.png){kind=icon}
返回
Power system operational optimization using the kakapo optimization algorithm for dynamic economic dispatch
.png){kind=icon}
PRE
AI
DOI：10.20998/2074-272X.2026.3.13.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
引言。元启发式算法对于求解具有非线性、多模态和高维特性的复杂电力系统优化问题非常有效。基于自适应生物行为的新型自然启发性策略为提高搜索效率和收敛可靠性提供了巨大潜力。本研究采用最近发表的鸮鹦鹉优化算法（KOA）来处理多机组电力系统中24小时时间范围内的动态经济调度（DED）问题。
问题。DED问题将传统经济负荷调度扩展到多时段规划范围，考虑了小时负荷变化、发电机爬坡率限制、阀门点效应和输电损耗。这些特性使得DED高度非凸和非线性，给传统和元启发式技术带来了挑战。在全局探索和局部开发之间保持稳健的平衡对于防止过早收敛或次优发电计划至关重要。
目标。将鸮鹦鹉优化算法应用于动态经济调度问题，旨在生成24小时调度范围内经济最优且运行可行的发电计划，同时保持种群多样性和搜索稳定性。
方法论。KOA模拟了鸮鹦鹉两种协同行为阶段。探索阶段受求偶场繁殖和声学信号启发，其中适应度较高的解发出更强的“叫声”，以概率吸引较弱候选解向有前景区域移动。开发阶段模仿了静止和伪装策略，在自适应步长下对有前景解的周围进行精细局部调整。KOA应用于标准五机组系统24小时调度，并与九种知名的元启发式算法进行比较。
结果。KOA实现了最低的总发电成本、快速收敛和高鲁棒性。统计性能指标——包括均值、最优值、最差值、标准差和排名——均一致优于KOA，证实其对多维、多模态DED问题的有效性。
科学创新。KOA引入了一种生物启发的自适应性搜索框架，无需外部控制参数即可平衡探索与开发。
实际价值。该算法为复杂电力系统调度问题提供了一种可靠、通用且计算高效的优化工具，潜在应用于可再生能源集成、多目标优化和实时自适应运行。参考文献29篇，表格4个，图表2个。
Keyword:
dynamic economic dispatch
kakapo optimization algorithm
metaheuristic optimization
power system operation
valve-point effects
economic load scheduling
查看更多机构