專(zhuān)利名稱(chēng)：基于多目標(biāo)分布式估計(jì)的水火電系統(tǒng)負(fù)荷分配方法
技術(shù)領(lǐng)域：
本發(fā)明屬于電力調(diào)度技術(shù)領(lǐng)域，涉及水火電系統(tǒng)負(fù)荷分配，可用于對(duì)電力系統(tǒng)中現(xiàn)有資源的優(yōu)化配置。
背景技術(shù)：
水火電系統(tǒng)負(fù)荷分配是電力系統(tǒng)分析的一個(gè)重要分支，它是指電力系統(tǒng)中參加運(yùn)行的火電機(jī)組和水電機(jī)組已經(jīng)預(yù)先確定，且在滿(mǎn)足電力系統(tǒng)運(yùn)行約束條件的情況下，將電力負(fù)荷分配給各個(gè)發(fā)電機(jī)組，以使全系統(tǒng)的燃料消耗量和污染氣體排放量同時(shí)達(dá)到最小。因其可在不增加任何工程成本的條件下最小化經(jīng)濟(jì)損失和環(huán)境損失，受到業(yè)界的普遍關(guān)注。目前求解該問(wèn)題的方法主要有模擬退火、遺傳算法、多目 標(biāo)進(jìn)化算法等，例如M. Basu 在 “A simulated annealing-based goal-attainment methodfor economic emission load dispatch of fixed head hydrothermal powersystems, ”(Electrical Power and Energy Systems27 (2005), pp. 147 - 153)是用模擬退火算法來(lái)求解該問(wèn)題。文章中采用了一種新的罰函數(shù)方法來(lái)懲罰搜索到的不可行解，并結(jié)合目標(biāo)加權(quán)的方法找到了一組優(yōu)化解。但是該方法是將這一多目標(biāo)問(wèn)題轉(zhuǎn)化成了單目標(biāo)問(wèn)題來(lái)解決，在單獨(dú)的一次運(yùn)行中只能的到一個(gè)最優(yōu)解，而且加權(quán)系數(shù)的選取也需要根據(jù)目標(biāo)的偏好信息來(lái)確定。Chao-Lung Chiang 等人在 “Optimal economic emission dispatchof hydrothermal power systems，，，(Electrical Power and EnergySystems29 (2007)，pp. 462 - 469)是用改進(jìn)遺傳算法來(lái)求解這一問(wèn)題。文章中利用e -constraint方法將該多目標(biāo)問(wèn)題中的其中一個(gè)目標(biāo)轉(zhuǎn)化為一個(gè)約束條件，并利用Multiplier-updating(MU)技術(shù)來(lái)求解這一約束單目標(biāo)問(wèn)題。該方法仍是將多目標(biāo)問(wèn)題轉(zhuǎn)化為單目標(biāo)問(wèn)題來(lái)解決，在需要多個(gè)解值的情況下該方法仍需運(yùn)行多次。M.Basu 在“Economic environmental dispatch of fixed head hydrothermalpower systems using nondominated sorting genetic algorithm-II, ” (Applied SoftComputing 11 (2011), pp. 3046-3055)是將經(jīng)典的多目標(biāo)進(jìn)化算法NSGA-II應(yīng)用到水火電系統(tǒng)負(fù)荷分配問(wèn)題上。雖然該方法通過(guò)單次運(yùn)行可以得到多個(gè)解值，具有傳統(tǒng)單目標(biāo)方法所不可比擬的優(yōu)勢(shì)，但是由于NSGA-II是采用傳統(tǒng)的交叉變異算子生成新解，而這種新解產(chǎn)生方式會(huì)限制算法的搜索范圍，從而導(dǎo)致優(yōu)化后可選擇的負(fù)荷分配方案有限，電力系統(tǒng)污染氣體的排放量和燃料消耗量較大。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對(duì)上述已有技術(shù)的不足，提出一種基于多目標(biāo)分布式估計(jì)的電力系統(tǒng)負(fù)荷分配方法，以減少電力系統(tǒng)污染氣體的排放量和燃料的消耗量，提供更多可供選擇的負(fù)荷分配方案。