[发明专利]基于MHBA的电力系统环境经济调度方法和装置

摘要

本发明公开了一种基于多目标混杂蝙蝠算法的电力系统环境经济调度方法和装置，所述方法包括确定优化目标和约束条件，构建电力系统环境经济调度多目标优化模型；在满足当前时段负荷要求的情况下，采用多目标混杂蝙蝠算法求解所述多目标优化模型，得到一组非支配解，形成环境和经济调度两个优化目标的帕累托最优前沿；对于所述非支配解，使用隶属度函数获取全局最优解作为当前时段电力系统优化调度的依据。本发明在满足用电负荷的前提下，最小化发电机组的发电成本，同时最小化污染气体的排放，最大限度的减少了化石燃料的使用，能为电力企业节能增效提供智能决策。

主权项

1.一种基于多目标混杂蝙蝠算法的电力系统环境经济调度方法，其特征在于，包括以下步骤：确定优化目标和约束条件，构建电力系统环境经济调度多目标优化模型；在满足当前时段负荷要求的情况下，采用多目标混杂蝙蝠算法求解所述多目标优化模型，求取一组非支配解，得到环境经济调度两个优化目标的帕累托最优前沿；所述两个优化目标包括：优化目标1为燃料成本：优化目标2为污染气体排放量：其中，F(P)和F(P)分别表示优化目标1和优化目标2，ai、bi、ci、di、ei为第i台发电机燃料成本系数，αi、βi、γi、εi、λi为第i台发电机污染气体排放系数，N表示参与调度的发电机台数，Pi为第i台发电机输出的有功功率，Pimin为第i台发电机输出的有功功率最小值；对于所述非支配解，使用隶属度函数获取全局最优解作为当前时段电力系统优化调度的决策依据；采用多目标混杂蝙蝠算法求解所述多目标优化模型具体包括：①初始化种群：初始化多目标混杂蝙蝠算法相关参数，同时随机初始化每台发电机的发电量，代表问题的可能解；②根据初始化值，计算所有个体的适应度值，即针对不同的初始值，求取每台发电机的发电成本和环境代价；③根据所产生的适应度值，求取非支配解；④迭代开始；⑤遍历种群中的所有个体：求取单个个体的最优值以及所有个体的全局最优值；更新个体的声波频率fi、速度vi以及位置xi；使用随机黑洞模型，更新个体搜索位置；处理发电机约束条件；更新全局最优解；使用混沌映射更新个体声波脉冲频度ri和响度Ai；⑥遍历结束；⑦根据个体寻优结果计算非支配解；⑧将获得的非支配解存储到外部档案中；⑨如果非支配解的个数超过了外部档案的预设值，则执行拥挤排序规则，删除多余的非支配解；⑩如果没有到达最大迭代次数，则跳转到④继续执行迭代过程；迭代结束，生成帕累托最优前沿。