基于改进量子粒子群算法的多区域经济调度方法技术

本发明专利技术实施例公开了基于改进量子粒子群算法的多区域经济调度方法，采用NW小世界网络改进量子粒子群算法可使基本量子粒子群在寻优过程容易陷入局部最优的缺点得到改善。本发明专利技术实施例方法包括：S1：建立多区域经济调度问题的目标函数；S2：对所述目标函数采用NW小世界网络改进量子粒子群算法进行优化，具体包括：S2‑1：种群初始化；S2‑2：构建小世界网络，得到邻接矩阵；S2‑3：更新个体，更新种群；S2‑4：根据更新后的种群计算适应度；S2‑5：采用竞争算子对父代粒子的适应度和子代粒子适应度进行比较，适应度较好的保留下来作为下一次迭代的父代；S2‑6：若计算的迭代次数达到预设的最大迭代次数，则计算并输出多区域经济调度计算的结果，否则，跳转至步骤S2‑2。

【技术实现步骤摘要】

本专利技术涉及电力系统领域，尤其涉及基于改进量子粒子群算法的多区域经济调度方法。
技术介绍
电力系统经济调度是能量管理系统(EMS)的主要内容，在一些具体环境下它在概念范畴上等同于发电计划，发电计划包括机组组合、水火电计划、交换计划、检修计划和燃料计划等；按周期其有：超短期计划，即自动发电控制(AGC)，短期发电计划，即日或周的计划；中期发电计划，即月至年的计划与修正；长期计划，即数年至数十年的计划，包括电源发展规划和网络发展规划等。在电力系统运行中，经济调度是一个重要的优化问题，对于传统电力系统经济调度其目标是在单一区域范围内满足各种限制因素的前提下，使发电总成本最小化。对于实际的电力系统往往不是简单的单一区域而是多区域，各个区域通过联络线互联起来，所以多区域电力系统经济调度的目标是在满足电力需求、发电机的运行特征、联络线传输功率等约束下，寻求系统的发电能力和各区域之间的电力交换，从而使总体发电量成本最小化。目前量子粒子群(Quantum-behaved Particle Swarm Optimization Algorithm,QPSO)算法被用于解决经济调度问题，但是由于量子粒子群本身具有在寻优过程容易陷入局部最优的缺点。
技术实现思路
本专利技术实施例采用NW小世界网络改进量子粒子群算法，从而改善了量子粒子群算法在寻优过程容易陷入局部最优的缺点。本专利技术实施例提供的一种基于改进量子粒子群算法的多区域经济调度方法，包括：S1：建立多区域经济调度问题的目标函数；S2：对所述目标函数采用NW小世界网络改进量子粒子群算法进行优化，具体包括：S2-1：种群初始化；S2-2：构建小世界网络，得到邻接矩阵；S2-3：根据小世界邻接矩阵进行更新种群，产生子代粒子；S2-4：根据适应度函数计算更新后的种群的适应度；S2-5：采用竞争算子比较父代和子代的适应度，适应度好的保留下来作为下一次迭代的父代；S2-6：若计算的迭代次数达到预设的最大迭代次数，则计算并输出所述多区域经济调度计算的结果，否则，跳转至步骤S2-2。可选地，所述目标函数具体为： F = Σ i = 1 N Σ j = 1 M i F i j ( P i j ) = Σ i = 1 N Σ j = 1 M i a i j + b i j P i j + c i j P i j 2 + | e i j sin [ f i j ( P i j min - P i j ) ] | ; ]]>其中Fij(Pij)是第i个区域的第j台发电机的费用函数，aij、bij、cij、eij,k和fij,k分别是第i各区域的第j台发电机的费用系数，N是区域的数量，Mi是第i个区域的发电机数量，Pij是第i个区域的第j台发电机所发出的实际功率；为第i个区域的第j台发电机所能发出的最小功率；所述目标函数的约束条件包括： P i j min ≤ P i j ≤ P i j max ; ]]>其中，为第i个区域的第j台发电机所能发出的最大功率； Σ j = 1 M i P i j = P D i + Σ r = 1 , r ≠ i N T i r , r = 1 , 2 , .... , N ; ]]>其中，PDi是区域i的负荷要求，Tir是从区域i通过联络线传输到区域r的功率；Tir,min≤Tir≤Tir,max,i＝1,2,....,N,r＝1,2,.....N,i≠r；其中，Tir,minTir,max分别是从区域i传输功率到区域r的最小和最大功率。可选地，所述步骤S2-1具体包括：根据以下公式对所述目标函数进行初始化： P i j 本文档来自技高网...

