一种基于遗传算法的电力系统调度方法技术方案

本发明专利技术提出了一种基于遗传算法的电力系统调度方法，用于解决集中式控制方法不能满足现有电网规模需求的问题。本发明专利技术的步骤为：根据电力系统经济调度的优化问题，建立电力系统经济调度模型；利用有功功率平衡方程对目标函数和电机节点有功功率出力约束方程进行降元处理，得到降元后的新经济调度模型；利用遗传算法对新经济调度模型进行求解，在满足各电机节点约束方程的同时实现有功供需平衡，得到的最优值为最优调度方案。本发明专利技术利用遗传算法可以同时处理群体中的多个个体，对搜索空间中的多个解进行评估，减少陷入局部最优解的风险；不仅能快速得到满足设定条件的全局最优解，而且节省电力系统运营成本，为电力系统经济调度提供新的计算方法。提供新的计算方法。提供新的计算方法。

【技术实现步骤摘要】
一种基于遗传算法的电力系统调度方法


[0001]本专利技术涉及电力系统控制与优化的
，尤其涉及一种基于遗传算法的电力系统调度方法。

技术介绍

[0002]电力系统经济调度是指在满足安全和电能质量的前提下，合理利用能源和设备，以最低的发电成本或燃料费用保证对用户可靠地供电的一种调度方法。该调度问题属于优化问题，即如何利用现有资源，在满足安全生产和电能供需平衡的前提下，使得发电成本最小。传统的解决方法是集中式控制，通过控制中心对各个电机节点发送命令，各电机节点收到命令后执行相关操作，以此满足电能供需平衡。但是，随着电网规模的不断扩大，特别是大批新能源接入电网后，对电能质量的要求和管理更加严格，此时再利用传统的集中式控制方法难以达到理想的结果。
[0003]遗传算法是受达尔文的进化论的启发，借鉴生物进化过程而提出的一种启发式搜索算法；它将要解决的问题模拟成一个生物进化的过程，通过选择
‑
交叉
‑
变异等操作产生下一代的解，并逐步淘汰掉适应度函数值低的解，增加适应度函数值高的解。遗传算法以决策变量的编码作为运算对象，可以直接对集合、序列、矩阵、树、图等结构对象进行操作；一方面有助于模拟生物的基因、染色体和遗传进化的过程，方便遗传操作算子的运用；另一方面也使得其具有广泛的应用领域，如函数优化、生产调度、自动控制、图像处理、机器学习、数据挖掘等领域。遗传算法直接以目标函数值作为搜索信息，仅仅使用适应度函数值来度量个体的优良程度，不涉及目标函数值求导求微分的过程，显示出其高度的优越性。
[0004]传统的集中式控制方法由于需要控制中心，难以在大规模新能源接入后的电力系统中发挥其控制优势。而且随着系统的可变量增加，模型会变得复杂。

