数，以此来测试每一染色体的环境适应性。随着算法的进行，期

31、望得到“最好”染色体的单个适应度与种群的整个适应度一样不断增强。进化算法进化算法选择选择需要从当前繁殖的种群中选择染色体。如果有一个大小为10的种群，选择程序筛选处两个父染色体，基于它们的适应度值，然后利用交叉和变异算子产生新种群的两个子代。适应度值越高的染色体被选择来繁殖的可能性越大。交叉交叉一旦选择了一对染色体，利用交叉可以生成子代。下面说明一个典型单点交叉过程：考虑如下两个体，每一个体由11个二进制变量表示：个体1：0 1 1 1 0 0 1 1 0 1 0个体2：1 0 1 0 1 1 0 0 1 0 1选定交叉位置是：交叉位置：5交叉后产生的新个体为：子代1：0 1 1 1 0|1

32、0 0 1 0 1 子代2：1 0 1 0 1|0 1 1 0 1 0进化算法进化算法变异变异如果仅使用交叉操作来产生子代，便出现一个问题是：如果在某种特殊位置上初始种群中的所有染色体都具有相同值，于是所有未来子代将在此位置具有相同的值。例如，如果在位置2所有染色体均是0，于是所有未来子代将在位置2上的值为0.为了解决这种不希望情况发生使用进行变异操作。以此来试图对基因引入某些随机变化，比如：0变成1或反之。通常，这个变异发生的几率是千分之几。通过产生随机数来检验染色体每位值变异可能性，这个随机数在0和1之间，并且如果这个数小于或等于给定变异概率（如0.001），于是位值就变化。进化算法进化算

33、法I:I:一个简单遗传算法包括如下步骤：一个简单遗传算法包括如下步骤：1.问题编码2.随机产生初始种群字符串3.每一字符串的适应度评价4.选择高适应度字符串作为父代并根据它们的适应度产生子代5.对当前子代配对来产生新字符串，利用交叉和变异操作来引入变化并形成新字符串6.最后，新字符串替代现有字符串。重复此顺序直到满足终止条件遗传算法（遗传算法（GasGas）与传统最优化算法不同：）与传统最优化算法不同：（1）针对控制变量的编码而不是变量本身；（2）从解的一个种群到其他种群的搜索方法，而不是从个体到个体（3）仅使用目标函数信息，不涉及导数。必须指出，标准Gas通常出现收敛困难问题。在某些应用中，

34、Gas能有效地搜索到全局最优的邻域，而难于收敛到最优点。另一个困难是：标准GAs计算效率问题和早熟收敛。进化算法进化算法模拟退火技术最初提出是模拟冷却时固体中结晶过程。此方法本身与热力学相类似，特别地模拟液体冷却和结晶方式，或者金属冷却退火方式。高温时，液体分子自由移动。如果液体慢慢冷却，热动性受限。通常原子排列有序并形成一个规则纯晶体。这个晶体具有最小能量的状态，这对应于数学优化问题中的最优解。模拟退火法的搜索特性X1X2XC(X)模拟退火算法模拟退火算法一个模拟退火算法的基本部分：一个模拟退火算法的基本部分：1、系统形态的描述，即，问题最小化（最大化）对应的解的一些展现方式，通常涉及表示一

35、个解的参数的一些形态。2、一个形态中的随机变化的产生器，这些变化通常是当前形态的邻域解（neighourhood），例如，参数之一的变化。3、目标或者代价函数（模拟能量），其最小化是全局搜索过程。4、控制参数T（模拟温度和用于确定可接受“uphill上坡”的概率）和一个退火计划，使T值如何由大变小），例如，形态经过多少次随机变化使T减少？以及减少多少？模拟退火算法（模拟退火算法（SASA）的优点）的优点：（1）适用于处理任意系统和费用函数；（2）能保证寻求最优解；（3）算法实现的简单性（即使是复杂问题）。这使SA算法可处理特殊问题或者没有特殊方法可解决的问题。缺点缺点：重复退火速度慢。重复退火

