基于改进共生粒子群算法的电力系统经济负荷分配方法技术方案

本发明专利技术涉及一种基于改进共生粒子群算法的电力系统经济负荷分配方法，其属于电子信息技术领域。本发明专利技术的步骤如下：（1）依据实际中对于电力系统经济负荷分配问题的要求建立相应的约束条件表达式；（2）根据约束条件建立电力系统经济负荷分配问题的目标函数，将实际应用问题转换为数学上的非线性规划问题；（3）阐述了一种改进共生粒子群算法；（4）利用改进共生粒子群算法对电力系统经济负荷分配问题进行优化求解。本发明专利技术解决了对于两种不同约束条件下电力系统经济负荷分配问题的求解，利用改进共生粒子群算法求得解的精度高，收敛速度快，减少了总费用。

【技术实现步骤摘要】

本专利技术涉及一种基于改进共生粒子群算法的电力系统经济负荷分配方法，属于电力系统

技术介绍
在市场体制的快速发展和节约型社会的建立下，电力系统经济负荷分配是一个重要且具有实际意义的优化问题。它是指在满足不同约束条件的情况下，使整个系统的总发电成本最小。不同的约束条件包括有负载用电的需求、系统网络的损耗和发电功率的范围等。电力经济负荷分配影响着电力系统的安全性和经济效益，因此受到了国内外研究学者的广泛关注。解决电力系统经济负荷分配问题的传统方法包括拉格朗日法、等微增率法、顺序法和逐点法等。由于此问题具有很强的非线性和多组不同解的特征，传统方法不能够很好地进行求解。近年来，随着智能优化算法的不断发展与推广应用。如何利用智能优化算法解决电力系统经济负荷分配问题已经成为了一个研究的热点。在2011年，熊伟丽、徐迈和徐保国受差分进化算法的启发，针对电力经济负荷分配问题，提出了一种差分蜂群算法。此算法改进了雇佣蜂的搜索方式，并加入了一种有效的可修复机制。在2015年，韩朝兵等提出了一种基于改进混沌粒子群算法的火电厂经济负荷分配方法。此方法是基于传统混沌粒子群算法，引入了遗传算法中的交叉思想，并且利用抛物线与混沌序列相共生产生惯性权重，从而增加种群中粒子的多样性。在2016年，Parouha R.P.和Das K.N.陈述了一种新的共生优化算法-DPD。此算法共有3个种群，第1个种群和第3个种群利用差分进化算法，第2个种群使用粒子群优化算法。DPD算法被用来优化求解电力系统经济负荷分配的问题。在2016年，Sen T.和Mathur H.D.提出了一种共生ACO-ABC-HS优化算法，被用来解决经济负荷分配问题。此方法由3个众所周知的启发式算法融合而成，分别是蚁群算法、人工蜂群算法和HS算法。
技术实现思路
本专利技术研究了一定约束条件下的电力经济系统负荷分配问题。在不考虑阀点效应和考虑阀点效应两种不同的约束条件下，提出了一种解决此问题的方法，即采用改进共生粒子群算法进行优化求解。本专利技术的技术方案如下：(1)依据实际中电力系统经济负荷分配问题的要求建立相应的约束条件表达式；(2)根据约束条件建立电力系统经济负荷分配问题的目标函数，把一个实际的问题转化成了非线性的求解；(3)利用自然界中互惠共生的策略，受谚语“三个臭皮匠，顶一个诸葛亮”的启发，阐述了一种改进共生粒子群算法；(4)以6个标准测试函数为例，对改进共生粒子群算法的收敛性、鲁棒性和时间复杂度进行分析；(5)利用改进共生粒子群算法对电力系统经济负荷分配问题进行优化求解。所述步骤(1)中，约束条件包括两种，即等式约束和不等式约束。等式约束条件是指参数值满足负荷功率的平衡，具体如下式所示。 Σ i = 1 n P i = P ]]>式中，n为发电机的总数量；Pi代表第i台发电机的有功功率；P是指系统内总的负荷功率。不等式约束是指机组的有功功率小于等于上限额并且大于等于下限额，具体表示如下式所示。Pi_min≤Pi≤Pi_max i＝1,2,…,n式中，Pi_min为第i台发电机的最小有功功率；Pi_max为第i台发电机的最大有功功率。所述步骤(2)中，目标函数是在满足约束条件表达式的情况下，并且考虑到实际情况中发电机的阀点效应。阀点效应是指在汽轮机的进气阀突然开启时，会出现一种拔丝的现象，使得在发电机耗量特性曲线上会产生一个脉动。阀点效应可以表示为如下式所示。Ei＝|eisin[fi(Pi-Pi_min)]|式中，ei和fi表示耗量特性参数且均为常数。发电机耗量特性曲线可以利用有功功率的二次函数近似表达，如下式所示。F(Pi)＝aiPi2+biPi+ci式中，ai，bi和ci均为常数。通过以上各种因素的考虑，电力系统经济负荷分配的目标函数可以表示成如下式所示。 min f i t n e s s ( P i ) = Σ i = 1 n ( a i P i 2 + b i P i + c i + | e i sin [ f i ( P i - P i _ min ) ] | ) 本文档来自技高网...

