国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      考慮爬坡速率約束的電力系統(tǒng)機(jī)組組合優(yōu)化方法與流程

      文檔序號(hào):12770865閱讀:897來(lái)源:國(guó)知局
      考慮爬坡速率約束的電力系統(tǒng)機(jī)組組合優(yōu)化方法與流程
      本發(fā)明涉及電力系統(tǒng)調(diào)度,尤其是涉及一種考慮爬坡速率約束的電力系統(tǒng)機(jī)組組合優(yōu)化方法。

      背景技術(shù):
      隨著電力系統(tǒng)規(guī)模的增加和日益加劇的能源危機(jī),人們對(duì)電力系統(tǒng)經(jīng)濟(jì)性的運(yùn)行要求越來(lái)越高。電力系統(tǒng)機(jī)組組合優(yōu)化對(duì)電力系統(tǒng)經(jīng)濟(jì)運(yùn)行、安全調(diào)度具有重要影響,它不僅可以節(jié)省大量的經(jīng)濟(jì)成本,而且能通過(guò)保持一定的旋轉(zhuǎn)備用來(lái)提高電力系統(tǒng)的可靠性。機(jī)組組合優(yōu)化問(wèn)題涉及兩個(gè)子問(wèn)題,其一是機(jī)組組合,用于確定有哪些機(jī)組出力;其二為經(jīng)濟(jì)負(fù)荷分配,用于確定需要這些機(jī)組出多少力。機(jī)組組合優(yōu)化問(wèn)題的決策變量不僅涉及表示機(jī)組運(yùn)行狀態(tài)(離線、在線分別用0、1表示)的離散變量,而且涉及表示機(jī)組出力的連續(xù)變量,需要考慮包括電量平衡、旋轉(zhuǎn)備用等在內(nèi)的大量線性、非線性的等式或不等式約束。目前,機(jī)組組合優(yōu)化的方法有優(yōu)先順序法、動(dòng)態(tài)規(guī)劃法、拉格朗日松弛法等傳統(tǒng)數(shù)學(xué)規(guī)劃方法和遺傳算法、神經(jīng)網(wǎng)絡(luò)等智能進(jìn)化算法。優(yōu)先順序法計(jì)算簡(jiǎn)單,速度快,但很難得到最優(yōu)解;動(dòng)態(tài)規(guī)劃法能得到最優(yōu)解,但計(jì)算量大,存在維數(shù)災(zāi)問(wèn)題;拉格朗日松弛法算子選擇不易,且其優(yōu)劣直接影響到算法的收斂性;遺傳算法容易早熟收斂,且后期易出現(xiàn)震蕩現(xiàn)象;神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要大量的樣本數(shù)據(jù)。Kennedy和Eberhart于1995年提出的粒子群算法是模擬鳥(niǎo)群覓食的基于群體智能的仿生算法,便于在連續(xù)變量空間處理全局約束優(yōu)化問(wèn)題,隨后他們于1997年將所提出的粒子群算法擴(kuò)展為離散粒子群算法,用于處理含離散變量的優(yōu)化問(wèn)題,具有原理簡(jiǎn)單、魯棒性好和易于實(shí)現(xiàn)的優(yōu)點(diǎn)。Zhao等人(B.Zhao,C.X.Guo,B.R.BaiandY.J.Cao.Animprovedparticleswarmoptimizationalgorithmforunitcommitment.InternationalJournalofElectricalPower&EnergySystems,28(7):482-490,2006)在2006年構(gòu)建了一個(gè)增強(qiáng)粒子群算法求解電力系統(tǒng)機(jī)組組合優(yōu)化問(wèn)題,但該法的求解速度慢,容易陷入局部最優(yōu),而且該法所求得的機(jī)組組合優(yōu)化的結(jié)果并不理想。中國(guó)專利201110243050.9(浙江大學(xué))公開(kāi)一種基于離散粒子群和拉格朗日乘數(shù)算法的機(jī)組組合優(yōu)化方法,但該法不一定能獲得滿足各種運(yùn)行約束的最優(yōu)解(其實(shí)施案例所給出的驗(yàn)證性結(jié)果未滿足最小在線時(shí)間約束)且未考慮爬坡速率約束,求解速度慢,不適于實(shí)際應(yīng)用。