基于文化算法改进多目标粒子群的环境经济发电调度求解方法技术

本发明专利技术公开了一种基于文化算法改进多目标粒子群的环境经济发电调度求解方法，首先建立起以燃料花费和污染气体的排放最少为两个目标函数，将功率平衡约束作为等式约束条件，机组发电容量约束为不等式约束条件，按照目标函数和约束的选取来建立调度模型；算法迭代开初始阶段，引入动态变异算子增强算法的精确度，之后对于多目标粒子群算法进行利用文化算法进行改进，再将改进过的多目标粒子群算法应用到电力系统的环境经济调度中，同时，根据帕累托占优条件求出个体最优解，求出它的非劣解集，并对这些解利用循环拥挤距离进行修剪；最终这些解所组成的归档集可以找到燃料花费的最小值和气体排放的最小值。最小值和气体排放的最小值。最小值和气体排放的最小值。

【技术实现步骤摘要】
基于文化算法改进多目标粒子群的环境经济发电调度求解方法


[0001]本专利技术属于电力系统多目标优化调度
，特别涉及一种基于文化算法改进多目标粒子群的环境经济发电调度求解方法。

技术介绍

[0002]电力工业作为国民经济的基础产业，是国家重点支持的产业，在我国经济发展过程中起着重要作用。电力系统经济调度是电力系统分析的一个重要课题，任务是在满足负荷平衡的等式约束条件以及发电机出力等不等式约束条件的前提下，求解使系统发电成本或燃料最低的调度方案。
[0003]近年来，随着环境保护的要求，很多国家制定了对有害气体排放的法规。对经济调度的问题，还需考虑环境要求、发电费用等多个目标。最近，电力系统环境经济调度问题成为热点研究话题。主要的研究内容是在保证满足用电负荷前提下，优化的调度各发电机组或发电厂的运行情况，合理分配各机组负荷，在节约成本的同时还能降低能源消耗，减少环境污染。使得系统发电所需的总费用或所消耗的总燃料耗量达到最小。
[0004]环境经济调度是一个高维非线性优化问题，传统的优化方法难以找到其全局最优解。粒子群算法因其简单易操作，收敛速度快等特点，被广泛应用于电力系统经济调度中，并取得一定成效。将多目标粒子群算法扩展到环境经济调度领域时，算法对多目标同时进行优化，各个目标间的矛盾性，使多目标粒子群算法的全局最优解并不唯一，只能得到一组帕累托最优解。合理的选择种群的全局最优解和个体的最优解成为求解对目标优化问题的关键之一。对实现电力系统安全经济运行具有十分现实的社会意义。

