【技术实现步骤摘要】
一种基于竞争学习约束多目标粒子群算法的多区域环境经济调度方法
[0001]本专利技术涉及电力系统调度
，特别涉及基于竞争学习约束多目标粒子群算法的多区域环境经济调度方法。
技术介绍
[0002]电力系统多区域经济调度是在保证电力系统安全稳定的前提下，满足系统的各种运行约束条件，求解使燃料花费最低的调度方案。对于火力发电机组而言，其在运行时会排放出大量的氮氧化物和硫化物等污染气体。近年来，随着绿色经济的发展，电力系统调度中对污染排放的关注增加，如何平衡经济和环境效益成为急需解决的问题。如果在调度方案的确定时考虑污染物的排放，则原来单目标的经济调度变为多目标的环境经调度。由于燃料花费目标和污染排放目标的内在矛盾，且包含多种约束，使得调度方案的确定变得非常困难。
[0003]对于多区域环境经济调度问题的求解，主要可以分为数学规划技术和智能优化算法两类。数学规划的核心思路是将多个优化目标通过约束法和权重系数法转换成单目标优化问题。对于环境经济调度问题，就是将污染排放目标和经济目标转化成单目标优化问题，通过多次求解获得帕...
【技术保护点】
【技术特征摘要】
1.一种基于竞争学习约束多目标粒子群算法的多区域环境经济调度方法，其特征在于，包括如下步骤：步骤1：以燃料花费和污染排放为目标函数，建立电力调度系统的多区域环境经济调度模型；步骤2：获取发电机组的参数和系统的约束条件，设置机组的参数；步骤3：采用竞争学习约束多目标粒子群算法结合约束处理机制对步骤1和步骤2建立的数学模型进行优化求解，获得帕累托解集N为解集中调度方案的个数，解集中X
i
表示第i种调度方案；步骤4：输出优化得到的帕累托前沿和系统中的最优折衷解，根据最优折衷解调度方案来确定系统中发电机组的实际功率输出。2.根据权利要求1所述的基于竞争学习约束多目标粒子群算法的多区域环境经济调度方法，其特征在于：步骤3包括以下具体步骤：步骤3.1：初始化参数：种群大小ps,最大计算次数maxFES和当前计算次数FES＝0，迭代计数起始值t＝1；初始化种群，对于一个由M个区域组成的的多区域环境经济调度系统，其有效解的位置信息X
i,t
可以编码为：其中X
i,t
表示第t代种群中的第i个粒子的的位置信息，为第k个区域中的第N
k
个发电机组的输出功率，T
ik
为区域i和区域k之间的传输功率；步骤3.2：种群中的粒子可能不满足系统的约束条件，对违反约束的粒子进行约束修复，对于发电能力约束，其修复方法如下：其中P
ij
为第i个区域的第j个发电机组的实际输出功率，和分别是对应机组的最小和最大输出功率，对于传输容量约束，修复方法如下：其中T
ik
为第i个区域到第k个区域的传输功率，和分别是对应区域间的最小和最大传输容量，对于区域实际功率平衡约束，利用功率平衡修复算子对其进行修复；步骤3.3：计算每个粒子X
i,t
的燃料花费FC
i,t
和污染排放E
i,t
，并令FES＝FES+ps，FES为当前计算次数，ps为种群大小；步骤3.4：根据目标值对粒子进行快速非支配排序和拥挤距离排序，确定精英种群L，在多目标优化中当解X1和X2满足以下关系：
即对于任一目标f
i
都能使得X1的目标值f
i
(X1)不大于X2的目标值f
i
(X2)，并且至少存在一个目标f
j
使得X1的目标值f
j
(X1)小于X2的目标值f
j
(X2)，称为X1支配X2，快速非支配排序就是找出种群中所有互不支配的解集，拥挤距离则是计算每个粒子在种群中的稀疏程度，根据拥挤距离由大到小为非支配解集中的粒子排序，拥挤距离大的粒子排序靠前，取前20％的粒子组成精英种群L；步骤3.5：利用竞争学习策略对种群中的每个粒子X
i,t
进行更新；步骤3.6：利用X
W
引导当前粒子X
i,t
的速度和位置更新，更新方程如下：V
i,t+1
＝R1·
V
i,t
+R2(X
W
‑
X
i,t
)X
i,t+1
＝X
i,t
...
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。