差分加速技術(shù)是Zhang等人(JingruiZhang,JianWang,andChaoyuanYue,Smallpopulation-basedparticleswarmoptimizationforshort-termhydrothermalscheduling,IEEETransactionsonPowerSystems,27(1):142-152,2012)于2012年提出的短期水火聯(lián)調(diào)問(wèn)題的粒子群算法求解框架中用于加速搜索的一種方法,但該法僅針對(duì)連續(xù)變量,對(duì)含離散變量的機(jī)組組合優(yōu)化無(wú)能為力。

      技術(shù)實(shí)現(xiàn)要素:
      本發(fā)明的目的在于為進(jìn)一步提高粒子群算法求解機(jī)組組合優(yōu)化問(wèn)題的速度,提供一種考慮爬坡速率約束的電力系統(tǒng)機(jī)組組合優(yōu)化方法。本發(fā)明針對(duì)含爬坡速率約束的電力系統(tǒng)機(jī)組組合優(yōu)化問(wèn)題,將差分加速技術(shù)擴(kuò)展于處理離散變量的加速搜索,在經(jīng)濟(jì)負(fù)荷分配上引入適于智能進(jìn)化算法的隨機(jī)等效Lambda(在本說(shuō)明書(shū)剩余部分采用λ表示)迭代法。本發(fā)明包括以下步驟:(1)收集電力系統(tǒng)相關(guān)數(shù)據(jù)并設(shè)置算法參數(shù);(2)根據(jù)步驟(1)所收集的電力系統(tǒng)相關(guān)數(shù)據(jù),建立考慮各種運(yùn)行約束的電力系統(tǒng)機(jī)組組合優(yōu)化數(shù)學(xué)模型;(3)根據(jù)步驟(2)所建立的電力系統(tǒng)機(jī)組組合優(yōu)化問(wèn)題數(shù)學(xué)模型和步驟(1)所設(shè)置的算法參數(shù),初始化種群個(gè)體的飛行速度,并確定種群個(gè)體的位置也即是機(jī)組的運(yùn)行狀態(tài);(4)判斷種群個(gè)體是否滿足最小在線/離線時(shí)間約束,若滿足,則轉(zhuǎn)步驟(5);若不滿足,則對(duì)種群個(gè)體進(jìn)行最小在線/離線時(shí)間約束的修復(fù);(5)判斷滿足最小在線/離線時(shí)間約束的種群個(gè)體是否滿足旋轉(zhuǎn)備用約束,若滿足,則轉(zhuǎn)步驟(6);若不滿足,則對(duì)種群個(gè)體進(jìn)行旋轉(zhuǎn)備用約束的修復(fù);(6)對(duì)種群個(gè)體執(zhí)行過(guò)度盈余機(jī)組刪除操作;(7)根據(jù)步驟(1)所收集的不同時(shí)段的預(yù)測(cè)負(fù)荷情況對(duì)種群個(gè)體進(jìn)行經(jīng)濟(jì)負(fù)荷分配;(8)根據(jù)步驟(2)所建立的優(yōu)化問(wèn)題目標(biāo)函數(shù)和步驟(7)的經(jīng)濟(jì)負(fù)荷分配情況,計(jì)算種群個(gè)體的目標(biāo)函數(shù)值,設(shè)置該值為相應(yīng)個(gè)體的適應(yīng)度值,并更新個(gè)體最好和種群最好;(9)采用差分加速技術(shù)對(duì)種群個(gè)體最好進(jìn)行加速搜索;(10)若達(dá)到迭代結(jié)束條件,則轉(zhuǎn)步驟(12),否則轉(zhuǎn)下一步;(11)根據(jù)個(gè)體最好和種群最好更新種群個(gè)體的飛行速度和位置,轉(zhuǎn)步驟(4);(12)輸出電力系統(tǒng)機(jī)組組合優(yōu)化方案,求解結(jié)束。