[发明专利]基于自适应算法的小水电群智能优化错峰调度方法

摘要

本发明涉及小水电群错峰调度优化技术领域，尤其涉及一种基于自适应粒子群算法的小水电群电压智能优化错峰调度方法。本发明通过加装在小水电侧的智能化监控设备，将小水电的实时水文数据传送给后台程序，使用自适应粒子群算法进行计算后，将控制结果通过智能监控设备传回小水电侧，对小水电群进行错峰调度。本发明算法的惯性权重定义为粒子适应度、粒子个数和搜索空间维度的函数。在粒子适应度计算中，本发明不仅重视基本判别，还增加了一项电压适应度的计算。算法迭代之前，先进行试探判别，然后再进入算法迭代，可以大大提高粒子的优化程度。

主权项

1.一种基于自适应算法的小水电群智能优化错峰调度方法，其特征在于，包括以下步骤：步骤1：通过智能化监控设备采集小水电水文数据，包括来水量、水位、库容、出力、发电净水头；步骤2：为每个粒子定义其位置向量和速度向量[x，v]，产生初始位置和初始速度，x和v均为n维搜索空间中的向量，其中位置向量是各水电站各时段发电引用流量，如下式：为水库i在t时段的发电引用流量；速度向量是各水电站各时段发电引用流量的变化速度，如下式：是水电站i在t时段的发电引用流量变化速度；步骤3：设置粒子群优化算法中调整全局搜索和局部搜索的惯性权重参数，惯性权重定义为粒子适应度、粒子个数和搜索空间维度的函数：ωi=1aFcon_i(y)/(Nh·Σi=1nFcon_i(y)-e-Nhb+1)]]>ω_i为第i个粒子惯性权重，F_{con_i}(y)为第i个粒子的适应度，n是搜索空间维度，N_h是粒子数目，a、b为经验参数；步骤4：以适应度函数检验每个粒子，判断粒子的位置优劣，所述粒子适应度函数为：f＝A+E-k_1i·Δq_i-k_2i·Δh_i-k_3i·ΔD_iΔqi=Σt=1Tmax{(Qti-Qt.maxi),max(0,Qt.mini-Qti)},]]>Δhi=Σt=1Tmax{(Hti-Ht.maxi),max(0,Ht.mini-Hti)},]]>A为保证f为正的正整数；k_1i、k_2i、k_3i为惩罚系数；Δq_i、Δh_i、ΔD_i分别表示第i水库发电引用流量，水位超过上下限的幅值和电压超过上下限的幅值；步骤5：依据潮流计算中每个节点的电压和有功必须在各自的界限之内，否则为不可行解，试探调整先判别粒子是否为可行解，若不可行，则对它进行调整，调整后在限制范围内，则退出循环进入迭代运行，若调整后仍为不可行解，则继续循环调整；步骤6：计算粒子群中各粒子的适应值，求取个体最优和全局最优极值，然后迭代更新，设至第k次迭代止，粒子1搜索到的最优位置向量记为P_l(k)(l＝1、2、…n)，整个粒子群搜索到的最优位置向量记为P_g(k)，则第k+1次迭代，则：粒子速度：vtil(k+1)=ωivtil(k)+c1r1(ptil(k)-Qtil(k))+c2r2(ptig(k)-Qtil(k))]]>粒子位置：Qtil(k+1)=Qtil(k)+vtil(k+1)]]>ω为惯性权重因子；c₁、c₂为学习因子；r₁、r₂为(0，1)之间的随机数；l＝1、2、…n，i＝1、2、…N_h，t＝1、2、…T，为有效搜索，粒子速度不能超过最大允许速度v_max，即若粒子的某一维速度超过v_max，则将其速度限制为v_max；步骤7：循环迭代，转入步骤2，满足终止条件时，停止迭代，输出全局最优向量，所述终止条件为：达到最大迭代次数停止，或取得足够好的位置向量停止；步骤8：将调度算法的结果在图形界面上进行显示，包括调度中每个水电站需要进行的发电平均流量的调节，以及水库蓄水等情况；步骤9：通过无源开合式光纤电流传感器，将数据传送回小水电侧装设的智能化监控设备，对小水电进行错峰调度。