[发明专利]一种多目标有功调度求解方法及系统

说明书

本发明实施例提供了一种多目标有功调度求解方法及系统，提出了基于约束优先非劣排序的处理方式来处理多目标状态变量约束，减少了常规处理方式中的罚系数选择困难的问题。算法在多目标优化过程中，根据非劣排序确定的支配关系和拥挤距离计算可以同时得到多个非支配解，即是得到了帕累托最优解集。本发明提出基于约束优先的非劣排序实现多群组间的信息交互和资源共享，以获得更精确、更均匀的帕累托最优解集。并且采用模糊数学中的模糊隶属方法从帕累托最优解集中确定一个最好的折衷解作为多目标优化潮流问题的解决方案。

技术领域

本发明涉及电力系统中优化潮流技术领域，具体而言，涉及一种多目标有功调度求解方法及系统。

背景技术

电力系统最优潮流是电力系统经济调度的延伸发展和完善，相比传统的经济调度，其较全面地考虑了电力系统安全稳定运行，最优经济运行等问题，数学模型更为成熟严谨。多目标最优潮流有别于以往单一目标的最优潮流。单目标最优潮流问题本质上是一个以单一目标为对象的复杂的大规模、多约束、非线性优化问题，而多目标最优潮流在此基础上，引入多个目标同时优化，其实质优化模型更为复杂，求解难度陡增。作为高速发展的现代社会中的重要生产行业，电力系统运行面临越来越严格的要求，不仅需要保证电网安全及最大化经济运行，同时也要保证节能减排的运行，实现能源的最大化利用和环境最小化污染，面对如此复杂而又现实的多重目标，实现多目标最优潮流具有重大的指导意义。

在求解方法上，常见算法有粒子群算法(PSO)、差异进化(DE)算法和引力搜索算法等智能算法，然而，在众多的智能算法中，萤火虫算法求解多目标问题的应用并不多，它反而更适合单目标优化，原因是单目标优化问题致力于寻求一个全局最优解，优化的目标函数只有一个；而多目标优化问题则需要同时优化几个相互制约、存在冲突的目标函数，因此FA算法在优化多目标问题时，其进化选择的方式与单目标问题是不相同的。FA算法在电力系统中有很多实际的应用案例，已经证明该算法步骤简单、功能强大、鲁棒性好，因此，如何改进萤火虫算法将其应用多目标问题是非常值得探讨的。为了满足各种约束，在优化领域，常采用罚函数的方法，但是，罚系数的选择很困难。为此，针对多目标优化选择一种非罚系数处理的约束处理方法是有必要的。

对多目标优化问题，不可能找到同时最优的唯一解，而只能得到一组帕累托解。在实际应用中，需要从帕累托前端解集选出一个最好折衷解，这取决于对不同目标的偏好程度。由于不能确定决策者对各目标的偏好程度，如何从帕累托前端解集中确定一个最优折衷解作为多目标优化潮流问题的解决方案是一个非常值得研究的问题。

发明内容

有鉴于此，本发明的目的在于提供一种多目标有功调度求解方法及系统，以解决上述问题。

本发明实施例提供一种多目标有功调度求解方法，所述方法包括：

建立多目标有功调度数学模型，设置电力系统运行参数及改进萤火虫算法参数；

初始化所述改进萤火虫算法中各群体位置以产生初始目标父种群，并计算所述初始目标父种群中各个体的目标函数和违反约束总值，通过潮流计算得到与控制变量对应的状态变量、网络损耗和平衡节点的有功输出；

将所述初始目标父种群复制给初始外部档案，从所述外部档案中随机选择一个个体的最好位置作为全局最好位置g_best，并初始化迭代次数；

更新迭代次数，利用外部档案群体对所述目标父种群中的每个个体的位置进行更新，产生新的目标父种群，计算更新后的目标父种群中每个个体对应的目标函数和违反约束总值；

对更新后的所述目标父种群和所述外部档案群体的集合进行约束优先非劣排序和拥挤距离计算，根据所述外部档案的大小进行修剪得到下一代的外部档案，并从该外部档案中随机选择一个个体的位置作为更新的全局最好位置；