實(shí)現(xiàn)本發(fā)明目的的技術(shù)思路是將負(fù)荷分配方案編碼為種群個(gè)體，根據(jù)約束條件判斷種群中個(gè)體的可行性，對(duì)不可行個(gè)體采取修復(fù)策略；根據(jù)當(dāng)前種群的分布信息進(jìn)行建模，通過(guò)模型采樣產(chǎn)生部分新種群；對(duì)精英個(gè)體進(jìn)行局部學(xué)習(xí)得到剩余部分新種群。其具體步驟包括如下(I)初始化大小為 N 的父代種群 X(t) = {xjt)，x2(t), · · ·，xN(t)}，t = O,其中 t為迭代次數(shù)，每個(gè)個(gè)體Xn (t)都代表一種負(fù)荷分配方案，η = 1，2，...，N，N為父代種群的大小，N = 100 ；(2)對(duì)于父代種群中每個(gè)個(gè)體Xn(t)，計(jì)算其罰函數(shù)值Sn(t)，判定該個(gè)體的可行性，如果Sn(t) =0，則個(gè)體1 (0是可行個(gè)體；如果Sn(t) >0，則個(gè)體1 (0是不可行個(gè)體；(3)根據(jù)電力系統(tǒng)的約束條件對(duì)父代種群X (t)中所有不 可行個(gè)體進(jìn)行修復(fù)操作；(4)根據(jù)電力系統(tǒng)的火電機(jī)組燃料消耗量函數(shù)Fl和火電機(jī)組污染氣體的排放量函數(shù)F2，計(jì)算每個(gè)個(gè)體的適應(yīng)度值Fn (t)Fn (t) = [F1，F(xiàn)2]
M Ni其中，in= ΣΣ^Κ- +VL +C1PJ+1dtSmief(PT-Pam)) I]’Μ 為電力系統(tǒng)運(yùn)行總
M=I /=1
的時(shí)間段個(gè)數(shù)，tm是第m個(gè)時(shí)間段的時(shí)間長(zhǎng)度，Ns為火電機(jī)組的個(gè)數(shù)，Psiffl是第i個(gè)火電機(jī)組在第m個(gè)時(shí)段的負(fù)荷，Psimin為第i個(gè)火電機(jī)組的最小負(fù)荷，a,, bi；Ci, Cli, e,為第i個(gè)火電機(jī)組燃料消耗特性的不同數(shù)值系數(shù)，其具體數(shù)值根據(jù)電力系統(tǒng)中該火電機(jī)組的負(fù)荷與其燃料消耗量的關(guān)系決定；
M N,、F2 二 [[/Ja, -I-Α/ , + +η^χρ{σ;Ι\ ηι ] , α i7 β i7 y i7 η i7 δ j 為第 i 個(gè)火電
m=l i=l
機(jī)組污染氣體排放特性的不同數(shù)值系數(shù)，其具體數(shù)值根據(jù)電力系統(tǒng)中該火電機(jī)組的負(fù)荷與其污染氣體排放量的關(guān)系決定，i = I,. . . , Ns, m = I,. . . , M;(5)根據(jù)父代種群X(t)的適應(yīng)度值，找出父代種群中所有的非支配個(gè)體，組成非支配種群E(t)，生成一個(gè)空的第一新種群Q1，如果2 < |E(t)| <N/2，則令局部學(xué)習(xí)比例參數(shù)Θ = O. 1，執(zhí)行步驟(6)，否則，令局部學(xué)習(xí)比例參數(shù)Θ = 0，跳轉(zhuǎn)到步驟(J)，其中I表示取大小操作；(6)從非支配種群E(t)中隨機(jī)選擇出NX Θ個(gè)個(gè)體組成精英群，對(duì)精英群中每個(gè)個(gè)體xk(t)，k= Ι,.,.,ΝΧ Θ進(jìn)行局部學(xué)習(xí)，得到NX Θ個(gè)個(gè)體并放入第一新種群Ql中；(7)對(duì)父代種群X(t)建立分布式模型，利用該模型采樣得到大小為NX (I- Θ )的第二新種群Q2 ；(8)將第一新種群Ql和第二新種群Q2合并成子代種群Q(t)，對(duì)于子代種群中的每個(gè)個(gè)體，計(jì)算其罰函數(shù)值，如果該個(gè)體的罰函數(shù)值大于0，則對(duì)該個(gè)體進(jìn)行修復(fù)操作；(9)根據(jù)電力系統(tǒng)的火電機(jī)組燃料消耗量函數(shù)Fl和火電機(jī)組污染氣體的排放量函數(shù)F2，計(jì)算子代種群Q(t)中的每個(gè)個(gè)體的適應(yīng)度值，該計(jì)算公式與步驟(4)相同；(10)合并父代種群X (t)和子代種群Q (t)，利用快速非支配排序方法選取前N個(gè)個(gè)體作為下一次迭代過(guò)程中的父代種群X (t+1)；(11)判斷當(dāng)前迭代次數(shù)t是否滿(mǎn)足t〈Tmax，如滿(mǎn)足，執(zhí)行步驟(12)，否則，令迭代次數(shù)t增加一次，t = t+Ι，返回步驟(5)，其中，Tmax為最大迭代次數(shù)，Tmax=150 ；(12)取出下一次迭代過(guò)程的父代種群X(t+1)中所有的非支配個(gè)體，作為最終可供選擇的負(fù)荷分配方案集。