36、速度慢。对于具有平滑的能量面的问题，最好采用更简单和更快速的局部优化方法。这个方法不能表明是否已经寻找到最优解。需要利用一些其他方法（如分枝边界法）来完成。因此，SA通常用做一个逼近算法。模拟退火算法模拟退火算法机组启停机计划问题机组启停机计划问题此例中，最优化的每一步都考虑单个试探解（trial solution）。11011111模拟退火的每一步都考虑“局部移动”（local move），这个局部移动能改变单个随机选择位的值。然而，当前试探解也许与最优解有“两步”远。这个两步需要为：11011011 和11111111实际上，这些步中的任何一步都可以自己增加费用。（简单局部搜索方法则将在此

37、点终止）。然而，模拟退火的温度参数T可允许进行这些步某一步操作，甚至它是一个“上坡（uphill）”移动。需要进行第二步完成一个“简单”下坡移动。模拟退火算法模拟退火算法Tabu搜索（搜索（TS）是一种迭代改进程序，它从某些初始可行解开始，然后试图以“邻域最大下降”搜索算法来确定更较优解。利用短期当前解记忆功能和长期记忆过程的策略，它通过采取限制来避开局部最优，并指导搜索过程。TS算法中，邻域用于产生用于选择下一解/移动的邻域子集，它可通过对某些移动进行分类为Tabu（禁忌）和其他所需规定来修正。这是TS法的关键步骤，称为Tabu列表管理。换而言之，Tabu列表管理关注Tabu列表的更新，即决

38、定在搜索迭代中多少移动和哪些移动必须设成Tabu。有几种基本方式来实现这个管理，通常涉及新记录来分别维持不同属性或不同类属性。TS法的最基本组成部分基本组成部分包括：移动（Move）、Tabu列表（Tabu list）和激励水平（标准）。Tabu搜索因此是一种基于多层记忆管理和响应探究的元启发式算式来求解全局最优问题。它需要邻域概念来得到一个试探解（也许是部分的）的。Tabu 搜索法搜索法TabuTabu搜索采取如下步骤：搜索采取如下步骤：1.初始化。随机产生或利用给定问题的现有方法来给出初始解。2.选择移动。定义适用于当前解的移动集来产生一组试探解。例如，移动具有形式：Xtrial=Xcur

39、rentX,X具有与X相同维数的向量。在所有产生的试探解中，TS寻找目标函数改进最多的一个解。3.更新。从邻域（希望的或者非禁忌的并且目标函数值是最小的）中选择下一个解。如果满足停止条件则停止。否则更新T（根据某些Tabu更新规则）并返回选择移动。TSTS的特点是：的特点是：以记忆自适应形式的搜索方式来解决通常其他方法无法处理的复杂性问题。Tabu搜索是一种工程方法，必须根据所需解决问题实际情况来进行特别处理。麻烦的是，很少有理论知识来指导这个处理过程，必须对实践经验进行分类。Tabu 搜索法搜索法蚁群搜索（蚁群搜索（ACSACS）的思想来源于真正蚁群行为，可用于求解函数或者组合最优问题。蚁群

40、搜索算法在某种程度上模拟蚂蚁的行为。真正蚂蚁能利用视觉提示寻找食物源与巢之间最短的路径。它们也能根据环境的变化而改变路径，例如，若发现了一个新最短路径将不再走旧的路径。行为学家研究揭示这个能力本质上也是由所谓的“荷尔蒙 跟踪”。利用荷尔蒙蚂蚁之间进行交换信息来决定路径和去的地方。蚂蚁在行走时留下一定量的荷尔蒙，并且每个蚂蚁更乐于朝荷尔蒙相对较多的方向走。蚁群搜索法蚁群搜索法一个简单蚁群算法包括如下步骤：1.初始化。问题参数用一实数来编码。每一步搜索前，蚁群的初始种群（巢）在可行域内随机产生，并且将在半径不大于R的不同方向上爬行。2.评价。所有蚂蚁的适应度利用目标函数来评价。3.增加踪迹。按正比

41、于蚂蚁适应度而在某一特定方向上增添踪迹数量。4.派遣蚂蚁。根据目标函数，蚂蚁的工作由适应度来衡量，而这个适应度直接影响蚂蚁已选择特定方向上增加的踪迹数量水平。每一蚂蚁选择移动到下一节点必须考虑两个参数：节点的可见性和由其他蚂蚁留下的踪迹密度。派遣过程基于踪迹密度和可视性利用竞争选择在选定方向上派遣蚂蚁。5.挥发。最后，由一个蚂蚁留下的荷尔蒙踪迹最终将挥发，并且始发点（巢）也随着最优路径的发现而更新。蚁群搜索法（ACS）的主要特点：正反馈、分布式计算以及贪婪式启发搜索。正反馈可快速寻找好的解，分布式计算避免早熟收敛，并且贪婪式启发搜索有助于在搜索过程早期就寻求到可行解。还有很多有益工作要做，尤其