在步驟(1)中,所述電力系統(tǒng)相關(guān)數(shù)據(jù)包括參與調(diào)度機(jī)組的特性數(shù)據(jù)、調(diào)度周期及其時(shí)段數(shù)、調(diào)度周期內(nèi)各時(shí)段的預(yù)測(cè)負(fù)荷和旋轉(zhuǎn)備用要求;所述特性數(shù)據(jù)包括煤耗函數(shù)、啟動(dòng)成本、最小在線/離線時(shí)間、爬坡速率約束、機(jī)組出力上下限及機(jī)組初始運(yùn)行狀態(tài);所述算法參數(shù)包括粒子群算法相關(guān)參數(shù)、差分加速方法相關(guān)參數(shù)和隨機(jī)等效λ迭代法的相關(guān)參數(shù)。在步驟(2)中,所述電力系統(tǒng)機(jī)組組合優(yōu)化數(shù)學(xué)模型以機(jī)組煤耗成本和啟動(dòng)成本之和最小為目標(biāo),優(yōu)化的目標(biāo)函數(shù)優(yōu)化的約束條件為:1)電量平衡t=1,2,...,T2)旋轉(zhuǎn)備用約束t=1,2,...,T3)最小在線時(shí)間uit=1∧uit+1=04)最小離線時(shí)間uit=0∧uit+1=15)機(jī)組出力約束i=1,2,...,Ns,t=1,2,...,T6)火電機(jī)組初始運(yùn)行狀態(tài)i=1,2,...,Ns7)機(jī)組爬坡速率約束Psit-Psit-1≤URi,Psit-1-Psit≤UDii=1,2,...,Ns,t=1,2,...,T在上述公式中,F(xiàn)是優(yōu)化的目標(biāo),t=1,2,...,T代表調(diào)度時(shí)段,i=1,2,...,Ns代表參與調(diào)度的機(jī)組,Psit代表機(jī)組i在時(shí)段t的出力,機(jī)組i的煤耗成本可以表示為相應(yīng)出力的二次多項(xiàng)式函數(shù):fi(Psit)=ai+biPsit+ciPsit2,aibi和ci為機(jī)組i的煤耗成本函數(shù)的系數(shù),uit為機(jī)組i在t時(shí)段工作狀態(tài),1表示在線,0表示離線,機(jī)組i在t時(shí)段的啟動(dòng)費(fèi)用SUit可以表示為:Chsi為機(jī)組i的熱啟動(dòng)成本,Ccsi為機(jī)組i的冷啟動(dòng)成本,Hcsi為機(jī)組i的冷啟動(dòng)時(shí)間,為機(jī)組i的最小離線時(shí)間,機(jī)組i在t時(shí)段末的連續(xù)離線時(shí)間按更新,為機(jī)組i的最小在線時(shí)間,機(jī)組i在t時(shí)段末的連續(xù)在線時(shí)間按PL(t)和PD(t)分別為t時(shí)段的輸電損耗和系統(tǒng)負(fù)荷,R(t)為t時(shí)段的旋轉(zhuǎn)備用要求,和分別為機(jī)組i出力的上下限,和分別為機(jī)組i的初始連續(xù)在線和離線時(shí)間,URi和DRi分別為機(jī)組i出力增加和降低的速度上限也即是反映爬坡速率約束的兩個(gè)變量。在不加說(shuō)明情況下,本發(fā)明說(shuō)明書(shū)剩余部分相同數(shù)學(xué)符號(hào)均代表上述意義。在步驟(4)中,所述最小在線/離線時(shí)間約束修復(fù)的步驟如下:1):獲取待修復(fù)個(gè)體,初始化和令t=1,i=1;2):若uit=1,則轉(zhuǎn)步驟3),否則轉(zhuǎn)步驟5);3):若uit-1=0,則轉(zhuǎn)步驟4),否則轉(zhuǎn)步驟7);4):若則令uit=0轉(zhuǎn)步驟7),否則直接轉(zhuǎn)步驟7);5):若uit-1=1,則轉(zhuǎn)步驟6),否則轉(zhuǎn)步驟7);6):若則令uit=1轉(zhuǎn)步驟7),否則直接轉(zhuǎn)步驟7);7):更新和8):i=i+1,若i≤Ns,則轉(zhuǎn)步驟2),否則轉(zhuǎn)步驟9);9):t=t+1,若t≤T,則i=1轉(zhuǎn)步驟2),否則轉(zhuǎn)步驟10);10):最小在線/離線時(shí)間約束修復(fù)完畢。