本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點(diǎn)第一，本發(fā)明由于在新個(gè)體的生成過(guò)程中，對(duì)整個(gè)種群建立了分布式模型，利用分布式模型采樣得到部分新個(gè)體，使得本發(fā)明方法的搜索范圍加大，得到的負(fù)荷分配方案減少了電力系統(tǒng)的污染氣體排放量和燃料的消耗量。第二，本發(fā)明由于在新個(gè)體的生成過(guò)程中，加入了局部學(xué)習(xí)思想，利用局部學(xué)習(xí)的方法得到部分新個(gè)體，克服了現(xiàn)有技術(shù)容易陷入局部最優(yōu)狀態(tài) 的缺點(diǎn)，優(yōu)化結(jié)束后可得到更多的負(fù)荷分配方案。


圖I是本發(fā)明的流程圖；圖2是本發(fā)明中種群個(gè)體的編碼圖；圖3是本發(fā)明仿真測(cè)試得到的負(fù)荷分配方案對(duì)應(yīng)的目標(biāo)函數(shù)值圖。
具體實(shí)施例方式參照?qǐng)DI，本發(fā)明的具體實(shí)現(xiàn)步驟如下步驟I.初始化父代種群X (t) 按照?qǐng)D2中所示個(gè)體的編碼方式，初始化大小為N的父代種群X (t)={xjt)，x2(t), · · ·，xN(t)}，t = O,其中每一個(gè)個(gè)體 xn(t), η = 1，2，· · ·，N 代表一種負(fù)荷分配方案；父代種群中每個(gè)個(gè)體xn(t)由M個(gè)部分組成xn(t) = {P1，P2，...，PM}，每一部分Pm，m = I, ...，M由第m個(gè)時(shí)段中所有火電機(jī)組和水電機(jī)組的負(fù)荷組成Pm - (Pslm，P.s2m，…,PsNsm , Pfilm，Ph2 m，... νbm}，其中，PsJmJ = I, , Ns 表不弟 個(gè)火電機(jī)組在第m個(gè)時(shí)段中的負(fù)荷，它是在第i個(gè)火電機(jī)組的最小負(fù)荷Psimin和最大負(fù)荷Psimax之間隨機(jī)產(chǎn)生的；PWm，j = 1，...，Nh表示第j個(gè)水電機(jī)組在第m個(gè)時(shí)段的負(fù)荷，它是在第j個(gè)水電機(jī)組的最小負(fù)荷Ph/in和最大負(fù)荷PhZiax之間隨機(jī)產(chǎn)生的，Ns為火電機(jī)組的個(gè)數(shù)，Nh為水電機(jī)組的個(gè)數(shù)，M為電力系統(tǒng)運(yùn)行的時(shí)間段個(gè)數(shù)。步驟2.計(jì)算種群X(t)的罰函數(shù)值Sn(t)，并根據(jù)罰函數(shù)值判斷種群個(gè)體的可行性2. I)根據(jù)如下公式，計(jì)算個(gè)體Xn(t)的罰函數(shù)值Sn(t)Sn(t) = S1+S2,
M N.,Nh其中,SI為電力系統(tǒng)負(fù)荷平衡約束的罰函數(shù)值，51=Σ +芝!& ~ Pdw1^ Plm I，
Wi=I i=\J=I
PDm是第m個(gè)時(shí)段整個(gè)系統(tǒng)的負(fù)荷，Pta是第m個(gè)時(shí)段整個(gè)系統(tǒng)的傳輸損失負(fù)荷，
Ns+Nh Ns+Nh
= Σ Σ ηΛ ，Blr是傳輸損失系數(shù)向量的第I行第r列的數(shù)值,當(dāng)I = I,..., Ns
/=1 r=l
時(shí)，Plm表示第I個(gè)火電機(jī)組在第m個(gè)時(shí)段中的負(fù)荷，I = Ns+1,. . ·，NS+Nh時(shí)，Plm表示第I個(gè)水電機(jī)組在第m個(gè)時(shí)段中的負(fù)荷，當(dāng)r = 1，. . .，Ns時(shí)，P 表示第r個(gè)火電機(jī)組在第m個(gè)時(shí)段中的負(fù)荷，r = Ns+1,. . .，NS+Nh時(shí)，Pnn表示第r個(gè)水電機(jī)組在第m個(gè)時(shí)段中的負(fù)荷；