42、是提高计算效率。蚁群搜索法蚁群搜索法粒子群算法（3.5）（3.6）（1 1）起源）起源：源于生物社会学家对鸟群捕食行为的研究，1995年Eberhart和Kennedy博士提出；（2 2）原理：）原理：可以设想这样一个场景：一群鸟在某个区域随机搜索食物，该区域只有一块食物。所有的鸟都不知道食物的位置，但它们知道当前谁离食物最近。那么，对于任一鸟而言，找到食物的最佳策略是搜寻距离食物最近的那只鸟周围的区域以及根据自身的搜寻经验判断食物的所在。粒子群算法算法流程图：算法流程图：算法流程图：算法流程图：Hopfield的主要思想是保证每一模式位于能量面的谷底，于是允许动态过程来最小化网络能量并使这个

43、谷成为盆底。利用Hopfield网络求解电力系统最优化问题时，Hopfield网络的能量函数必须设成需要最小化的某些目标函数。由Hopfield网络实现一个最小化能量的搜索等效于搜索最优问题的解。通过从不同神经元反馈将约束条件映射到网络中（计算最优化变量）来对神经元进行约束（计算约束函数）。因此，关键是把电力系统最优化问题用公式表示成它的目标函数，利用之来创建Hopfield网络，即设定权值。一旦用这种方法表示这个问题，一种特殊类型并行算法必须创建。必须清楚的是，这个公式化方法必须是面向应用的。神经网络神经网络隶属度表明满足目标的程度。隶属度越大，满足解的程度越大。约束条件也利用水平集来模糊化

44、替代，例如，电压极限可以模糊化在0,1之间，如下图所示。一个运行在安全范围内的电压具有隶属度1.一旦电压超过其上下限，隶属度将减少直到变为0.这意味着这个约束条件是允许的。电压的隶属度函数VVmax1Vmin模糊规划模糊规划优点优点：（1）模糊集更能准确地表示电力系统的运行约束；（2）模糊化约束条件比传统的更软性化，即最后解更趋向于在正常约束范围内。模糊集理论的突出特点是能够处理“模糊”信息。它在优化领域的最成功应用是其将实际问题和其他优化技术之间建立一个桥梁。模糊规划模糊规划uSA和和GA相结合方法相结合方法将SA和GA相结合的方法的目的是将GAs的基本思想引入到SA算法中以达到并行SAs的

45、效果。而在GA的算法中将SA概念用做随机元素。uGA与局部搜索相结合方法与局部搜索相结合方法主要是克服GA算法矛盾和这周和折衷问题，故根据具体研究对象相关知识而指导搜索。通常，混合方法会并入其他邻域搜索技术的基本思想。u模糊逻辑和模糊逻辑和GA相结合方法相结合方法基于模糊逻辑方法可提出更先进的基因算子以在演化过程中来自适应/动态地调整交叉和变异。例如，交叉概率的启发式更新原理是当种群平均适应度的变化大于0并在下一代中保持同一值时应增加交叉概率。否则减小交叉概率。混合方法混合方法2.A 2.A 数学最优化方法的缺点：数学最优化方法的缺点：p仅产生一个解p问题的公式化描述必须满足数学约束条件p需要

46、先进的计算算法p可能遇到数值问题2.B 2.B 启发式最优化方法的缺点启发式最优化方法的缺点p缺少基础理论p没有精确的终止规则p需要更长的计算时间1.A 1.A 数学最优化方法的优点：数学最优化方法的优点：能保证收敛性基于数学分析好的终止规则解的附加信息能有效计算1.B 1.B 启发式最优化算法的优点启发式最优化算法的优点寻找全局最优解能产生一定数量可行解解决用数学公式不能表述的问题相对更易编程实现数值鲁棒性启发式优化算法与数学优化方法启发式优化算法与数学优化方法谢谢观看/欢迎下载BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTHUSIASM THAT PUSHES ONE TO SEEK ITS FULFILLMENT REGARDLESS OF OBSTACLES.BY FAITH I BY FAITH