[发明专利]一种电力资源调度优化系统的超维度三角寻优方法和系统

说明书

本发明公开了一种电力资源调度优化系统的超维度三角寻优方法和系统，利用超维度三角交叉算法对电力资源调度模型的目标函数进行寻优，将粒子群分割成若干个超维度三角域，每个超维度三角域中的最劣粒子向另外两个粒子学习，可以扩大搜索范并提高边沿搜索能力，有效避免搜索盲区，且采用超维度三角域方式分组学习，可以使得整个寻优过程的时间大大缩减，同时，本发明中还对超维度三角域学习产生的优胜新粒子采用了维交叉操作，不仅能够使陷入局部最优的维有机会摆脱出来，进而使整个种群摆脱局部最优，同时还能较好地保证不同超维度三角域之间的联动沟通，维持种群的多样性。

技术领域

本发明涉及电力资源调度技术领域，尤其涉及一种电力资源调度优化系统的超维度三角寻优方法和系统。

背景技术

电力系统的经济调度问题是在满足电力调度需求以及各种约束条件下，将负荷优化分配给不同机组，从而使全系统的燃料消耗量或发电总费用最小的优化问题。优化是科学研究、工程技术和经济管理领域的重要研究对象，在电力系统的资源分配中，资源优化即解决怎样分配有限资源，使分配方案既满足各方面的基本要求，又能获得好的经济效益的问题。

在电力系统的资源优化领域，通常需要使用优化算法进行目标寻优，从而找到最优解，以得到最优的资源分配策略，现有的目标优化算法有遗传算法、神经网络优化算法、粒子群优化算法（PSO）和模拟退火算法等，现有的这些优化算法虽然能够在一定程度上实现目标寻优，找到最优解，但是都存在容易陷入早熟现象（即局部最优）和收敛时间长的问题，难以为电力系统的资源调度提供最优策略。

发明内容

本发明提供了一种电力资源调度优化系统的超维度三角寻优方法和系统，用于解决现有的电力系统资源调度优化算法容易陷入局部最优，且收敛时间长，难以为电力系统的资源调度提供最优策略的技术问题。

有鉴于此，本发明第一方面提供了一种电力资源调度优化系统的超维度三角寻优方法，包括：

建立电力资源调度模型，电力资源调度模型包括目标函数和约束条件；

采用超维度三角交叉寻优算法对目标函数进行寻优，输出最优解，得到最优解对应的电力资源调度策略，其中，超维度三角交叉寻优算法包括：

S1：设置粒子群规模N、最大迭代次数和当前迭代次数，其中，粒子群规模N为3的倍数，当前迭代次数i=0，并在解空间中初始化粒子群各维度数值；

S2：对粒子群中的全体粒子进行归一化处理；

S3：当前迭代次数i=i+1，在粒子群中随机构建N/3个超维度三角域，确定每个超维度三角域中的最劣粒子；

S4：在每个超维度三角域中，最劣粒子向另外两个粒子学习，产生新的粒子，若所述新的粒子优于所述最劣粒子，则淘汰所述最劣粒子，否则淘汰所述新的粒子；

S5：若所述新的粒子优于所述最劣粒子，则按预置概率将所述新的粒子与另一个超维度三角域产生并优胜的新粒子进行维交叉操作；

S6：根据维交叉操作后产生的新粒子的适应度对粒子群进行更新，判断当前迭代次数是否达到最大迭代次数，若是，则输出当前粒子群的最优解，否则，返回步骤S3；

在每个超维度三角域中，最劣粒子向另外两个粒子学习，产生新的粒子的学习公式为：

其中，，，是[0,1]之间的随机数，且满足，为产生的新粒子， d为粒子的维度，为最劣粒子，和为与最劣粒子在同一超维度三角域中的两个粒子；

目标函数为：