基于变加速度系数混沌粒子群的机组经济负荷分配方法组成比例

本发明专利技术涉及一种基于变加速度系数混沌粒子群的机组经济负荷分配方法，包括：根据发电机组的煤耗特性参数拟合煤耗特性曲线并建立发电机组经济负荷分配模型，将总煤耗成本最小作为目标函数；通过采用等概率负荷调整约束处理方法来处理经济负荷分配中的等式约束，克服了传统粒子群算法采用惩罚函数方法处理等式约束带来的惩罚系数难以选取、增加适应度函数算法复杂度的弊端；采用变加速度系数粒子群算法和混沌优化算法，将总发电功率分配给各台机组，最终得到各个单元机组最优的负荷分配结果，使得整个机组群的总煤耗成本最低。与现有技术相比，本发明专利技术在机组经济负荷分配问题的求解策略上具有较大创新，约束处理方法更加灵活，算法优化效果更好。

Economic Load Distribution Method of Unit Based on Chaotic Particle Swarm Optimization with Variable Acceleration Coefficient

【技术实现步骤摘要】
基于变加速度系数混沌粒子群的机组经济负荷分配方法
本专利技术涉及机组负荷优化技术，尤其是涉及一种基于变加速度系数混沌粒子群的机组经济负荷分配方法。
技术介绍
随着厂网分开及竞价上网政策的逐步推行，降低发电成本已成为发电企业关注的核心问题，其中机组经济负荷分配是降低发电煤耗、实现电力行业节能与运行优化的重要技术手段之一。机组经济负荷分配是根据机组的煤耗特性曲线，在满足机组实际运行的各类约束条件下，将调度总指令合理地分配给各台机组，使全厂煤耗量最小。近年来，研究者们已针对机组经济负荷分配开展了大量研究工作，其中优化算法是研究热点之一，除了等微增率法、动态规划法等常规方法外，遗传算法、进化规划、禁忌搜索和粒子群算法等人工智能算法也在经济负荷分配问题中得到了成功应用。在计算过程中，等微增率法以目标函数对各负荷变量的一阶偏导相等来求解负荷值，这要求机组的煤耗特性曲线光滑连续且为凸集，而在机组负荷变动过程中，由于汽轮机进汽阀的启闭会在机组煤耗特性曲线上叠加一个脉动，产生所谓的“阀点效应”，实际上造成煤耗特性曲线不可连续微分。动态规划法对目标函数的“形状”没有限制，甚至对于非线性以及离散优化问题，都能得到较好的优化结果，但当参与负荷分配的机组数增加时，计算量呈指数倍增，产生所谓的“维数灾”现象，使其广泛应用受到了限制。而遗传算法、进化算法和禁忌算法等启发式算法虽然已经在经济负荷分配中得到了应用，但其寻优性能对初始参数具有较大的依赖性和敏感性，收敛性能较差。粒子群算法(ParticleSwarmOptimization，PSO)是Kennedy等于1995年提出的一种群体智能优化算法，其源于对鸟群和鱼群等群体运动行为的研究。在粒子群算法中，处于寻优空间中的每一个粒子通过粒子之间的合作竞争以及信息共享机制来决定其飞行的方向和距离，这种基于种群的并行搜索策略极大地保证了粒子的全局寻优能力。粒子群算法最大的优势在于其原理简单、计算效率高以及使用方便，因而在工程问题中得到了大量的应用。然而，传统的粒子群算法在解决大规模机组经济负荷分配问题时，其寻优性能受初始参数的影响较大，随着搜索过程的不断深入，种群的多样性逐渐消失，寻优能力变差，易陷入局部最优，并且传统的机组负荷分配方法通常是采用惩罚函数方法对目标函数进行建模，将负荷平衡约束条件计入目标函数，转化为非约束问题进行求解。这种处理方法的困难是增加了适应度函数的算法复杂度，并且优化性能较大程度上依赖于惩罚函数系数的合理选取，使用起来不够灵活。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于变加速度系数混沌粒子群的机组经济负荷分配方法。