[发明专利]一种基于纵横交叉算法的电力系统经济调度优化方法

权利要求书

1.一种基于纵横交叉算法的电力系统经济调度优化方法，其特征在于包括以下步骤： 

S1建立经济调度数学模型 

经济调度数学模型包括目标函数和约束条件，目标函数采用考虑燃料费用最低，约束条件包括功率平衡约束和机组出力约束； 

考虑阀点效应的机组燃料费用的目标函数具体形式为： 

其中F_i是发电机组i的燃料费用函数；P_i是火电机组i的有功出力；N是火电机组台数；a_i、b_i、c_i分别是火电机组i的燃料费用系数；e_i、f_i分别是火电机组i的阀点效应系数； 

功率平衡约束要求公式(1)满足： 

其中P_L是系统总负荷需求；P_D是系统总传输网损； 

机组出力约束要求发电机组出力P_i满足： 

P_imin≤P_i≤P_imax(3)； 

其中P_imin和P_imax分别是火电机组i的最小有功出力和最大有功出力； 

S2对公式(1)采用基于纵横交叉算法进行优化，包括以下子步骤： 

S2-1：初始化； 

S2-2：执行横向交叉后进入竞争算子； 

S2-3：执行纵向交叉后进入竞争算子； 

S2-4：终止条件：如果达到指定的最大迭代次数，算法结束；否则转入步骤S2-2。 

2.根据权利要求1所述的基于纵横交叉算法的电力系统经济调度优化方法，其特征在于：所述的步骤S2-1初始化具体为： 

设定火电机组台数N，系统负荷总需求P_L，种群大小M，最大迭代次数 Maxlter，纵向交叉概率P_vc，在机组最小有功出力和最大有功出力范围内随机产生初始化种群，并保存在矩阵X中； 

所述的步骤S2-2执行横向交叉具体为： 

(1)获取父代种群X：第一代为初始化种群，其它代均为纵向交叉产生的占优解矩阵DS_vc； 

(2)对父代种群X中所有个体粒子不重复随机配对，方法为：在1至M之间产生M个不重复的整数序列，将配对序号保存在矩阵B中； 

(3)按顺序从矩阵B中取出相邻两个数作为父代配对粒子的序号i,j； 

(4)假定父代粒子X(i)和X(j)在第d维进行横向交叉，则它们的子代繁殖采用如下公式： 

MS_hc(i,d)＝r₁×X(i,d)+(1-r₁)×X(j,d)+c₁×(X(i,d)-X(j,d))    (4)； 

MS_hc(j,d)＝r₂×X(j,d)+(1-r₂)×X(i,d)+c₂×(X(j,d)-X(i,d))    (5)； 

其中，d∈(1，N)，r₁，r₂是0～1之间的随机数；c₁，c₂是-1～1之间的随机数；X(i,d)，X(j,d)分别是父代种群中个体粒子X(i)和X(j)的第d维，MS_hc(i,d)和MS_hc(j,d)分别是X(i,d)和X(j,d)通过横向交叉产生的第d维子代； 

(5)重复步骤(3)和步骤(4)次，最终获得横向交叉产生的中庸解，保存在中庸解矩阵MS_hc中； 

(6)采用竞争算子，获取横向交叉占优解，保存在DS_hc中； 

具体包括以下步骤： 

INPUT:DS_vc，M，D； 

LET X←DS_vc； 

LET B＝pertutate(M)//对1-M之间的整数进行随机排列； 

FOR i＝1to M/2； 

LET no1＝B(2×i-1)，no2＝B(2×i)； 

FOR j＝1to D； 

产生随机数r₁∈(0，1)，r₂∈(0，1)，c₁∈(-11)，c₂∈(-11)； 

MS_hc(no1,j)＝r₁×X(no1,j)+(1-r₁)×X(no2,j)+c₁×(X(no1,j)-X(no2,j)) 

MS_hc(no2,j)＝r₂×X(no2,j)+(1-r₂)×X(no1,j)+c₂×(X(no1,j)-X(no2,j)) 

END FOR； 

END FOR； 

采用竞争算子更新DS_hc； 

所述的步骤S2-3执行纵向交叉具体为： 

(1)获取父代种群X，其等于横向交叉产生的占优解矩阵DS_hc； 

(2)对父代种群X每一维进行归一化，归一化公式如下： 

其中，d∈(1,N)，X(i,d)是种群X中个体粒子X(i)第d台机组的有功出力，P_dmin是第d台机组最小有功功率，P_dmax是第d台机组最大有功功率； 

(3)对种群中所有的维进行不重复两两随机配，方法为：在1至N之间产生N个不重复的整数序列，将配对序号保存在矩阵B中； 

(4)按顺序从矩阵B中取出相邻两个数即为配对的维序号d₁，d₂； 

(5)种群中所有的个体粒子X(i)在纵向交叉概率P_vc条件下，根据公式(7)产生X(i,d₁)的子代MS_vc(i,d1)： 

MS_vc(i,d₁)＝r·X(i,d₁)+(1-r)·X(i,d₂)，i∈(1,M),d₁,d₂∈N(1,D) (7) 

其中，r∈(0,1)，MS_vc(i,d1)是个体粒子X(i)的第d₁维和第d₂维通过纵向交叉产生的第d₁维子代； 

(6)重复步骤(4)和和步骤(5)次； 

(7)对MS_vc进行反归一化，反归一化公式如下： 

MS_vc(i,d)＝MS_vc(i,d)×(P_dmax-P_dmin)+P_dmin    (8)； 

最终获得纵向交叉产生的中庸解，保存在中庸解矩阵MS_vc中； 

(8)采用竞争算子，获取纵向交叉占优解，保存在DS_vc； 

具体包括以下步骤： 

INPUT:DS_hc，M，N； 

X←DS_hc； 

归一化X； 

Let B＝ipertutate(N).对1-N之间的整数进行随机排列； 

FOR i＝1to N/2； 

产生一个随机数p∈(0，1)； 

IF p<P_vc THEN Let no1＝B(2×i-1)，and no2＝B(2×i)； 

FOR j＝1to M； 

产生一个随机数r∈(0，1)； 

MS_vc(j,no1)←r·X(j,no1)+(1-r)·X(j,no2)； 

END FOR； 

END IF； 

END FOR； 

对MS_vc进行反归一化操作； 

采用竞争算子更新DS_vc； 

上述纵向交叉操作概率P_vc取0.2～0.8。 

3.根据权利要求2所述的基于纵横交叉算法的电力系统经济调度优化方法，其特征在于：所述的步骤S2-2和S2-3中的进入竞争算子具体为： 

(1)计算中庸解矩阵和父代种群X中每个粒子的适应度，计算公式如下： 

其中:P_f为罚函数系数； 

(2)如果中庸解MS(i)优于它的父代X(i)，则DS(i)←MS(i)；否则DS(i)←X(i)； 

具体步骤如下： 

FOR i＝1to M； 

根据公式(9)评估MS(i)和X(i)； 

IF MS(i)优于它的父代X(i)THEN； 

DS(i)←MS(i)； 

ELSE DS(i)←X(i)； 

END IF； 

END FOR。