【技术保护点】
基于改进共生粒子群算法的电力系统经济负荷分配方法，其特征在于，此方法包括如下步骤：步骤一：依据实际中电力系统经济负荷分配问题的要求建立相应的约束条件表达式；步骤二：根据约束条件建立电力系统经济负荷分配问题的目标函数；步骤三：提出一种改进共生粒子群算法，并对其收敛性、鲁棒性和时间复杂度进行分析；步骤四：利用改进共生粒子群算法对电力系统经济负荷分配问题进行优化求解。

【技术特征摘要】
1.基于改进共生粒子群算法的电力系统经济负荷分配方法，其特征在于，此方法包括如下步骤：步骤一：依据实际中电力系统经济负荷分配问题的要求建立相应的约束条件表达式；步骤二：根据约束条件建立电力系统经济负荷分配问题的目标函数；步骤三：提出一种改进共生粒子群算法，并对其收敛性、鲁棒性和时间复杂度进行分析；步骤四：利用改进共生粒子群算法对电力系统经济负荷分配问题进行优化求解。2.根据权利要求1所述的基于改进共生粒子群算法的电力系统经济负荷分配方法，其特征在于：所述步骤一中依据实际中对于电力系统经济负荷分配问题的要求建立相应的约束条件表达式；其中约束条件包括等式约束和不等式约束；等式约束条件是指参数值满足负荷功率的平衡，具体如下式所示： Σ i = 1 n P i = P ]]>式中，n为发电机的总数量；Pi代表第i台发电机的有功功率；P是指系统内总的负荷功率；不等式约束是指机组的有功功率小于等于上限额并且大于等于下限额，具体表示如下式所示：Pi_min≤Pi≤Pi_max i＝1,2,…,n；式中，Pi_min为第i台发电机的最小有功功率；Pi_max为第i台发电机的最大有功功率。3.根据权利要求1所述的基于改进共生粒子群算法的电力系统经济负荷分配方法，其特征在于：所述步骤二中根据约束条件建立电力系统经济负荷分配问题的目标函数为： min f i t n e s s ( P i ) = Σ i = 1 n ( a i P i 2 + b i P i + c i + | e i sin [ f i ( P i - P i _ min ) ] | ) ; ]]>其中，ai，bi和ci均为常数，ei和fi表示耗量特性参数且均为常数。4.根据权利要求1所述的基于改进共生粒子群算法的电力系统经济负荷分配方法，其特征在于：所述步骤三中提出了一种改进共生粒子群算法，对改进共生粒子群算法的收敛性、鲁棒性和时间复杂度进行分析；首先，初始化3个种群，第1和第2种群按照标准粒子群算法的迭代策略计算代价函数值并更新粒子的速度和位置，第3种群粒子速度和位置的更新如下式所示；其次，比较3个种群的局部最优值，求解全局最优值；最后，输出最优参数值和目标函数值： v i , j ( t + 1 ) = w ( λ / λ 1 ( v 1 i , j ( t ) ) + λ / λ 2 ( v 2 i , j ( t ) ) + v i , j ( t ...

【专利技术属性】
技术研发人员：魏小鹏，张建霞，张强，周东生，
申请(专利权)人：大连大学，
类型：发明
国别省市：辽宁;21