[發(fā)明專利]基于改進(jìn)混沌粒子群算法的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811535876.0
• 申請(qǐng)日: 2018-12-14
• 公開（公告）號(hào): CN109886446A
• 公開（公告）日: 2019-06-14
• 發(fā)明（設(shè)計(jì)）人: 田年杰;王寧;單克;趙倩;代江;蘇華英;汪明清
• 申請(qǐng)（專利權(quán)）人: 貴州電網(wǎng)有限責(zé)任公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06;G06N3/00
• 代理公司: 北京同恒源知識(shí)產(chǎn)權(quán)代理有限公司 11275
• 代理人: 王海權(quán)

1.基于改進(jìn)混沌粒子群算法的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度方法，其特征在于：該方法包括以下步驟：

S1：基于場(chǎng)景法建立了考慮風(fēng)電接入系統(tǒng)的動(dòng)態(tài)經(jīng)濟(jì)調(diào)度模型，并利用罰函數(shù)法將其轉(zhuǎn)換為無約束優(yōu)化模型；所述步驟S1具體為：

為合理描述風(fēng)電場(chǎng)出力的隨機(jī)波動(dòng)性，基于場(chǎng)景法建立考慮風(fēng)電接入系統(tǒng)的動(dòng)態(tài)經(jīng)濟(jì)調(diào)度模型：

目標(biāo)函數(shù)：

約束條件：

其中，T為調(diào)度周期的時(shí)間段，取T＝24；N_g為常規(guī)發(fā)電機(jī)組的個(gè)數(shù)；P_i,t為發(fā)電機(jī)組i在時(shí)刻t的發(fā)電功率；a_i,0、a_i,1、a_i,2表示常規(guī)機(jī)組的煤耗費(fèi)用系數(shù)；S為隨機(jī)誤差場(chǎng)景個(gè)數(shù)；h_s為隨機(jī)誤差場(chǎng)景s的概率；β_i為發(fā)電機(jī)組i的再調(diào)度燃料費(fèi)用系數(shù)；s＝0表示預(yù)測(cè)場(chǎng)景，s≠0表示隨機(jī)誤差場(chǎng)景；為場(chǎng)景s下發(fā)電機(jī)組i在時(shí)刻t的發(fā)電功率；P_i,t,s表示場(chǎng)景s中，發(fā)電機(jī)組i在t時(shí)刻的出力；P_w(t,s)表示場(chǎng)景s中，風(fēng)電在t時(shí)刻的聯(lián)合出力；PL_t表示t時(shí)刻的負(fù)荷；β表示旋轉(zhuǎn)備用率，取5；P_i表示發(fā)電機(jī)組i的出力下限；表示發(fā)電機(jī)組i的出力上限；r_ui表示常規(guī)機(jī)組向上的爬坡率；r_di表示常規(guī)機(jī)組向下的爬坡率；P_i,t表示預(yù)測(cè)場(chǎng)景下發(fā)電機(jī)組i在t時(shí)刻的出力；Δ_i表示發(fā)電機(jī)組i在時(shí)刻t的可調(diào)節(jié)功率；P_ij,t,s表示場(chǎng)景s中，節(jié)點(diǎn)i*到節(jié)點(diǎn)j*的輸電線路在t時(shí)刻的有功功率；表示節(jié)點(diǎn)i*到節(jié)點(diǎn)j*的輸電線路在t時(shí)刻的有功功率上限；

為方便利用粒子群算法進(jìn)行求解，需要利用罰函數(shù)法將上述模型轉(zhuǎn)換為如式(3)所示的無約束優(yōu)化問題：

式中，Y(x)表示加入罰函數(shù)后的增廣目標(biāo)函數(shù)；F表示原目標(biāo)函數(shù)；ψ₁、ψ₂分別表示不等式約束和等式約束的罰因子；g(x)、h(x)分別表示不等式約束和等式約束；

S2：基于混沌優(yōu)化算法，對(duì)每次迭代得到的種群最優(yōu)解進(jìn)行尋優(yōu)，并更新種群最優(yōu)解；

S3：根據(jù)粒子位置更新后等式約束的偏離程度進(jìn)行可行性調(diào)整。

2.根據(jù)權(quán)利要求1所述的基于改進(jìn)混沌粒子群算法的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度方法，其特征在于：所述步驟S2具體為：

利用混沌優(yōu)化算法具有遍歷搜索空間的特點(diǎn)，對(duì)迭代過程中得到的種群最優(yōu)解在其鄰域內(nèi)進(jìn)行混沌搜索，從而提高算法跳出局部極值點(diǎn)的能力；

