[發明專利]一種電力系統多目標粒子群優化調度方法在審

申請號：	201910091143.0	申請日：	2019-01-30
公開（公告）號：	CN109670655A	公開（公告）日：	2019-04-23
發明（設計）人：	李整;秦金磊	申請（專利權）人：	華北電力大學（保定）
主分類號：	G06Q10/04	分類號：	G06Q10/04;G06Q50/06;G06N3/00
代理公司：	北京市盛峰律師事務所 11337	代理人：	梁艷
地址：	071003 河北***	國省代碼：	河北;13
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	電力系統多目標粒子群優化調度煤耗最優解粒子種群多樣性發電企業機組出力目標優化求解效率問題轉化優化問題排放量求解減排稀疏全局種群多樣性節能保證排放概率改進
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明公開了一種電力系統多目標粒子群優化調度方法，涉及電力系統優化問題領域。該方法通過將EED問題轉化為MOPSO問題來求解，相當于煤耗和排放兩目標優化問題。為了保證得到的最優解的多樣性和均勻分布，即機組出力組合情況所對應的煤耗和排放量均勻地分散到Pareto前沿曲線上，改進了粒子的全局極值確定方法，具體的，在解決EED問題時，將稀疏距離和sigma方法結合起來，在一定概率下選取粒子全局極值，保持了種群多樣性，從而防止種群陷入局部最優，進一步保證求得的Pareto最優解的均勻分布。提高了MOPSO的求解效率和精度，從而更好地解決了EED問題，可為發電企業的節能和減排提供新思路。

技術領域

本發明涉及電力系統優化問題領域，尤其涉及一種電力系統多目標粒子群優化調度方法。

背景技術

近年來，全球氣候變暖的問題日漸突出，環境污染已成為人類社會的一大威脅，電力系統調度中單純考慮經濟性已不能滿足當今社會的需求，減排問題也成為研究的熱點，學者們越來越多地致力于考慮環境保護的機組組合的研究，即環境/經濟調度(Environmental/Economic Dispatch,EED)問題。EED問題試圖找到一種調度方案，在燃煤消耗和污染排放兩個方面同時達到最優，即煤耗最低且排放最小。然而，傳統的優化技術并不適用于這種多個相互沖突的目標同時優化的問題，因此提出了很多改進技術來處理EED問題。

EED問題常用的求解方法是同時處理煤耗成本和排放兩個目標，即求解多目標的優化問題。多目標優化問題(Multi-objective Optimization Problems,MOPs)中，通常需要對多個目標進行相互平衡，在符合一系列約束條件的情況下得到相對合理的解決方案。Pareto最優的概念通常用于多目標優化問題(MOP)的求解中，MOP問題的最終目標就是求得一個滿足要求的Pareto非劣解集。多目標之間的最優平衡曲線或曲面稱為Pareto前沿，在其之上的任何一個解均無法在不犧牲其他目標的基礎上使得某個目標更優。因此，在Pareto前沿之外，沒有任何合理的解存在。雖然這些折中解通常不能使每個目標達到單目標優化最優值，但卻是平衡各個目標的最佳選擇。

智能優化算法是一類通過模擬某一自然現象或過程而建立起來的優化方法，相較于傳統的數學解析方法，智能優化算法更適合求解多目標優化問題。一方面，智能算法不要求多目標問題的目標函數和約束條件具有可微性和連續性；另一方面，智能優化算法通常對Pareto最優前沿的形狀和連續性不敏感，能很好地逼近非凸或不連續的最優前沿。

近年智能優化算法主要有非支配排序遺傳算法Ⅱ(Non-dominated SortingGenetic Algorithm,NSGA-Ⅱ)，人工蜂群算法(Artificial Bee Colony Algorithm)，粒子群優化(Particle Swarm Optimization,PSO)算法等。

粒子群優化算法(Particle Swarm Optimization，PSO)是由Kennedy和Eberhart在1995年提出的一種可用于復雜非線性優化問題的數值優化技術，通過個體協作和信息共享來尋找最優解。優化問題的每個可行解均可表示為n維決策空間的一個位置，稱為粒子，記作x＝(x₁,x₂,…,x_n)。粒子可在決策空間中飛行以便尋找最優解，和分別表示粒子i在第t次迭代的速度和位置，更新過程分別見公式(1)和(2)。速度的更新包括大小和方向，粒子i在第t+1次迭代的新速度由粒子之前的速度個體認知(粒子至今經歷的最好位置)和社會知識g^t(種群經歷的最好位置)三部分決定。ω為慣性權重，c₁and c₂分別為認知系數和社會系數，r₁和r₂為0到1之間的隨機數。位置的更新由原位置與當前速度的向量之和確定。