技术实现思路

[0005]专利技术目的：本专利技术的目的是克服现有方法在求解经济发电调度方案时系统约束未能严格满足或得到的帕累托前沿的多样性不足以及分布不够均匀的弊端，提出的一种基于文化算法改进多目标粒子群的环境经济发电调度求解方法。
[0006]技术方案：本专利技术提供一种基于文化算法改进多目标粒子群的环境经济发电调度求解方法，包括如下步骤：
[0007]步骤1：建立环境经济调度数学模型，所述环境经济调度数学模型包括目标函数和约束条件；燃料花费和污染气体的排放最少为两个目标函数，将功率平衡约束作为等式约束条件，机组发电容量约束为不等式约束条件；
[0008]步骤2：在算法迭代的初始阶段，增大粒子的变异概率来扩大算法的搜索区域；
[0009]步骤3：基于文化算法改进多目标粒子群算法，选择多目标粒子群的群体空间与信念空间中的当前全局最优解，让群体空间与信念空间的交互通过接受操作与影响操作来实现；具体操作如下：
[0010]接受操作设计：在群体空间的粒子群演化过程中，每运行accept()函数时，采用群
体空间归档集中的当前全局“最好值”来替换信念空间中的“最差值”粒子，形成新的非劣解集更新；
[0011]影响操作设计：在信念空间粒子群演化过程中，每运行influence()函数时，用信念空间归档集中当前的全局“最好值”来替换群体空间中的“最差值”粒子；
[0012]改善帕累托最优前沿解的分布：
[0013]采用拥挤距离算法筛选帕累托最优前沿上的解；设有两个子目标f1，f2，设 P[i]distance为个体i的聚集距离，则个体i的函数值为：
[0014]P[i]distance＝(P[i+1]·
f1‑
P[i
‑
1]·
f2)+(P[i+1]·
f2‑
P[i
‑
1]·
f2)
[0015]为了避免单次拥挤排序算法的缺陷，可加入动态算子，采取循环拥挤排序法来改善Pareto最优前沿的均匀性；
[0016]步骤4：根据步骤3中基于文化算法的改进多目标粒子群优化算法的环境经济发电调度求解方法，得到环境经济调度的帕累托最优前沿；
[0017]步骤5：在步骤4得到的帕累托最优前沿基础上，采用模糊隶属度函数来表示每个帕累托最优解中各个目标函数对应的满意度，找到燃料花费的最小值和气体排放的最小值。
[0018]进一步地，所述步骤1中的目标函数和约束条件的具体的形式如下：
[0019][0020][0021]其中，a
i
，b
i
，c
i
为发电机组的系统系数；P
Gi
为第i台发电机的有功功率； Fi(P
Gi
)为第i台发电机的耗量特性；P
D
为系统总负荷；P
LOSS
为系统网损；α
i
，β
i
，λ
i
，ξ
i
和Υ
i
为发电机组的系统系数；Ei(P
Gi
)为第i台发电机的排放量函数； P
Gimin“，P
Gimax
分别为第i台发电机的最小和最大有功功率输出；P
M
为系统总负荷需求；P
LOSS
为系统网络损耗。
[0022]进一步地，所述步骤2中动态变异概率公式如下：
[0023][0024]其中，currentgen表示当前代数，tota 1g en表示总的代数。
[0025]进一步地，所述步骤5中定义模糊隶属度函数如下：
[0026][0027]式中，当μ
i
＝0时表示对某个目标函数值完全不同意，而当μ
i
＝1时则表示对某个目标函数值完全同意；
[0028]对于帕累托解集中的每个解，应用下式求解其标准化满意度值：
[0029][0030]式中，M为帕累托最优解集中的个数；N
obj
为目标函数个数，最优折衷解即为具有最大化标准满意度值μ
k
的解，来辅助决策者选择兼顾经济和环境的最优调度方案。
[0031]进一步地，所述步骤3中对个体最优解求解的具体操作为：
[0032]a.接受操作的设计：其中B
num
和D
num
为文化算法中的两个参数，在这里取常值；iter为粒子群演化的当代迭代次数，iter
max
为粒子群最大迭代次数，群体空间中当前全局“最好值”定义为求非支配解时，粒子序号最小的个体；信念空间中“最差值”定义为当前非劣解前沿解集中拥挤距离最小的个体；
[0033]b.影响操作的设计：信念空间中当前全局“最好值”定义为求非支配解时，粒子序号最小的个体；群体空间中“最差值”定义为当前非劣解前沿解集中拥挤距离最小的个体。
[0034]进一步地，所述步骤4具体包括以下步骤：
[0035]步骤4.1：初始化群体空间、信念空间和外部归档集规模；
[0036]步骤4.2：确定每个粒子的初始位置和初始速度，并计算每个粒子的目标向量函数适应度值；
[0037]步骤4.3：根据非支配排序关系找出初始种群中的非支配解，并保存到非劣解集中；
[0038]步骤4.4：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于文化算法改进多目标粒子群的环境经济发电调度求解方法，其特征在于，包括如下步骤：步骤1：建立环境经济调度数学模型，所述环境经济调度数学模型包括目标函数和约束条件；燃料花费和污染气体的排放最少为两个目标函数，将功率平衡约束作为等式约束条件，机组发电容量约束为不等式约束条件；步骤2：在算法迭代的初始阶段，增大粒子的变异概率来扩大算法的搜索区域；步骤3：基于文化算法改进多目标粒子群算法，选择多目标粒子群的群体空间与信念空间中的当前全局最优解，让群体空间与信念空间的交互通过接受操作与影响操作来实现；具体操作如下：接受操作设计：在群体空间的粒子群演化过程中，每运行accept()函数时，采用群体空间归档集中的当前全局“最好值”来替换信念空间中的“最差值”粒子，形成新的非劣解集更新；影响操作设计：在信念空间粒子群演化过程中，每运行influence()函数时，用信念空间归档集中当前的全局“最好值”来替换群体空间中的“最差值”粒子；改善帕累托最优前沿解的分布：采用拥挤距离算法筛选帕累托最优前沿上的解；设有两个子目标f1，f2，设P[i]distance为个体i的聚集距离，则个体i的函数值为：P[i]distance＝(P[i+1]
·
f1‑
P[i
‑
1]
·
f2)+(P[i+1]
·
f2‑
P[i
‑
1]
·
f2)为了避免单次拥挤排序算法的缺陷，可加入动态算子，采取循环拥挤排序法来改善Pareto最优前沿的均匀性；步骤4：根据步骤3中基于文化算法的改进多目标粒子群优化算法的环境经济发电调度求解方法，得到环境经济调度的帕累托最优前沿；步骤5：在步骤4得到的帕累托最优前沿基础上，采用模糊隶属度函数来表示每个帕累托最优解中各个目标函数对应的满意度，找到燃料花费的最小值和气体排放的最小值。2.根据权利要求1所述的基于文化算法改进多目标粒子群的环境经济发电调度求解方法，其特征在于，所述步骤1中的目标函数和约束条件的具体的形式如下：征在于，所述步骤1中的目标函数和约束条件的具体的形式如下：其中，ai，bi，ci为发电机组的系统系数；P
Gi
为第i台发电机的有功功率；Fi(P
Gi
)为第i台
发电机的耗量特性；P
D
为系统总负荷；P
LOSS
为系统网损；α
i
，β
i
，λ
i
，ξ
i
和Υ
i
为发电机组的系统系数；Ei(P
Gi
)为第i台发电机的排放量函数；P
Gimin
，P
Gimax
分别为第i台发电机的最小和最大有功功率输出；P
M
为系统总负荷需求；P
LOSS
为系统网络损耗。3.根据权利要求1所述的基于文化算法改进多目标粒子群的环境经济发电调度求解方法，其特征在于，所述步骤2中动态变异概率公式如下：其中，currentgen表示当前代数，totalg en表示总的代数。4.根据权利要求1所述的基于文化算法改进多目标粒子群的环境经济发电调度求解方法，其...

【专利技术属性】
技术研发人员：王业琴，张艺怀，杨艳，胡冰垚，耿涛，林嶒，李正豪，冯晓龙，卢志强，薛鹏程，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：