對(duì)粒子群算法每次迭代得到的種群最優(yōu)解按式(4)進(jìn)行迭代尋優(yōu)；

其中，x_zbest表示粒子當(dāng)前的最優(yōu)解；ξ表示調(diào)節(jié)系數(shù)；表示處于[-1,1]區(qū)間的混沌變量；μ表示鄰域半徑，取0.2；由式(5)計(jì)算得到；

其中，ζ表示控制參數(shù)，當(dāng)ζ＝4且時(shí)，系統(tǒng)處于完全混沌狀態(tài)，通過式(5)便能夠?qū)⒆兞坑成涞絽^(qū)間[0,1]上，且該映射為滿映射。

3.根據(jù)權(quán)利要求2所述的基于改進(jìn)混沌粒子群算法的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度方法，其特征在于：所述步驟S3具體為：

S301：排序；為確保進(jìn)行可行性調(diào)整時(shí)的經(jīng)濟(jì)性，首先對(duì)常規(guī)機(jī)組按照煤耗成本進(jìn)行排序；計(jì)算出每臺(tái)機(jī)在額定功率下的煤耗成本，并按煤耗成本由低到高進(jìn)行排序，若存在煤耗成本相同的情況，則煤耗成本相同的機(jī)組排序也相同；

S302：調(diào)整；當(dāng)?shù)仁郊s束不滿足的時(shí)候，按照排序順序依次調(diào)整各個(gè)機(jī)組的出力，直至等式約束滿足為止；若存在排序位置相同的機(jī)組，按照可調(diào)節(jié)裕度進(jìn)行分配；

令第k次迭代得到的機(jī)組出力大小為負(fù)荷大小為PL，定義等式約束的偏離量下面是P_Δ≥0的情況；

P_Δ≥0表示機(jī)組出力大于負(fù)荷，此時(shí)根據(jù)步驟S301得到的機(jī)組排序，由高往低依次減小機(jī)組的出力大小，當(dāng)?shù)谝慌_(tái)機(jī)組降低至出力下限且時(shí)，繼續(xù)對(duì)下一臺(tái)高煤耗機(jī)組繼續(xù)出力調(diào)整，直至等式約束滿足；

若存在排序位置相同的機(jī)組，設(shè)有m個(gè)機(jī)組的排序位置相同，計(jì)算得到該m個(gè)機(jī)組的可調(diào)節(jié)裕度大小，由于P_Δ≥0，因此得到m個(gè)機(jī)組的向下可調(diào)節(jié)裕度為若則該m個(gè)機(jī)組出力均調(diào)整至下限值；若則這m個(gè)機(jī)組出力調(diào)整后如式(6)所示；

具體求解步驟為：

S31：基于場(chǎng)景法建立了考慮風(fēng)電接入系統(tǒng)的動(dòng)態(tài)經(jīng)濟(jì)調(diào)度模型，并利用罰函數(shù)法將其轉(zhuǎn)換為無約束優(yōu)化模型，如式(3)所示；

S32：確定混沌粒子群算法的參數(shù)值；

S33：進(jìn)行種群各粒子的位置和速度初始化；具體如下式：

第i個(gè)種群中第j個(gè)粒子的位置：

其中，rand表示一個(gè)在(0,1)區(qū)間里的隨機(jī)數(shù)；其初始速度為：

其中K表示最大迭代次數(shù)；

S34：根據(jù)可行性調(diào)整策略所述步驟對(duì)初始粒子進(jìn)行可行性調(diào)整；

S35：種群各粒子第k+1次迭代時(shí)按照如下式規(guī)則進(jìn)行更新：

其中，ω_k表示慣性因子，ω_max、ω_min分別取為0.9和0.4；c₁、c₂表示學(xué)習(xí)因子，均等于2；和分別表示在第k次迭代時(shí)的個(gè)體歷史最優(yōu)和種群最優(yōu)粒子的位置信息；

S36：對(duì)更新后的粒子進(jìn)行可行性調(diào)整；

S37：對(duì)每次迭代中得到的種群最優(yōu)粒子進(jìn)行混沌優(yōu)化搜索，搜索過程根據(jù)式(4)-(5)進(jìn)行迭代，對(duì)迭代過程中生成的新粒子位置進(jìn)行可行性調(diào)整；

S38：判斷目標(biāo)函數(shù)值是否滿足收斂精度或迭代次數(shù)是否達(dá)到最大設(shè)定值，若是，則輸出結(jié)果；否則，跳轉(zhuǎn)至步驟S35：直至收斂。