技术实现思路

[0005]针对现有集中式控制方法不能满足现有电网规模需求的技术问题，本专利技术提出一种基于遗传算法的电力系统调度方法，利用遗传算法解决电力系统经济调度问题，可以快速搜寻找到最优解，同时满足电能供需平衡，实现电力系统合理的经济调度。
[0006]为了达到上述目的，本专利技术的技术方案是这样实现的：一种基于遗传算法的电力系统调度方法，其步骤如下：
[0007]根据电力系统经济调度的优化问题，建立电力系统经济调度模型；
[0008]利用有功功率平衡方程对目标函数和电机节点有功功率出力约束方程进行降元处理，得到降元后的新经济调度模型；
[0009]利用遗传算法对新经济调度模型进行求解，在满足各电机节点约束方程的同时实现有功供需平衡，得到的最优值为最优调度方案。
[0010]所述电力系统经济调度模型以所有电机节点的电机运营成本最小作为目标，建立目标函数；同时，所有电机节点的有功功率出力之和满足总负荷需求，且所有电机节点的有
功功率出力满足自身约束条件。
[0011]所述电力系统经济调度模型的目标函数为：
[0012][0013]其中，f(x
i
)表示成本函数，x
i
表示第i个电机节点的有功功率出力，a
i
、b
i
和c
i
分别表示第i个电机节点的成本系数，n表示电机节点总数；
[0014]所述电机节点的有功功率出力之和满足总负荷需求为：
[0015]所有电机节点的有功功率出力满足自身约束条件为：
[0016][0017][0018][0019]其中，x
L
表示总负荷量，和分别表示第i个电机节点有功功率出力的上限和下限，表示第i个电机节点在t时刻的有功功率出力，x
Ui
和x
Di
分别表示第i个电机节点在一个时间段内的最大向上爬功率和最大向下爬坡功率。
[0020]所述有功功率平衡方程的等价方程为：
[0021][0022]利用等价方程对目标函数和电机节点有功功率出力约束方程进行降元整理，得到新经济调度模型：
[0023][0024]且满足：
[0025][0026][0027][0028][0029][0030][0031]其中，i＝1,
…
,n
‑
1，a
n
、b
n
和c
n
分别表示第n个电机节点的成本系数。
[0032]所述遗传算法中：确定种群规模为n
‑
1个个体；以电力系统中部分电机节点首次输出的有功功率作为初始种群，利用二进制方法对初始种群进行编码，得到不同染色体；根据新经济调度模型的目标函数f(x
i
)计算初始种群中各个体适应度，利用适应度计算各个体
适应度的选择概率为：
[0033][0034]其中，p
c
表示个体j的适应度在整个群体的个体适应度总和中所占比例，f
j
表示个体j的适应度，m表示群体大小。
[0035]所述遗传算法中如果个体的适应度满足要求，则停止遗传算法运行并输出最优结果；否则利用“选择
‑
交叉
‑
变异”新生新一代群体，重新计算个体的适应度，以此运行遗传算法，直到个体适应度满足要求，产生最优值。
[0036]所述种群中的适应度越高的个体的染色体被复制并遗传给下一代；适应度低的个体的染色体与其它适应度低的个体进行交叉，得到新个体；同时，个体中的染色体通过变异产生新的个体；通过遗传、交叉、变异产生的个体组成新一代种群，重新代入目标函数计算适应度，直到种群中出现适应度最高的个体为寻找到的最优值。
[0037]本专利技术的有益效果：利用遗传算法可以同时处理群体中的多个个体，对搜索空间中的多个解进行评估，减少陷入局部最优解的风险，其主要优点是直接对结构对象进行操作，不存在求导和函数连续性的限定，因此，适应度函数不受连续可微的约束，其定义域可任意设定，对模型的要求降低很多；除此之外，遗传算法本身采用动态自适应技术，在进化过程中自动调整算法控制参数和编码精度，能够快速找到全局最优解，更适用于解决电力系统的经济调度问题。本专利技术不仅能快速得到满足设定条件的全局最优解，而且节省电力系统运营成本，为电力系统经济调度提供新的指导方法。
附图说明
[0038]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，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。
[0039]图1为本专利技术的流程示意图。
[0040]图2为本专利技术具体实例中3机9节点的电力系统图。
[0041]图3为本专利技术利用遗传算法得到的最优适应度和平均适应度的曲线对比图。
具体实施方式
[0042]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法的电力系统调度方法，其特征在于，其步骤如下：根据电力系统经济调度的优化问题，建立电力系统经济调度模型；利用有功功率平衡方程对目标函数和电机节点有功功率出力约束方程进行降元处理，得到降元后的新经济调度模型；利用遗传算法对新经济调度模型进行求解，在满足各电机节点约束方程的同时实现有功供需平衡，得到的最优值为最优调度方案。2.根据权利要求1所述的基于遗传算法的电力系统调度方法，其特征在于，所述电力系统经济调度模型以所有电机节点的电机运营成本最小作为目标，建立目标函数；同时，所有电机节点的有功功率出力之和满足总负荷需求，且所有电机节点的有功功率出力满足自身约束条件。3.根据权利要求2所述的基于遗传算法的电力系统调度方法，其特征在于，所述电力系统经济调度模型的目标函数为：其中，f(x
i
)表示成本函数，x
i
表示第i个电机节点的有功功率出力，a
i
、b
i
和c
i
分别表示第i个电机节点的成本系数，n表示电机节点总数；所述电机节点的有功功率出力之和满足总负荷需求为：所有电机节点的有功功率出力满足自身约束条件为：所有电机节点的有功功率出力满足自身约束条件为：所有电机节点的有功功率出力满足自身约束条件为：其中，x
L
表示总负荷量，和分别表示第i个电机节点有功功率出力的上限和下限，表示第i个电机节点在t时刻的有功功率出力，x
Ui
和x
Di
分别表示第i个电机节点在一个时间段内的最大向上爬功率和最大向下爬坡功率。4.根据权利要求3所述的基于遗传算法的电力系统调度方法，其特征在于，所述有功功率平衡方程的等价方程为：利用等价方...

【专利技术属性】
技术研发人员：武小鹏，和萍，李从善，陶玉昆，季玉琦，赵琛，范嘉乐，董杰，任智源，杜跃，苏畅，
申请(专利权)人：郑州轻工业大学，
类型：发明
国别省市：