[發明專利]一種基于野花優化算法的電力系統經濟調度方法

有效

• 申請號: 201711115711.3
• 申請日: 2017-11-13
• 公開（公告）號: CN107909510B
• 公開（公告）日: 2020-04-14
• 發明（設計）人: 李專;李自偉;鄭沛光;陳茜;盧鵬翔;鐘欽強;林曉波;黃端華;陳國超;吳昊;王菲;蘇尚胤;劉家秀;竇超萍;王小虎;程思
• 申請（專利權）人: 廣東電網有限責任公司湛江供電局
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06N3/00;G06N3/12
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基于野花優化算法的電力系統經濟調度方法，其特征在于：包括以下步驟：

步驟1：以系統燃料費用最小為目標函數，考慮等式約束和不等式約束，建立電力系統經濟調度模型；

步驟2：結合調度模型，執行混沌機制初始化種群；

步驟3：執行正態擴散和趨養進化機制；

步驟4：執行配對繁殖機制；

步驟5：執行染色體突變機制；

步驟6：終止條件：若達到最大迭代次數，則結束循環，輸出結果；否則，轉步驟3；

所述步驟1以系統燃料費用最小為目標函數的具體形式為：

其中，n為發電機總數；P_i為機組i的有功出力；a_i、b_i、c_i為機組i的燃料費用系數；考慮閥點效應對發電成本的影響，所述步驟1以系統燃料費用最小為目標函數的具體形式為：

其中，n為發電機總數；P_i為機組i的有功出力；a_i、b_i、c_i為機組i的燃料費用系數；e_i、f_i為機組i的閥點效應系數；所述步驟1提及的等式約束包括：

(1)功率平衡約束

式中，P_D為總負荷需求；P_loss為傳輸網損；

其中，系統傳輸網損用B系數矩陣表示為：

式中，B_ij、B_oi、B_oo為發電機的網損系數；

不等式約束包括：

(2)機組運行約束

P_imin≤P_i≤P_imax

式中，P_imin、P_imax分別為機組i的有功出力上、下限；

(3)機組爬坡約束

運行中的機組都要受到機組的爬坡約束，描述為：

式中，P_i⁰為機組i在前一時段的有功出力；UR_i、DR_i分別為機組i在相鄰時段的上坡限制和下坡限制；

(4)禁止運行區間

由于發電機的物理特性，電力系統在實際運行中，必須避免運行在禁止區間以內，即：

式中，分別代表機組i在第k個禁止區間的下邊界和上邊界；

步驟2中執行混沌機制初始化種群的具體過程如下：

設定種群規模最大值和初始總群N_max、N，控制變量為每臺發電機的有功出力值，控制變量數為D，D表示維數，最大迭代次數為MaxIter；在D維問題的搜索空間內隨機初始化種群X，其中，第i個個體為X_i＝[X_i1，X_i2，...X_iD]，i＝1、2，......N；初始化變量取值的下限和上限分別為X_min、X_max，父代粒子產生的后代個數的最小值和最大值分別為S_min、S_max，標準差初始值和最終值分別為σ_init、σ_final，富養半徑為R；

種群X的初始化過程為：采用混沌Logistic方程產生混沌變量：

x_i+1＝λ·x_i·(1-x_i)

式中，x_i∈[0，1]，x_i≠0.25、0.5、0.75，λ為控制參數，取值為0～4，當種群X完全處于混沌狀態時，λ＝4；取任意初始點x₀時，得出在[0，1]上遍歷的點集x_i，i＝1、2......N；

將得到的混沌變量x_i轉化為初始種群：

X_i＝X_min+α(X_max-X_min)(1-x_i)x_i

式中，α＝4為混沌吸引子；

步驟3中，執行正態擴散和趨養進化機制的具體過程為：

正態擴散繁殖機制中，野花優化算法根據野花個體適應度，來定義個體品質的好壞，進而決定其能繁殖的后代的個數，具體為：

式中，Q_i為野花個體i能產生的后代數；F_i、F_max、F_min分別為野花個體i的適應度值、當前種群中的最大和最小適應度值；S_min、S_max分別是父代粒子產生的后代個數的最小值和最大值；round為取整函數；

根據得出的后代數量，野花優化算法通過高斯分布在父代粒子周圍空間進行隨機擴散，產生后代個體；如下式：

式中，Iter_max、Iter分別為最大迭代次數和當前迭代次數；σ_init、σ_final、σ_iter分別為標準差的初始值、最終值和當前值；n為非線性調和因子，一般取值n＝3；

根據擴散值，得到父代野花粒子的一個后代粒子為：

X_i+1＝X_i+σ_iter

式中，X_i+1為X_i的一個子代粒子，該粒子被加到種群中，成為種群的一部分；

定義種群中的全局最優粒子X_gbest為富養區，以富養區為中心，半徑為R的范圍內的粒子會被吸引，即粒子朝著全局最優粒子X_gbest趨養進化；所述半徑為R的范圍內的粒子不被吸引，即粒子背離全局最優粒子X_gbest正態擴散；設置一個閾值p來定義子代粒子趨養進化的可能性，設置一個隨機數l，若l＜p，則子代通過趨養進化機制繁殖，否則，通過正態擴散機制繁殖，具體如下：

當時，按照正態擴散機制繁殖后代粒子；

當時，有：

式中，r為[0，1]內的隨機數；為第k次迭代時，粒子i的第d維變量的概率值；R為富養半徑；當父代繁殖達到預定的后代數，種群規模大于N_max時，父代及子代野花按照適應度從高到底的順序，去除適應度排在前N_max個的個體，作為下一代的父代，然后進入配對繁殖機制；

所述步驟4中執行配對繁殖機制的具體過程如下：

A、對種群中的所有個體進行隨機不重復配對；

B、若粒子X(i)和X(j)被配對，則X(i)的繁殖公式為：

X′(i，d)＝r₁·X(i，d)+(1-r₁)·X(j，d)

X(j)的繁殖公式為：

X′(j，d)＝r₁·X(j，d)+(1-r₂)·X(i，d)

其中，d∈(1，D)；r₁，r₂為[0，1]上的均勻分布隨機數；X(i，d)和X(j，d)分別為粒子i和j的第d維；X′(i，d)和X′(j，d)分別為配對繁殖過后得到的新子代；

若X′(i)優于其父代X(i)，則X(i)←X′(i)；否則，保留原父代粒子X(i)的值不變；

C、重復依次執行步驟A和步驟B各N/2次；

所述步驟5中執行染色體突變機制的具體過程如下：

(1)對種群個體的每一維進行歸一化處理，公式如下：

其中，i∈(1，N)，j∈(1，D)；X_jmin和X_jmax分別為第j維控制變量的上、下限；k為當前代數；

(2)選中一個父代個體粒子X_i，對其執行突變機制，公式如下

Y←X_i，1

X_i，d←X_i，d+1

X_i，D←Y

式中，i＝1、2…N_max；X_i，d和X_i，d+1分別為粒子X_i的第d維和第d+1維，d＝1、2…D：

(3)對X_i進行反歸一化，得到優化后的解，公式如下：

X′(i，j)＝X(i，j)·(X_jmax-X_jmin)+X_jmin

式中，X′(i，j)為突變后得到的新子代；X_jmin和X_jmax分別為第j維控制變量的上、下限；

若X′(i，j)優于其父代X(i，j)，則X(i，j)←X′(i，j)；否則，保留原父代粒子X(i，j)的值不變。