基于PSO—GA算法的电力系统机组组合研究

《基于PSO—GA算法的电力系统机组组合研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第34卷第5期继电器Vo1．34No．5342006年3月1日RELAYMar．1，2006基于PSO—GA算法的电力系统机组组合研究蒋秀洁，吴永华，杨敏(1．三峡大学电气信息学院，湖北宜昌443002；2．孝昌县供电公司，湖北孝昌432900)摘要：机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题，因此求解非常困难．粒子群优化(PSO)算法是一类随机全局优化技术，它通过粒子间的相互作用发现复杂搜索空间中的最优区域。PSO算法的优势在于操作简单，可调参数少

2、易于实现而又功能强大。该文采用二进制粒子群优化方法解决机组状态组合问题，用遗传算法结合启发式技术解决经济分配问题，并对最小开停机时间及启停费用进行了处理，使得运算速度大大加快。方法的可行性在10台机组系统中检验。模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点。关键词：机组组合；电力系统；离散粒子群优化算法；遗传算法中图分类号：TM715文献标识码：A文章编号：1003-4897(2006)05-0034-05式中：，为机组i在t时段运行状态变量，仅取0，l0引言两个值，“=l表示开机，“=0表示停机；P

3、为机组机组组合问题是编制短期发电计划首先要解决i在t时段的发电有功功率；F(P)为机组i运行耗的问题，合理的开停机方案将带来很大的经济效益，量，F(P，)=“+6+c，n，b，c为运行特性由于问题十分复杂，很难找出理论卜的最优解，因为参数；S为机组i在t时段的启动耗量，它由S=机组组合是高维、不可微、非凸、非线性的复杂混合s0+sl(1一e卜)确定，表示汽轮机的启动整数规划问题。人们已经提出很多方法¨解决这耗量，一般为常数，s为锅炉由完全冷却状态启动一问题。时的启动耗量，r为锅炉冷却时间常数。粒子群优化算法PSO(P

4、articleSwarmOptimiza—1．2约束条件tion)于1995年由美国两位博士提出，是一种基a．功率平衡约束于群智能的演化计算方法，可用于求解大量非线性、N>(P)·“一P一P．．=0(2)不可微、非凸性、高维的复杂优化问题。PSO算法优化技术能在较短计算时间内产生高质量的解，比其式中：尸．．为￡时段的系统网损。它随机搜索方法具有更稳定的收敛特性。佩其缺点b．机组技术出力约束是易陷于局部极小点，搜索精度不高。本文针埘基JI)≤P≤P：“(3)本PSO算法所存在的特点，结合机组组合优化问题式中：P、尸分别

5、为机组的力最小、最大值。的具体特点，将机组组合优化问题分为两层：机组状c．旋转备用约束态组合问题和经济分配问题。采用离散二进制PSON>(尸)·“n≥PI】l+PI{『=0(4)算法处理机组启、停约束及最小启停费用问题，同时，i；l为了加快收敛速度及提高解的质量，运用GA算法结式中：P为旋转备用功率。合启发式技术进行负荷经济分配。并用Matlab进行d．最小开停机时间了仿真计算，算例表明了该算法的有效性和可行性。it>；>MDT,(5)式中：，分别为机组的最小连续运行时『RJ1数学模型和最小连续停运时间。1．1目标函

6、数根据式(1)，解决机组组合问题时先确定机机组优化组合的数学模型为：组开停机计划，这是一个可用二进制进化算法搜索r可行解的整数规划问题；以及特殊时段所有机组的minF=∑∑(P)+s(1一ttit-1))。“f=l1出力水平，同时，计划机组必须满足系统平衡，给定、(1)时段旋转备用需求和单机约束。维普资讯http://www.cqvip.com蒋秀洁，等基于PSO—GA算法的电力系统机组组合研究352．2离散二进制PSO方法2基本PSO算法及二进制PSO算法在二进制PSO方法¨¨中，在概率上搜索轨迹以2．1基本PSO

7、算法原理同等的二进制值(0或1)替代位置的改变所以，基于群体中的个体(如粒子)行为及数学抽象基本的PSO和BPSO主要不同是方程(9)取代方程发展’TPSO算法，算法采用速度一位置模型，即(7)PSO算法狂允许范围内初始化为一群随机粒子(潜if(rand()

8、e，rand()并且是一·个随机数，从[0．0，1．0]中的粒子的优劣由被优化函数所决定的适应值来衡选择。量。3改进PSO算法和遗传算法结合的应用设在一个／v维的搜索空间，在PSO优化算法巾第i个粒子的位置和速度可表示为X=(⋯，传统的短期发电计划问题由两个优化子问题组)和y=(⋯，～)，其中i=1，2，⋯，m，in成，即机组方案的确立问题和经