本专利技术的目的可以通过以下技术方案来实现：一种基于变加速度系数混沌粒子群(ChaosParticleSwarmOptimizationwithVaryAccelerationCoefficients，CPSO-VAC)的机组经济负荷分配方法，包括：根据发电机组的煤耗特性参数拟合煤耗特性曲线并建立发电机组经济负荷分配模型，将总煤耗成本最小作为目标函数；通过采用等概率负荷调整约束处理方法来处理经济负荷分配中的等式约束，克服了采用惩罚函数方法处理约束带来的惩罚系数难以选取，以及增加适应度函数算法复杂度的弊端；采用变加速度系数粒子群算法和混沌优化算法，将总发电功率分配给各台机组，最终得到各个单元机组最优的负荷分配结果，使得整个机组群的总煤耗成本最低。优选地，所述的等概率负荷调整约束处理方法具体为：(1)在负荷上下限之间随机初始化每台机组的负荷，当机组负荷越限时，按式(1)进行处理，以满足不等式约束；其中，P、Pmin和Pmax分别表示机组当前负荷、机组负荷下限和机组负荷上限，下标i表示第i个粒子，下标j为机组号，上标k表示当前迭代代数；(2)计算所有机组当前所分配的负荷总和与电力总负荷Pdemand的差值如果|δPk|小于所给出的精度ε时，则转步骤(6)；否则，转步骤(3)；(3)从所有参与负荷分配的机组中随机选择一台至今负荷未被更新的机组，并将赋值给(4)按式(2)更新步骤(3)中随机选择的机组的负荷值其中，rnj为[01]之间的均匀分布的随机数；(5)重新计算如果|δPk|小于ε，则转步骤(6)；否则，转步骤(3)；(6)完成约束处理操作。优选地，所述的变加速度系数粒子群算法在粒子群算法的迭代过程中，动态线性调整速度更新公式中的加速度系数，增强了粒子群算法的全局寻优能力，避免陷入局部最优。优选地，所述的变加速度系数粒子群算法具体为：在粒子群算法的迭代过程中，动态线性调整速度更新公式(3)中的加速度系数C1和C2；同时，由于在迭代初期，粒子距离最优点较远，因此为提高粒子群算法的收敛性能，将传统的粒子群算法的速度更新公式进行了改进，增加了项，改进后的速度更新公式如式(4)所示：其中，和分别为粒子i在第k代和k+1代的速度向量；和分别为粒子i在第k代和第k+1代的位置向量；为粒子i迭代到第k代时自身找到的最优解的位置；为整个种群迭代到第k代时目前找到的最优解的位置；为整个种群在第k代找到的最优解的位置；和均为[01]之间的均匀分布的随机数；cωk为混沌惯性权重；C1、C2和C3为加速度系数；在传统粒子群算法中，通常将C1和C2设为固定值。由式(3)可以看出，加速度系数C1和C2对粒子群算法的寻优特性具有重要的影响，较大的加速度系数C1能使各个粒子在整个寻优空间中进行极值搜索，全局寻优能力强；而较大的加速度系数C2能加速算法的快速收敛，从而能更快地找到局部最优点。为了动态平衡这两者的参数，本专利技术提出如下的加速度系数变化方案：随着迭代过程的不断推进，加速度系数C1线性减小，而使C2线性增大，如式(6)、(7)所示；其中，C1i、C1f分别为加速度系数C1的初值和终值；C2i、C2f分别为加速度系数C2的初值和终值；Kmax为最大迭代代数；k为当前迭代代数；式(4)中加速度系数C3的取值如式(8)所示：当取C1i＝2.5，C1f＝0.5，C2i＝0.5，C2f＝2.5，Kmax＝50时，加速度系数C1、C2和C3的变化趋势如图1所示。优选地，所述的混沌优化算法采用变加速度系数粒子群算法解决火电机组经济负荷分配问题时，在传统的线性递减惯性权重中糅合了混沌序列，产生混沌惯性权重，有效地提高了粒子群算法的全局寻优能力。优选地，所述的混沌优化算法具体为：在如式(9)所示的线性递减惯性权重中糅合了混沌序列，产生如式(11)所示的混沌惯性权重，同时在迭代后期，由于混沌惯性权重逐渐收敛，保证了粒子群算法的收敛性；其中，ωk为线性递减惯性权重，ωmax、ωmin分别为惯性权重上下限，Kmax为最大迭代代数；k为当前迭代代数；采用Logistic映射产生的混沌变量z如式(10)所示。其中，μ是控制变量，当μ＝4，时，Logistic完全处于混沌状态；最终的混沌惯性权重如式(11)所示；cωk＝ωk×zk(11)当取ωmax＝0.9，ωmin＝0.4，Kmax＝50，z0＝0.54时，混沌惯性权重与线性递减惯性权重的变化关系如图2所示。与现有技术相比，本专利技术具有以下优点：1、采用等概率负荷调整约束处理方法处理机组经济负荷分配问题中的约束条件，约束处理方本文档来自技高网...

