The present invention relates to electric power includes the steps of economic dispatch constraint processing method based on Improved Quantum Particle Swarm Optimization: includes the establishment of mathematical model of hydro thermal economic dispatch of cascade reservoir; set of system parameters to generate the initial population; the population treated with constraint constraint handling method, so that each particle population all meet system constraints; calculate the fitness value of each particle and the global best individual optimal to update the value of each particle and all particles; according to the improved quantum particle swarm algorithm of location update formula to calculate the particle position; to determine whether the termination condition is satisfied, if satisfies stop iteration and optimal output value, if not satisfied, return. The method of the invention can find the solution with strong robustness, fast convergence speed and better fitness value.
【技术实现步骤摘要】
本专利技术属于电力系统水火电经济调度领域,涉及水力发电和火力发电领域,具体涉及一种基于改进量子粒子群算法的水火电经济调度的约束处理和优化方法。
技术介绍
水火电调度是电力系统中多约束多变量的复杂非线性优化问题。近年来,随着用电需求的飙升和化石能源的日益枯竭,更加高效的利用不可再生能源显得尤为重要。水火电调度是指在一定的运行周期内,通过相应的决策准则,在满足一系列的约束条件下充分发挥水电厂出力份额从而达到火电厂的燃料费用最小的目的。调度过程中不仅要考虑水电厂和火电厂自身的约束,还要考虑电网在传输过程中的网络损耗,火电厂燃料费用函数的阀点效应,水库的禁止排放区等因素,这不仅增加了问题的复杂性,同时也使得水火电调度决策问题的研究具有重要的意义。解决水火电优化调度问题的方法主要有传统的数值分析方法和人工智能算法两大类,传统的方法由于自身精度问题或者维数灾问题导致其在面对复杂非线性优化问题时求解质量不高,随着人工智能算法的运用,这些问题都得到了很好的解决。量子粒子群算法作为一种全局优化算法,由于其系统参数少、结构简单的特点,被成功运用到水火电优化调度问题的求解中。量子粒子群算法在优化各种优化问题的中都取得了很好的效果,但传统的量子粒子群算法在面对高维度、大规模、多约束的水火电系统时容易陷入局部最优解而不能保证全局收敛,其主要原因在于水火电系统的约束条件相对复杂。对于等式约束的处理,现存的处理方法主要是增加罚系数来抑制违反约束的可能性,但是此方法不能完全保证迭代过程中的粒子不违反约束,这样会产生很多不可行的解,消耗仿真时间,降低算法的效率。因此,研究一种全新的约束处 ...
【技术保护点】
一种基于改进量子粒子群算法的水火电经济调度方法,其特征在于,包括以下步骤:‑建立包含梯级水库的水火电经济调度数学模型,所述水火电系统经济调度数学模型主要包含目标函数模型和约束条件两个部分;‑设置水火电系统经济调度数学模型的参数,产生初始种群;‑采用约束处理方法对种群进行约束处理,使得种群中每个粒子都满足系统约束;‑计算每个粒子的适应度值,更新每个粒子的个体最优值和所有粒子的全局最优值;‑根据改进量子粒子群算法的位置更新公式计算粒子的位置;‑判断是否满足终止条件,若满足则停止迭代并输出最优值,若不满足,则返回继续采用约束处理方法对种群进行约束处理。
【技术特征摘要】
1.一种基于改进量子粒子群算法的水火电经济调度方法,其特征在于,包括以下步骤:-建立包含梯级水库的水火电经济调度数学模型,所述水火电系统经济调度数学模型主要包含目标函数模型和约束条件两个部分;-设置水火电系统经济调度数学模型的参数,产生初始种群;-采用约束处理方法对种群进行约束处理,使得种群中每个粒子都满足系统约束;-计算每个粒子的适应度值,更新每个粒子的个体最优值和所有粒子的全局最优值;-根据改进量子粒子群算法的位置更新公式计算粒子的位置;-判断是否满足终止条件,若满足则停止迭代并输出最优值,若不满足,则返回继续采用约束处理方法对种群进行约束处理。2.根据权利要求1所述的基于改进量子粒子群算法的水火电经济调度方法,其特征在于,所述目标函数模型为minF=Σt=1TΣi=1Nsfi(Psi,t)]]>式中:F表示总成本;T为总调度周期;Ns为火电厂总个数;fi(Psi,t)是一个关于t时段第i个火电厂的发电量Psi,t的燃料费用函数,可以表示为asi,bsi,csi为第i个火电厂的燃料费用系数。3.根据权利要求2所述的基于改进量子粒子群算法的水火电经济调度方法,其特征在于,当考虑火电厂的阀点效应时,燃料费用函数可以表示为二次函数和正弦函数的和,fi(Psi,t)=asi+bsiPsi,t+csiPsi,t2+|dsi×sin(esi×(Psi,min-Psi,t))|]]>式中dsi,esi为第i个火电厂的阀值点效应系数;Psi,min为第i个火电厂的最小发电量值。4.根据权利要求1-3之一所述的基于改进量子粒子群算法的水火电经济调度方法,其特征在于,约束条件分为等式约束和不等式约束两部分,其中等式约束包含系统负荷平衡约束和水动态平衡约束,不等式约束包含水电厂和火电厂的输出功率限制,水库库容约束,水库排水量约束和火电厂爬坡速率限制。5.根据权利要求1-3之一所述的基于改进量子粒子群算法的水火电经济调度方法,其特征在于,所述初始化算法中的各个参数,包括迭代次数k和最大迭代次数kmax,产生初始种群包括:在可行域内随机产生N个粒子,每个粒子包含Nh个水电厂T个时段的排水量参数Q和Ns个T个时段火电厂的发电量参数Ph,产生的粒子可以表示为:x=Q1,1Q1,2...Q1,TPs1,1Ps1,2...Ps1,TQ2,1Q2,2...Q2,TPs2,1Ps2,2...Ps2,T···········&CenterD...
【专利技术属性】
技术研发人员:陈功贵,黄山外,刘利兰,易兴庭,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。