S2為水電廠水量平衡約束的罰函數(shù)值
權(quán)利要求
1.一種基于多目標(biāo)分布式估計(jì)的水火電系統(tǒng)負(fù)荷分配方法，包括如下步驟 (1)初始化大小為N的父代種群X(t)= (X1 (t), x2(t),. . . , xN(t)}, t = O,其中t為迭代次數(shù)，每個(gè)個(gè)體Xn (t)都代表一種負(fù)荷分配方案，η = 1，2，...，N，N為父代種群的大小，N=100 ； (2)對(duì)于父代種群中每個(gè)個(gè)體Xn(t)，計(jì)算其罰函數(shù)值Sn(t)，判定該個(gè)體的可行性，如^Sn(t) =0，則個(gè)體\(0是可行個(gè)體；如果Sn (t) >0，則個(gè)體\(0是不可行個(gè)體； (3)根據(jù)電力系統(tǒng)的約束條件對(duì)父代種群X(t)中所有不可行個(gè)體進(jìn)行修復(fù)操作； (4)根據(jù)電力系統(tǒng)的火電機(jī)組燃料消耗量函數(shù)Fl和火電機(jī)組污染氣體的排放量函數(shù)F2，計(jì)算每個(gè)個(gè)體的適應(yīng)度值Fn (t)
2.根據(jù)權(quán)利要求I所述的基于多目標(biāo)分布式估計(jì)算法的水火電系統(tǒng)負(fù)荷分配方法，其特征在于，步驟(6)所述的對(duì)精英群中每個(gè)個(gè)體Xk (t)，k= 1，...，NX Θ進(jìn)行局部學(xué)習(xí)，按如下步驟進(jìn)行 (6a)隨機(jī)生成一個(gè)空的臨時(shí)種群P (t)，從非支配種群E (t)中取出與個(gè)體Xk(t)最近的個(gè)體xB(t), xB (t) e E(t),從范圍[low upp]中均勻采樣產(chǎn)生5個(gè)個(gè)體Y1 (t), I = 1，· · ·，5,并將其放入臨時(shí)種群P (t)中，其中，upp為采樣范圍最大值，upp = max (Xi (t), xB(t)}, low為采樣范圍最小值，low = Biinlxi (t), xB(t)}, i = 1，· · ·，NX θ ； (6b)利用快速非支配排序方法從臨時(shí)種群p (t)中選取前NX Θ個(gè)個(gè)體放入第一新種群Ql中。
3.根據(jù)權(quán)利要求I所述的基于多目標(biāo)分布式估計(jì)的水火電系統(tǒng)負(fù)荷分配方法，其特征在于，步驟(7)所述的對(duì)父代種群X(t)建立分布式模型，利用該模型采樣得到大小為NX (I-Θ)的第二新種群Q2，按以下步驟進(jìn)行 (7a)用local PCA方法將父代種群X(t)中的N個(gè)個(gè)體劃分為K類(lèi)S1，S2，…，SK，K=5，針對(duì)每個(gè)類(lèi)計(jì)算該類(lèi)在第i維空間的最小值和最大值
全文摘要
本發(fā)明提出了一種基于多目標(biāo)分布式估計(jì)的電力系統(tǒng)負(fù)荷分配方法，主要處理電力系統(tǒng)負(fù)荷分配問(wèn)題。其實(shí)現(xiàn)步驟為初始化父代種群；修復(fù)父代種群中不可行個(gè)體；計(jì)算父代種群的適應(yīng)度值；利用局部學(xué)習(xí)得到第一新種群；利用建模采樣，得到第二新種群；合并兩部分新種群得到子代種群，修復(fù)子代種群中不可行個(gè)體；計(jì)算子代種群的適應(yīng)度值；合并子代種群和父代種群，利用快速非支配排序選擇得到下一次迭代的父代種群；如果達(dá)到最大迭代次數(shù)，取出下一次迭代的父代種群中的非支配個(gè)體作為最終的負(fù)荷分配方案，否則繼續(xù)迭代。本發(fā)明得到的負(fù)荷分配方案具有減少電力系統(tǒng)的污染氣體排放量和燃料的消耗量，提供更多可選擇負(fù)荷分配方案的優(yōu)點(diǎn)。
文檔編號(hào)G06F19/00GK102789542SQ201210215658
公開(kāi)日2012年11月21日 申請(qǐng)日期2012年6月27日 優(yōu)先權(quán)日2012年6月27日
發(fā)明者公茂果, 劉若辰, 尚榮華, 李陽(yáng)陽(yáng), 焦李成, 緱水平, 許霞, 馬文萍 申請(qǐng)人:西安電子科技大學(xué)