[发明专利]一种基于改进粒子群算法的电力系统动态经济调度方法

摘要

本发明涉及一种基于改进粒子群算法的电力系统动态经济调度方法，包括设置粒子群算法的各个参数；生成初始粒子群；设置粒子的速度上下限约束；根据目标函数，计算各粒子的适应值；比较各粒子的适应值，找出每个粒子的历史最优值及其位置，以及达到全局最优值的粒子及其位置；更新每个粒子的位置和速度；判断粒子的位置和速度是否越限，若越限，将粒子的位置和速度调整至约束范围内；对粒子速度进行提速处理；若达到迭代次数，停止迭代，得到最终的结果；本发明在采用粒子群算法求解电力系统动态经济调度问题时，对其进行了改进，采用自适应算法对粒子速度进行调整，在搜索陷入局部搜索的时候，更有针对性地去搜索，获得了很好的结果。

主权项

一种基于改进粒子群算法的电力系统动态经济调度方法，其特征在于，所述方法包括下述步骤：A、设置粒子群算法的参数；B、生成初始粒子群；C、设置粒子在电力系统动态经济调度中的速度上下限约束；D、确定粒子的适应值；E、比较粒子的适应值，找出每个粒子的历史最优值及其位置，以及达到全局最优值的粒子及其位置；F、根据局部最优值以及全局最优值更新每个粒子的位置和速度；G、根据约束条件，以及粒子速度的上下限约束判断粒子的位置和速度是否越限，若越限，将粒子的位置和速度调整至约束范围内；H、采用自适应方法，对粒子位置进行调整；I、若达到迭代次数，停止迭代，得到最终的结果；所述步骤A中，设置粒子群算法所需的各个参数，所述参数包括权重因子、学习因子、粒子群规模数和迭代次数，权重因子取ωmax＝0.9，ωmin＝0.4，学习因子取c1＝c2＝3.05，粒子群规模和迭代次数根据实际情况设置，包括设置为粒子群规模数N＝40，迭代次数C＝500；所述步骤B中，根据计算期间内各时段的负荷水平随机分摊到各个机组的出力水平，按照粒子群规模数重复该步骤，获得初始粒子群；包括：随机生成行数为机组数、列数为时段数的随机数组，该数组的元素均为正数，且每一列元素相加之和均为一；将时段负荷乘以相应的列即可得到初始粒子，重复该操作，即得到整个初始粒子群，即对于第m个粒子生成如下：Pm=P1,1...P1,t...P1,TPi,1...Pi,t...Pi,T...............PM,1...PM,t...PM,T---(1);]]>Pi,t＝ai,t·PD,t                                 (2)；a1,t+a2,t+…+ai,t+…aM,t＝1                       (3)；其中：T表示经济调度的时段数，为一天24小时，以每小时为一个段，共24个时段，M表示机组数；ai,t表示第i台机组第t时段的比例元素，为随机生成，满足(3)式，故(3)式表示对于第t时段所有M台的比例元素之和为1，PD,t为第t时段的负荷的大小，采用相同方法生成其他粒子；所述步骤C中，根据各机组的出力上下限约束确定各个粒子的速度上下限，粒子速度的上下限根据机组出力上下限之差进行缩减，缩减范围为1％，即粒子速度上限为机组出力上限减去出力下限之差的1％，粒子速度下限为机组出力下限减去出力上限之差的1％；所述步骤D中，根据步骤B中所获得的初始粒子群，根据电力系统动态经济调度目标函数确定粒子的适应值，电力系统动态经济调度目标函数为：f=ΣtTΣiM(ai·Pi,t2+bi·Pi,t+ci)---(4);]]>其中：Pi,t为第i台机组第t时段的出力，T为动态经济调度的时段数，M为参与动态经济调度的机组数；ai、bi、ci分别表示相应的成本系数，具体根据机组情况而定；相应的适应值为：fa＝f   (5)；即以电力系统动态经济调度目标函数计算结果作为粒子适应值，目标函数值越小，适应值越小，粒子的适应度越高；电力系统动态经济调度的上下限约束包括功率平衡约束、机组出力上下限约束和机组爬坡约束；其中功率平衡约束用下述表达式表示：Σi=1MPi,t=PD,t+Ploss,t---(6);]]>其中：PD,t为第t时段的负荷大小，Ploss,t第t时段的网损大小；网损计算采用B系数法计算，表达式如下：Ploss,t＝PtT*B*Pt   (7)；其中：Pt为第t时段各机组出力的列向量，PtT表示Pt的转置，B为M×M的矩阵，用于计算网损；机组出力上下限约束用下述表达式表示：Pimin≤Pi,t≤Pimax   (8)；其中：Pimin和Pimax分别表示第i台机组第t时段的出力的下限和上限；机组爬坡约束用下述表达式表示：RidΔt≤Pi,t-Pi,t-1≤RiuΔt---(9);]]>其中：为向下爬坡速度，为负值；为向上爬坡速度，为正值；Δt表示两个调度时段之间的时间间隔；所述步骤E中，比较各粒子的适应值，确定粒子适应度最高的粒子，找到各个粒子的历史最优值，即局部最优值，和粒子位置，以及全局最优值及粒子位置；若第一次迭代，则找到全局最优值及对应粒子位置；在粒子群算法中，粒子群的种群数为所包含的粒子数量，种群里面每个个体均称为一个粒子；每一个可行解均是种群中的一个粒子，每个粒子都有两个属性，位移和速度，均表示为一个矩阵向量，如下式所示：Pm=P1,1...P1,t...P1,TPi,1...Pi,t...Pi,T...............PM,1...PM,t...PM,T---(10);]]>Vm=V1,1...V1,t...V1,TVi,1...Vi,t...Vi,T...............VM,1...VM,t...VM,T---(11);]]>其中：Pm为第m个粒子的位移，Pi,t为第i台机组第t时段的出力，即粒子的位置；Vm是第m个粒子的速度，Vi,t是对应的第i台机组t时段的出力的修正量；T为动态经济调度的时段数；M为参与动态经济调度的机组数；在电力系统动态经济调度中，粒子的位置即表示各个机组各时段的出力，行数表示机组数，列数表示时段数；所述步骤F中，根据步骤E所得到的局部最优值和粒子位置，以及全部最优值及粒子位置，根据下述表达式更新粒子的速度与位置：Vmk+1=ω·Vmk+c1·r1·(pbestmk-Pmk)+c2·r2·(gbestk-Pmk)+ΔVmk---(12);]]>Pmk+1=Pmk+Vmk+1+ΔPmk---(13);]]>其中：分别表示速度和位置的调整量；为第m个粒子的第k代的速度，第m个粒子的第k+1代的速度；为第m个粒子的第k代的位置，为m个粒子的第k+1代的位置；为第m个粒子的历史最优值，gbestk为第k次迭代的全局最优值；ω为惯性因子，用于权衡粒子群算法的全局搜索和局部搜索能力；ω取值越大越易于算法增大搜寻空间，取值越小越容易进行局部寻优，采用自适应调整惯性因子的方式，即：ω=ωmax-ωmax-ωminCk---(14);]]>其中：ωmax取0.9，ωmin取0.4，C为迭代的最大次数，k为目前迭代次数；c1、c2为学习因子，分别为控制粒子向个体最优和全局最优位置方向飞行的最大步长；取c1＝c2＝3.05；用于调整越限的粒子，粒子越限时，按照(6)、(7)、(8)、(9)式，根据下列规则对粒子进行调整：1)根据速度上下限约束对机组出力进行调整，机组越上限时，则将其出力限定在上限，机组越下限时，则将其出力限定在下限；2)根据爬坡约束对机组出力进行调整，机组向上爬坡时，若越限，则将机组出力限定在向上爬坡的上限；机组向下爬坡时，若越限，则将机组出力限定在向下爬坡的下限；3)根据调整后的机组出力，重新计算网损；4)计算各时段出力的不平衡量，即各时段机组出力之和与负荷之间的差值，将不平衡量根据机组等耗量微增率的大小并结合各个机组的上下限出力约束进行分配；对于粒子速度，将其限定在速度约束范围内，速度约束公式如下：Vmk[i][j]=Vmk[i][j]max,ifVmk[i][j]>Vmk[i][j]maxVmk[i][j]min,ifVmk[i][j]<Vmk[i][j]min---(15);]]>其中：为粒子速度的第i行、第j列的元素，为粒子速度的第i行、第j列的元素中所限定的最大值，为粒子速度的第i行、第j列的元素中所限定的最小值；粒子速度的最大、最小值根据以下表达式设置：Vmk[i]max=(Pimax-Pimin)/100---(16);]]>Vmk[i]min=(Pimin-Pimax)/100---(17);]]>其中：分别为粒子中对应第i台机组速度的上限和下限，将会扩展成与时段相应长度的横向量，即得到粒子第i行的速度上限和下限；所述步骤H中，根据步骤E中得到全局最优值，比较前后两次的全局最优值，采用自适应方法，根据两次全局最优值之差的绝对值大小，对粒子速度进行调整，绝对值越大，调整程度越大；执行如下：对粒子速度进行调整，即：v1＝v0+Δv   (18)；其中：v0、v1分别为调整前后的粒子速度，Δv为调整的速度量，调整时采用自适应算法，自适应算法公式如下：Δv=0,λ>0.01vini·r3,0.001<λ≤0.01vini·r4,0<λ≤0.001---(19);]]>其中：vini为粒子群算法中所设置的初始速度，r3为‑0.1到0.1的随机数，r4为‑0.01到0.01的随机数，对于随机数r3、r4根据实际需用设定，λ则根据下式计算：λ=|fbestk-fbestk-1|fbestk---(20);]]>其中：fbestk为第k次迭代的全局最优值对应的粒子位置，fbestk‑1第k‑1次迭代的全局最优值对应的粒子位置，λ即为前后两次全局最优值对应粒子位置的差值的相对比例；所述步骤I中，根据步骤A已设定的粒子群算法，判定迭代次数是否达到：若达到迭代次数C＝500，则停止计算，得到粒子全局最优值即为最终粒子位置，该粒子位置即为各机组在各时段的出力，从而计算出最终结果，最终结果包括各机组各时段的出力水平以及计算经济周期内的机组运行总费用；若没有达到迭代次数，则返回到步骤C，继续计算。