一种基于多目标蜻蜓算法的自动发电控制调度方法技术

本申请公开了一种基于多目标蜻蜓算法的自动发电控制调度方法，包括以下步骤：建立多目标调度双目标数学模型，设计调度的目标函数；其中所述模型包括加载到电力系统的负荷扰动情况和优化算法参数；根据调频支出和对应的总功率偏差，确定自动发点控制机组的约束条件；在所述约束条件下输入实时的加载于电力系统的负荷和初始化优化算法参数；针对所述目标函数采用多目标蜻蜓算法执行非支配排序，并计算个体的临近个体数，同时筛选符合存档集的解，更新帕累托解集进行下一次迭代流程；不断执行多目标蜻蜓算法，进行多次迭代，直至算法达到迭代次数要求，得到最优解，获取最终的调度方案。度方案。度方案。

【技术实现步骤摘要】
一种基于多目标蜻蜓算法的自动发电控制调度方法


[0001]本申请涉及发电系统
，尤其涉及一种基于多目标蜻蜓算法的自动发电控制调度方法。

技术介绍

[0002]电力系统的调频主要包括一次、二次和三次调频。其中，二次调频也被称为自动发电控制(AGC)，它是通过对AGC机组的功率输入进行综合调度，以维持频率和联络线上的功率稳定的重要措施。传统的AGC机组通常采用火电和水电机组，但是其时间延迟较大，难以快速分担负荷扰动。随着新能源技术的发展，越来越多的风力发电机组和光伏电站接入电网并参与AGC调度，因为其对负荷扰动具有快速调节性能，为AGC调度提供了多种选择方案。
[0003]现有技术的调度中心无法提供了多种参考方案，调度中心的经运行经济性和电力系统的电能质量不高。