【技术保护点】
1.一种基于变加速度系数混沌粒子群的机组经济负荷分配方法，其特征在于，包括：根据发电机组的煤耗特性参数拟合煤耗特性曲线并建立发电机组经济负荷分配模型，将总煤耗成本最小作为目标函数；通过采用等概率负荷调整约束处理方法来处理经济负荷分配中的等式约束；采用变加速度系数粒子群算法和混沌优化算法，将总发电功率分配给各台机组，最终得到各个单元机组最优的负荷分配结果，使得整个机组群的总煤耗成本最低。

【技术特征摘要】
1.一种基于变加速度系数混沌粒子群的机组经济负荷分配方法，其特征在于，包括：根据发电机组的煤耗特性参数拟合煤耗特性曲线并建立发电机组经济负荷分配模型，将总煤耗成本最小作为目标函数；通过采用等概率负荷调整约束处理方法来处理经济负荷分配中的等式约束；采用变加速度系数粒子群算法和混沌优化算法，将总发电功率分配给各台机组，最终得到各个单元机组最优的负荷分配结果，使得整个机组群的总煤耗成本最低。2.根据权利要求1所述的方法，其特征在于，所述的等概率负荷调整约束处理方法具体为：(1)在负荷上下限之间随机初始化每台机组的负荷，当机组负荷越限时，按式(1)进行处理，以满足不等式约束；其中，P、Pmin和Pmax分别表示机组当前负荷、机组负荷下限和机组负荷上限，下标i表示第i个粒子，下标j为机组号，上标k表示当前迭代代数；(2)计算所有机组当前所分配的负荷总和与电力总负荷Pdemand的差值如果|δPk|小于所给出的精度ε时，则转步骤(6)；否则，转步骤(3)，N表示参与负荷分配的机组数；(3)从所有参与负荷分配的机组中随机选择一台至今负荷未被更新的机组，并将赋值给(4)按式(2)更新步骤(3)中随机选择的机组的负荷值其中，rnj为[01]之间的均匀分布的随机数；(5)重新计算如果|δPk|小于ε，则转步骤(6)；否则，转步骤(3)；(6)完成约束处理操作。3.根据权利要求1所述的方法，其特征在于，所述的变加速度系数粒子群算法在粒子群算法的迭代过程中，动态线性调整速度更新公式中的加速度系数，增强了粒子群算法的全局寻优能力，避免陷入局部最优。4.根据权利要求1或3所述的方法，其特征在于，所述的变加速度系数粒子群算法具体为：在粒子群算法的迭代过程中，动态线性调整速度更新公式(3)中的...

【专利技术属性】
技术研发人员：韩朝兵，王健，薛明华，荆迪，黄伟栋，
申请(专利权)人：上海明华电力技术工程有限公司，
类型：发明
国别省市：上海,31