在步驟(5)中,所述旋轉(zhuǎn)備用約束的修復(fù)的步驟如下:1):獲取待修復(fù)個(gè)體,將機(jī)組按照裝機(jī)容量排成降序,令t=1;2):按下式計(jì)算當(dāng)前個(gè)體在t時(shí)段的旋轉(zhuǎn)備用情況若令g=1,轉(zhuǎn)步驟3),否則轉(zhuǎn)步驟7);3):若ugt=1,則g=g+1直至ugt=0,計(jì)算和4):令ugt=1,若則否則令5):令ugl=1,l=l+1;6):若l≤t,則轉(zhuǎn)步驟5),否則令若則轉(zhuǎn)步驟7),否則g=g+1轉(zhuǎn)步驟3);7):t=t+1,若t≤T,則轉(zhuǎn)步驟2),否則轉(zhuǎn)步驟8);8):旋轉(zhuǎn)備用約束修復(fù)完畢;在上述步驟中,g代表排序后的機(jī)組序號(hào),l代表時(shí)段號(hào),代表t時(shí)段的實(shí)際旋轉(zhuǎn)備用。在步驟(6)中,所述過(guò)度盈余機(jī)組刪除操作的具體步驟如下:1):獲取待修復(fù)個(gè)體,按容量大小將機(jī)組排成升序,并令g=1,t=1;2):若uit=1,則轉(zhuǎn)步驟3),否則轉(zhuǎn)步驟7);3):若則轉(zhuǎn)步驟4),否則轉(zhuǎn)步驟8);4):若則轉(zhuǎn)步驟6),否則轉(zhuǎn)步驟5);5):若則轉(zhuǎn)步驟6),否則轉(zhuǎn)步驟7);6):ugt=0,更新和7):g=g+1,若g≤Ns,則轉(zhuǎn)步驟2),否則轉(zhuǎn)步驟8);8):t=t+1,若t≤T,則令g=1轉(zhuǎn)步驟2),否則轉(zhuǎn)步驟9);9):過(guò)度盈余機(jī)組刪除完畢;在上述步驟中,g代表排序后的機(jī)組序號(hào)。在步驟(7)中,所述對(duì)種群個(gè)體進(jìn)行經(jīng)濟(jì)負(fù)荷分配可采用隨機(jī)等效λ迭代法,并在分配中處理爬坡速率約束,可按時(shí)段t=1,2,...,T進(jìn)行,其具體步驟如下:1):獲取待分配個(gè)體和時(shí)段t,令iteration=1,i=1,λ=rand(λmin,λmax);2):求的解為令3):令Psit=min{max{Pi',Psit-1-UDi},Psit-1+URi};4):若i<Ns,則i=i+1,轉(zhuǎn)步驟2),否則計(jì)算5):若ε≥τ,則轉(zhuǎn)步驟6),否則轉(zhuǎn)步驟10);6):若iteration=1,則λ1=λ,ε1=ε轉(zhuǎn)步驟7),否則λ2=λ1,ε2=ε1,λ1=λ,ε1=ε,轉(zhuǎn)步驟9);7):若ε>0,則λ=(1+η)*λ,否則λ=(1-η)*λ;8):iteration=iteration+1,i=1轉(zhuǎn)步驟2);9):若|ε1-ε2|<ξ,則轉(zhuǎn)步驟7),否則令λ=λ2+(λ1-λ2)*ε2/(ε2-ε1)轉(zhuǎn)步驟8);10):待分配個(gè)體t時(shí)段的經(jīng)濟(jì)負(fù)荷分配結(jié)束;在上述步驟中,iteration代表迭代次數(shù),和Pi'是為獲得Psit的中間值,λ1和λ2是λ在前兩次迭代中的值,ε1和ε2是前兩次迭代中電量平衡的違背量,λmin和λmax分別是λ的最小、最大值,rand(λmin,λmax)產(chǎn)生在[λmin,λmax]上服從均勻分布的隨機(jī)數(shù),τ為電量平衡允許誤差,η為λ的更新步長(zhǎng),ξ為近兩次迭代誤差的閾值。在步驟(9)中,所述采用差分加速技術(shù)對(duì)種群個(gè)體最好進(jìn)行加速搜索,可直接以種群個(gè)體最好為差分加速的初始種群,以pbest表示個(gè)體最好,gbest表示種群最好,表示在第m次迭代中個(gè)體r1和個(gè)體r2的個(gè)體最好在第j維的距離,則差分加速搜索的詳細(xì)步驟如下:1):以種群當(dāng)前個(gè)體最好為差分加速的初始種群,令k=1,i=1;2):按式產(chǎn)生個(gè)體i的嘗試個(gè)體,式中,tmp為嘗試個(gè)體,mut反映其變異部分,且為位反轉(zhuǎn)函數(shù),3):計(jì)算嘗試個(gè)體tmp的適應(yīng)度值;4):若tmp的適應(yīng)度值優(yōu)于個(gè)體i的個(gè)體最好適應(yīng)度值,則將嘗試個(gè)體更新為個(gè)體i的個(gè)體最好,并轉(zhuǎn)下一步,否則轉(zhuǎn)步驟6);5):將個(gè)體i的個(gè)體最好適應(yīng)度值與種群最好適應(yīng)度值進(jìn)行比較,若優(yōu)于種群最好適應(yīng)度值,則更新種群最好;6):i=i+1,判斷是否遍歷種群,若已遍歷則轉(zhuǎn)步驟7),否則轉(zhuǎn)步驟2);7):k=k+1,判斷是否達(dá)到加速次數(shù),若達(dá)到則轉(zhuǎn)步驟8),否則,令i=1,轉(zhuǎn)步驟2);8):差分加速搜索結(jié)束;在上述步驟中,i代表個(gè)體序號(hào),j代表維數(shù),k代表差分加速迭代次數(shù),m代表粒子群算法迭代次數(shù),F(xiàn)acc和CRacc分別為差分加速搜索方法的收縮因子和交叉因子。本發(fā)明要解決的技術(shù)問(wèn)題是,克服現(xiàn)有技術(shù)的不足,在求解考慮爬坡速率約束的電力系統(tǒng)機(jī)組組合優(yōu)化問(wèn)題的粒子群算法框架中引入差分加速技術(shù)加速搜索,提高機(jī)組組合優(yōu)化問(wèn)題求解的速度;在機(jī)組組合中引入對(duì)不可行種群個(gè)體進(jìn)行修復(fù)的一系列方法,提高機(jī)組組合方案的可行性;在經(jīng)濟(jì)負(fù)荷分配中采用適于智能進(jìn)化算法的隨機(jī)等效λ迭代法并處理爬坡速率約束??傊景l(fā)明為考慮爬坡速率約束的電力系統(tǒng)機(jī)組組合優(yōu)化問(wèn)題提供了一種基于差分加速和不可行個(gè)體修復(fù)的粒子群優(yōu)化方法,該方法根據(jù)所預(yù)測(cè)的電力系統(tǒng)負(fù)荷數(shù)據(jù)和參與調(diào)度機(jī)組的特性參數(shù),以煤耗成本和啟動(dòng)成本之和最小為目標(biāo),給出在一個(gè)調(diào)度周期內(nèi)滿足各種約束的運(yùn)行方案。本發(fā)明旨在提供一種考慮爬坡速率約束的電力系統(tǒng)機(jī)組組合優(yōu)化方法。本發(fā)明以煤耗成本和啟動(dòng)成本之和最小為目標(biāo),在離散粒子群框架中引入差分加速技術(shù)以提高求解速度,對(duì)不可行個(gè)體進(jìn)行修復(fù)以提高可行性,并采用隨機(jī)等效λ迭代法進(jìn)行負(fù)荷分配并處理爬坡速率約束。具體包括以下步驟:收集相關(guān)數(shù)據(jù)并設(shè)置算法參數(shù);建立機(jī)組組合優(yōu)化數(shù)學(xué)模型;隨機(jī)生成初始種群;對(duì)不滿足約束的個(gè)體進(jìn)行修復(fù);采用隨機(jī)等效λ迭代法進(jìn)行經(jīng)濟(jì)負(fù)荷分配并處理爬坡速率約束;計(jì)算適應(yīng)度值,更新種群最好和個(gè)體最好;執(zhí)行差分加速搜索;更新種群;達(dá)到迭代結(jié)束條件則輸出最優(yōu)機(jī)組組合方案。采用本發(fā)明可以顯著提高求解速度,有效降低運(yùn)行成本。附圖說(shuō)明圖1為本發(fā)明實(shí)施例流程圖。圖2為本發(fā)明方法與其他方法的收斂曲線比較圖。在圖2中,a為本發(fā)明方法,b為離散粒子群,c為增強(qiáng)粒子群。具體實(shí)施方式下面結(jié)合附圖,以一個(gè)含10機(jī)組的典型電力系統(tǒng)為例,對(duì)本發(fā)明所述的考慮爬坡速率約束的電力系統(tǒng)機(jī)組組合優(yōu)化方法的實(shí)施作詳細(xì)說(shuō)明。應(yīng)該強(qiáng)調(diào)的是,下述說(shuō)明僅僅是示例性的,而不是為了限制本發(fā)明的范圍及其應(yīng)用。如圖1所示是本發(fā)明的流程圖,所提供方法包括如下步驟:(1)收集電力系統(tǒng)相關(guān)數(shù)據(jù)并設(shè)置算法參數(shù)。