■■■■■■■■■■■■■■■■■■■■■■■■第39卷第1期2023年2■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■月上海电力大学学报JournalofShanghaiUniversityofElectricPo■■■■■■■■■■■■■■■■■■■■■■werVol．39，No．1Feb．2023DOI:10．3969/j．issn．2096－8299．2023．01．005收稿日期:2022-07-14通信作者简介:韩晓霞(1976—)，女，博士，教授。主要研究方向为复杂工业过程建模与优化控制、机器学习与智能计算。E-mail:hanxiaoxia@tyut．edu．cn。基金项目:国家自然科学基金(62176176，21606159);山西省重点研发计划项目(201803D121039)。改进拉格朗日松弛算法的机组组合研究晋美珠，韩晓霞，武晋德，安钊，续欣莹(太原理工大学电气与动力工程学院，山西太原030024)摘要:为提高计算效率，并针对传统拉格朗日松弛算法(LＲ)在优化过程中存在对偶间隙不能收敛的问题，提出了一种改进的拉格朗日松弛算法(LＲ-CMSCA)以优化大规模机组组合问题。首先通过正弦余弦算法(SCA)优化拉格朗日乘子的更新路径，以缓解振荡现象;然后在SCA中引入柯西变异算子对当前粒子进行干扰，尽可能避免陷入局部最优，并引入自适应权重更新策略，使粒子更快逼近最优解;最后利用不同机组规模的电力系统进行仿真计算，并将计算结果与其他算法进行比较。结果表明，该方法在计算结果上具有优势，且有实际应用价值。关键词:机组组合;拉格朗日松弛算法;正弦余弦算法;柯西变异算子;自适应权重更新策略中图分类号:TM73;TM76文献标志码:A文章编号:2096－8299(2023)01－0025－08ＲesearchonUnitCommitmentBasedonImprovedLagrangianＲelaxationAlgorithmJINMeizhu，HANXiaoxia，WUJinde，ANZhao，XUXinying(CollegeofElectricalandPowerEngineering，TaiyuanUniversityofTechnology，Taiyuan，Shanxi030024，China)Abstract:Inordertoimprovethecomputationalefficiency，andtosolvetheproblemthatthedualgapcannotconvergeinthetraditionalLagrangianrelaxationalgorithmintheoptimizationprocess，animprovedLagrangianrelaxationalgorithmisproposedtooptimizethelarge-scaleunitcommitmentproblem．ThemethodfirstlyoptimizestheupdatepathofLagrangemultipliersthroughthesineco-sinealgorithmtoalleviatetheoscillation，andsecondlyintroducestheCauchymutationoperatorintothesinecosinealgorithmtointerferewiththecurrentpar...