技术实现思路

[0004]本申请提供了一种基于多目标蜻蜓算法的自动发电控制调度方法，以解决现有技术的调度中心无法提供了多种参考方案，调度中心的经运行经济性和电力系统的电能质量不高的问题。
[0005]本申请提供一种基于多目标蜻蜓算法的自动发电控制调度方法，包括以下步骤：
[0006]建立多目标调度双目标数学模型，设计调度的目标函数；其中所述模型包括加载到电力系统的负荷扰动情况和优化算法参数；
[0007]根据调频支出和对应的总功率偏差，确定自动发点控制机组的约束条件；
[0008]在所述约束条件下输入实时的加载于电力系统的负荷和初始化优化算法参数；
[0009]针对所述目标函数采用多目标蜻蜓算法执行非支配排序，并计算个体的临近个体数，同时筛选符合存档集的解，更新帕累托解集进行下一次迭代流程；
[0010]不断执行多目标蜻蜓算法，进行多次迭代，直至算法达到迭代次数要求，得到最优解，获取最终的调度方案。
[0011]可选的，设计调度的目标函数为：
[0012][0013][0014][0015]其中，R
i
代表第i个AGC机组的调频里程支付；λ是调频里程的价格；是绩效得分。
[0016]可选的，所述约束条件包括功率平衡约束、输入和输出调节能力约束、调节输入指令的方向约束、动态响应过程中的发电斜率约束以及能量转移约束。
[0017]可选的，多目标蜻蜓算法迭代包括以下步骤：
[0018]初始化多目标蜻蜓算法的参数，更新算法中的数据：r半径、w、s互斥权重、a吸引权重、c种群迁徙权重、f觅食地吸引权重、e避障位置权重；
[0019]根据所述数据计算种群个体对应的摄影度函数值，进行帕累托非支配排序；
[0020]更新避障和觅食地位置X
+
和X
‑
，计算更新个体的行为参数；
[0021]计算种群个体的坐标更新，并根据情况进行速率约束；
[0022]当进行速率约束后，将种群迭代次数+1，重复进行多目标蜻蜓迭代直至迭代次数t>T。
[0023]可选的，初始多目标蜻蜓算法的参数包括：种群数目N，存档集数目N
s
，迭代次数T，避障和觅食地位置X
+
和X
‑
，最大速度V
max
。
[0024]可选的，计算更新个体的行为参数包括：互斥度S、吸引度A、种群迁徙度C、觅食地吸引度F以及避障程度E。
[0025]本申请公开了一种基于多目标蜻蜓算法的自动发电控制调度方法，包括以下步骤：建立多目标调度双目标数学模型，设计调度的目标函数；其中所述模型包括加载到电力系统的负荷扰动情况和优化算法参数；根据调频支出和对应的总功率偏差，确定自动发点控制机组的约束条件；在所述约束条件下输入实时的加载于电力系统的负荷和初始化优化算法参数；针对所述目标函数采用多目标蜻蜓算法执行非支配排序，并计算个体的临近个体数，同时筛选符合存档集的解，更新帕累托解集进行下一次迭代流程；不断执行多目标蜻蜓算法，进行多次迭代，直至算法达到迭代次数要求，得到最优解，获取最终的调度方案。
[0026]本专利技术采用多目标蜻蜓算法解决自动发电控制调度问题，通过建立的多目标调度双目标数学模型，考虑到AGC机组的约束，如机组输入输出约束和功率平衡约束。本申请提供的一种基于多目标蜻蜓算法的自动发电控制调度优化方法考虑到了运行经济性和电能质量，具有高度非线性性质和动态变化特征。
[0027]本专利技术的有益效果是：
[0028]1)所提出的优化方法可以综合风电机组和传统机组的调节性能，同时平衡总功率偏差和调节里程支付。
[0029]2)所提出的多目标蜻蜓算法具有较好的全局寻优性能，收敛速度快，并且具有较好的稳定性能。其获取的帕累托解集是具有高度均匀分度的帕累托解集。
[0030]3)采取的优化算法通过降低总功率偏差，可以有效提高系统电能质量；同时通过减少总调节里程支付，提高调度中心的经济性。
附图说明
[0031]为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0032]图1为本申请实施例公开的一种基于多目标蜻蜓算法的自动发电控制调度方法流程图；
[0033]图2为机组调节功率信号随时间变化图；
[0034]图3为本申请实施例中多目标蜻蜓优化算法的流程图。
具体实施方式
[0035]下面将详细地对实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。
[0036]参见图1，为本申请实施例公开的一种基于多目标蜻蜓算法的自动发电控制调度方法流程图。
[0037]本申请提供的一种基于多目标蜻蜓算法的自动发电控制调度方法，具体步骤为：
[0038]建立AGC调度的数学优化模型，并确定其对应约束条件，方法如下：
[0039]本专利技术以实现总功率偏差最小化和调节里程支付最小化这两个相互矛盾的目标。为了实现调度中心运行经济性和电能质量的要求，调度模型必须优化这两个目标。一方面，它应该使实际输出具有较高的跟踪性能，以便有效地减少偏差频率，这意味着最小的总功率偏差。另一方面，它应该有助于最小化调节里程的支付。因此目标函数可以写成如下：
[0040][0041][0042][0043]其中，R
i
代表第i个AGC机组的调频里程支付；λ是调频里程的价格；是绩效得分。
[0044]确定自动发点控制机组的约束条件。
[0045]在该模型中，每个时间控制间隔都要考虑各种约束条件，包括功率平衡约束、输入和输出调节能力约束、调节输入指令的方向约束、动态响应过程中的发电斜率约束(generation rate const本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多目标蜻蜓算法的自动发电控制调度方法，其特征在于，包括以下步骤：建立多目标调度双目标数学模型，设计调度的目标函数；其中所述模型包括加载到电力系统的负荷扰动情况和优化算法参数；根据调频支出和对应的总功率偏差，确定自动发点控制机组的约束条件；在所述约束条件下输入实时的加载于电力系统的负荷和初始化优化算法参数；针对所述目标函数采用多目标蜻蜓算法执行非支配排序，并计算个体的临近个体数，同时筛选符合存档集的解，更新帕累托解集进行下一次迭代流程；不断执行多目标蜻蜓算法，进行多次迭代，直至算法达到迭代次数要求，得到最优解，获取最终的调度方案。2.根据权利要求1所述的基于多目标蜻蜓算法的自动发电控制调度方法，其特征在于，设计调度的目标函数为：设计调度的目标函数为：设计调度的目标函数为：其中，R
i
代表第i个AGC机组的调频里程支付；λ是调频里程的价格；是绩效得分。3.根据权利要求1所述的基于多目标蜻蜓算法的自动发电控制调度方法，其特征在于，所述约束条件包括功率平衡约束、输入和输出调节能力约束、调节输入指令的方向约束、动态响应过程中的发电斜率约束以及能量转移约束。4.根据权利要求1所述的基...

【专利技术属性】
技术研发人员：何廷一，杨博，和鹏，孟贤，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
类型：发明
国别省市：