電力系統(tǒng)相關(guān)數(shù)據(jù)包括:參與調(diào)度機(jī)組的特性數(shù)據(jù)如表1所示(該表中機(jī)組初始狀態(tài)為負(fù)值表示初始連續(xù)離線時(shí)間,為正表示初始連續(xù)在線時(shí)間);調(diào)度周期為1天并分為24時(shí)段;調(diào)度周期內(nèi)各時(shí)段的預(yù)測(cè)負(fù)荷如表2所示,旋轉(zhuǎn)備用要求為相應(yīng)時(shí)段負(fù)荷的10%;設(shè)置微粒群算法、差分加速搜索方法及隨機(jī)等效λ迭代法的相關(guān)參數(shù)數(shù)據(jù)。表1機(jī)組特性參數(shù)表2時(shí)段負(fù)荷(MW)(2)根據(jù)步驟(1)所收集的電力系統(tǒng)相關(guān)數(shù)據(jù),建立考慮各種運(yùn)行約束的電力系統(tǒng)機(jī)組組合優(yōu)化數(shù)學(xué)模型。(3)根據(jù)步驟(2)所建立的電力系統(tǒng)機(jī)組組合優(yōu)化數(shù)學(xué)模型和步驟(1)所設(shè)置的算法參數(shù),初始化種群個(gè)體的飛行速度,并確定種群個(gè)體的位置也即是機(jī)組的運(yùn)行狀態(tài)。(4)判斷種群個(gè)體是否滿足最小在線/離線時(shí)間約束,若滿足則轉(zhuǎn)步驟(6);(5)對(duì)不滿足最小在線/離線時(shí)間約束的種群個(gè)體進(jìn)行最小在線/離線時(shí)間約束的修復(fù);(6)判斷滿足最小在線/離線時(shí)間約束的種群個(gè)體是否滿足旋轉(zhuǎn)備用約束,若滿足,則轉(zhuǎn)步驟(8);(7)對(duì)不滿足旋轉(zhuǎn)備用約束的種群個(gè)體進(jìn)行旋轉(zhuǎn)備用約束的修復(fù);(8)對(duì)種群個(gè)體執(zhí)行過(guò)度盈余機(jī)組刪除操作;(9)根據(jù)步驟(1)所收集的不同時(shí)段的預(yù)測(cè)負(fù)荷情況對(duì)種群個(gè)體進(jìn)行經(jīng)濟(jì)負(fù)荷分配;(10)根據(jù)步驟(2)所建立的優(yōu)化問(wèn)題目標(biāo)函數(shù)和步驟(9)的經(jīng)濟(jì)負(fù)荷分配情況,計(jì)算種群個(gè)體的目標(biāo)函數(shù)值,設(shè)置該值為相應(yīng)個(gè)體的適應(yīng)度值,并更新個(gè)體最好和種群最好;(11)采用差分加速方法對(duì)種群個(gè)體最好進(jìn)行加速搜索;(12)若達(dá)到迭代結(jié)束條件,則轉(zhuǎn)步驟(14),否則轉(zhuǎn)下一步;(13)根據(jù)個(gè)體最好和種群最好更新種群個(gè)體的飛行速度和位置,轉(zhuǎn)步驟(4);(14)輸出電力系統(tǒng)機(jī)組組合優(yōu)化方案,求解結(jié)束。經(jīng)上述方法優(yōu)化后的10機(jī)組24時(shí)段的負(fù)荷及相應(yīng)的成本如表3所示。表3優(yōu)化后的各機(jī)組不同時(shí)段出力安排及成本在表3中,機(jī)組時(shí)段出力為0表示該機(jī)組在該時(shí)段處于離線狀態(tài)即停機(jī)狀態(tài),從表3可見(jiàn),所得分配方案滿足所有約束條件,總運(yùn)行成本為$563937。本發(fā)明所述方法與其他方法(包括離散粒子群算法和增強(qiáng)粒子群算法)的收斂性比較曲線見(jiàn)圖2。經(jīng)對(duì)不同方法的優(yōu)化結(jié)果進(jìn)行對(duì)比分析和比較,可知本發(fā)明所述方法能夠快速收斂??梢?jiàn)本發(fā)明所述方法在電網(wǎng)調(diào)度計(jì)劃編制中能有效地分配資源,提高電網(wǎng)運(yùn)行的經(jīng)濟(jì)性,速度快,效率高,具有廣泛推廣的應(yīng)用前景。
      當(dāng)前第1頁(yè)1 2 3 
      網(wǎng)友詢問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1