【技术保护点】
一种基于改进量子粒子群算法的多区域经济调度方法，其特征在于，包括：S1：建立多区域经济调度问题的目标函数；S2：对所述目标函数采用NW小世界网络改进量子粒子群算法进行优化，具体包括：S2‑1：种群初始化；S2‑2：构建小世界网络，得到邻接矩阵；S2‑3：根据小世界邻接矩阵进行更新种群，产生子代粒子；S2‑4：根据适应度函数计算更新后的种群的适应度；S2‑5：采用竞争算子比较父代和子代的适应度，适应度好的保留下来作为下一次迭代的父代；S2‑6：若计算的迭代次数达到预设的最大迭代次数，则计算并输出所述多区域经济调度计算的结果，否则，跳转至步骤S2‑2。

【技术特征摘要】
1.一种基于改进量子粒子群算法的多区域经济调度方法，其特征在于，包括：S1：建立多区域经济调度问题的目标函数；S2：对所述目标函数采用NW小世界网络改进量子粒子群算法进行优化，具体包括：S2-1：种群初始化；S2-2：构建小世界网络，得到邻接矩阵；S2-3：根据小世界邻接矩阵进行更新种群，产生子代粒子；S2-4：根据适应度函数计算更新后的种群的适应度；S2-5：采用竞争算子比较父代和子代的适应度，适应度好的保留下来作为下一次迭代的父代；S2-6：若计算的迭代次数达到预设的最大迭代次数，则计算并输出所述多区域经济调度计算的结果，否则，跳转至步骤S2-2。2.根据权利要求1所述的多区域经济调度方法，其特征在于，所述目标函数具体为： F = Σ i = 1 N Σ j = 1 M i F i j ( P i j ) = Σ i = 1 N Σ j = 1 M i a i j + b i j P i j + c i j P i j 2 + | e i j sin [ f i j ( P i j min - P i j ) ] | ; ]]>其中Fij(Pij)是第i个区域的第j台发电机的费用函数，aij、bij、cij、eij,k和fij,k分别是第i各区域的第j台发电机的费用系数，N是区域的数量，Mi是第i个区域的发电机数量，Pij是第i个区域的第j台发电机所发出的实际功率；为第i个区域的第j台发电机所能发出的最小功率；所述目标函数的约束条件包括： P i j min ≤ P i j ≤ P i j max ; ]]>其中，为第i个区域的第j台发电机所能发出的最大功率； Σ j = 1 M i P i j = P D i + Σ r = 1 , r ≠ i N T i r , r = 1 , 2 , .... , N ; ]]>其中，PDi是区域i的负荷要求，Tir是从区域i通过联络线传输到区域r的功率；Tir,min≤Tir≤Tir,max,i＝1,2,....,N,r＝1,2,.....N,i≠r；其中，Tir,minTir,max分别是从区域i传输功率到区域r的最小和最大功率。3.根据权利要求2所述的多区域经济调度方法，其特征在于，所述步骤S2-1具体包括：根据以下公式对所述目标函数进行初始化： P i j = P i j min + ( P i j max - P i j min ) . r a n...

【专利技术属性】
技术研发人员：李锦焙，孟安波，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44