[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

本發明涉及一種基于野花優化算法的電力系統經濟調度方法，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。

技術領域

本發明涉及電力系統經濟調度技術領域，更具體地，涉及一種基于野花優化算法的電力系統經濟調度方法。

背景技術

電力系統經濟調度對電力系統的連續、安全、可靠運行有著極其重要的意義。作為電力系統的一個典型優化問題，經濟調度是指在滿足各級負荷需求和各運行約束的前提下，優化配置各發電機的出力，使得燃料能夠被高效利用，從而降低發電成本，降低電網損耗，提高發電效益，進而提高系統的安全性與經濟性，是一個非線性、多維度、多約束、連續和非凸的優化問題。

在采用傳統調度方法的基礎上，近年來，隨著智能算法的發展，越來越多的基于生物群體智能的優化算法被用到電力系統經濟調度問題上面來，如：粒子群算法(PSO)、擬退火算法(SA)、狼群算法(WPA)、遺傳算法(GA)等。

這些算法雖各有特點，并在不同程度上面取得了一些進展，但是對于電力系統經濟調度這個多約束、非線性、復雜優化問題依然存在許多弊端。如：遺傳算法(GA)運行時間長；粒子群算法(PSO)容易陷入局部最優；擬退火算法(SA)、狼群算法(WPA)粒子多樣性差，控制參數多等。另外，許多算法全局收斂能力差，對于經濟調度這個復雜模型的全局收斂能力不夠強，容易陷入局部最優。

因此，如何使得一種算法能夠適應調度實際問題，并高效、快速、精確地收斂到最優解一直是一個技術難題。

發明內容

本發明的目的在于，提供一種能夠保證粒子多樣性與算法收斂速度的同時，又具有強大全局收斂能力的電力系統經濟調度方法。

為實現以上發明目的，采用的技術方案是：

一種基于野花優化算法的電力系統經濟調度方法，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。

優選地，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。

優選地，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。

優選地，所述步驟1提及的等式約束和不等式約束包括：

(1)功率平衡約束