[发明专利]基于群体经验人工蜂群算法的电力系统静态经济调度方法

说明书

技术领域

本发明属于电力系统优化运行的经济调度方法领域，尤其是涉及一种基于群体经验人工蜂群算法的电力系统静态经济调度方法。

背景技术

电力市场的迅速发展对电力系统的运行和管理提出了新的要求，为提高发电厂的生产效率和电力系统的经济效益，电力系统的经济调度问题成为了重点研究问题之一。

一个良好的电力系统，需要以保证安全可靠运行为前提，追求系统的经济效益最大化为目的。电力系统的经济调度分为动态经济调度和静态经济调度。动态经济调度是指电力系统中，在于一定周期内，优化各机组的出力，以获得最优的出力水平，使成本最小；而静态经济调度是指在一个周期内的某一时段内，优化各机组的出力，使得成本最小。不同的机组，其优化成本函数不同，包括热耗量，煤耗量，有害气体排放量，供电成本及发电成本等。除此之外，静态经济调度还需要处理多个约束问题，如机组前后时段的出力爬坡约束，出力上下限约束，发电与损耗平衡约束及禁止操作区约束等，因此，寻找一个高效的优化算法来出力电力系统的动态经济调度问题十分必要。

电力系统的静态经济调度问题的约束条件严格，根据发电机组数目的不同其复杂性也不同，是一个十分困难的优化问题。粒子群算法和差分进化算法已被广泛应用于电力系统的静态经济调度问题中，但由于其收敛速度较快，全局搜索能力不强的特点，容易陷入局部最优。为了克服这一缺点，本专利采用更擅长全局搜索的人工蜂群算法，但是，由于其全局搜索能力过强而导致局部寻优能力较弱的缺陷，从而优化过程中收敛速度较慢。

发明内容

本发明所解决的技术问题在于提供一种基于群体经验人工蜂群算法的电力系统静态经济调度方法，雇佣蜂和观察蜂根据不断更新的选择概率来采用不同的搜索策略，平衡全局搜索和局部寻优能力，采用本方法对电力系统静态经济调度进行求解，能够在满足相关约束的条件下，获得优化后的各机组各时段的出力水平。

实现本发明目的的技术解决方案为：

基于群体经验人工蜂群算法的电力系统静态经济调度方法，包括以下步骤：

步骤1：设置人工蜂群的参数，包括控制因子F、选择概率P、物源规模NP、最大迭代次数G_max，根据电力系统静态经济调度的约束构造目标函数，所述约束包括：机组功率平衡约束、机组出力上下限约束、机组爬坡约束、机组禁止操作区约束；

步骤2：生成初始食物源，并计算其目标函数值和适应值；

步骤3：更新选择概率，雇佣蜂根据选择概率来选择第一搜索策略或第二搜索策略，产生新的食物源位置，其中，第一搜索策略为：V_i,j＝P_r1,j+F(P_r2,j-P_r3,j)，第二搜索策略为：V_i,j表示新的食物源位置，P_i,j表示当前的食物源位置，为随机产生，P_r1,j、P_r2,j、P_r3,j为三个随机选择的食物源，且r1≠r2≠r3≠i，i＝1,2,…,NP，j表示当前列数；

步骤4：采用贪婪原则对当前食物源位置进行更新；

步骤5：观察蜂根据轮盘赌原则所确定的概率选择食物源并在其附近精细搜索，搜索策略为：其中，V_i,j表示新的食物源位置，P_r4,j、P_r5,j为两个随机选择的食物源，且r4≠r5≠i，i＝1,2,…,NP，j表示当前列数，gbest为适应值最大的食物源，为随机产生；

步骤6：采用贪婪原则对当前食物源位置进行更新；

步骤7：判断迭代次数是否达到最大迭代次数，若是，则停止迭代，输出最优食物源的位置和目标函数值，所述最优食物源的位置即为电力系统各机组的出力水平，目标函数值即为对应的最小发电成本；若否，则转到步骤3。

进一步的，本发明的基于群体经验人工蜂群算法的电力系统静态经济调度方法，步骤1中控制因子F＝0.5、选择概率P＝0.5、物源规模NP＝40、最大迭代次数G_max＝500。

进一步的，本发明的基于群体经验人工蜂群算法的电力系统静态经济调度方法，步骤1中电力系统静态经济调度的目标函数为：